Seminar devoted to broadly understood area of Intelligent Systems. Its topic include, but are not limited to, topics such as: Artificial Intelligence (AI), Knowledge Discovery (KDD), Approximate Reasoning (AR), Machine Learning (ML), an other related areas.
This seminar is a direct descendant of the Research Seminar of the Logic Group: Approximate reasoning in data mining.
Organizers
- dr hab. Andrzej Janusz
- dr hab. Hung Son Nguyen, prof. UW
- dr Marcin Szczuka
- prof. dr hab. Dominik Ślęzak
Information
Fridays, 4 p.m. , room: 4060Research fields
List of talks
-
Nov. 22, 2024, 4 p.m.
dr Wojciech Oronowicz-Jaśkowiak (Polsko-Japońska Akademia Technik Komputerowych)
Propozycja integracyjnego, obiektowo-klasowego, klasyfikatora treści pornograficznych z udziałem małoletniego
Wprowadzenie. Treści pornograficzne z udziałem małoletnich (CSAM) stanowią materiały audiowizualne, w których prezentowana jest nagość i/lub aktywność wskazująca na kontekst seksualny z małoletnimi. Wprowadzenie skutecznego narzędzia informatycznego bazującego na uczeniu maszynowym do identyfikacji oraz klasyfikacji …
-
Nov. 15, 2024, 4 p.m.
dr hab. inż. Piotr Bilski (Instytut Radioelektroniki i Technik Multimedialnych, Politechnika Warszawska)
Identyfikacja autentyczności podpisu odręcznego jako przykład problemu klasyfikacji binarnej (Identification of handwritten signature as an example of binary classification problem)
W prezentacji przedstawiony zostanie problem możliwości rozpoznawania autentyczności podpisu odręcznego wobec możliwości odwzorowania go przez maszynę. Pojawienie się urządzeń umożliwiających kreślenie wzorców z teoretycznie dowolną precyzją stanowi wyzwanie dla ekspertów sądowych w zakresie grafologii oraz …
-
Nov. 8, 2024, 4 p.m.
dr hab. inż. Agnieszka Ławrynowicz (Wydział Informatyki i Telekomunikacji, Politechnika Poznańska)
Jak budować wiarygodne grafy wiedzy? (How to Build Trustworthy Knowledge Graphs?)
W prezentacji dokonam wprowadzenia do zagadnienia ekstrakcji i konstrukcji grafów wiedzy oraz typowego procesu jaki prowadzi do uzyskania grafu wiedzy gotowego do aplikacji. Graf wiedzy jest współczesną formą reprezentacji wiedzy w postaci sieci semantycznej z …
-
May 24, 2024, 4 p.m.
dr inż. Wojciech Sałabun (Wydział Informatyki, Zachodniopomorski Uniwersytet Technologiczny w Szczecinie)
Development of methods and tools for Multi-Criteria Decision Analysis based on reference objects (Rozwój metod i narzędzi wielokryterialnego wspomagania decyzji opartych na obiektach referencyjnych)
-
April 12, 2024, 4 p.m.
dr inż. Marek Litwin (SmartCity Lab)
ITS projects at the SmartCity Lab (Projekty ITS w Laboratorium SmartCity Lab)
-
April 5, 2024, 4:15 p.m.
dr inż. Maciej Świechowski (QED Software / QED Games)
Utility AI System as a modern approach to bot behaviour in video games and as a generalisation of artificial neural networks (Utility AI System - jako nowoczesna metoda zachowań botów w grach wideo oraz jako uogólnienie sieci neuronowych)
-
March 15, 2024, 4:15 p.m.
dr inż. Teresa Mroczek (Wyższa Szkoła Informatyki i Zarządzania w Rzeszowie)
Development of methods for discretisation and exploration of incomplete data (Rozwój technik dyskretyzacji oraz metod eksploracji danych niekompletnych)
-
March 8, 2024, 4:15 p.m.
Rozwój metod selekcji wszystkich istotnych cech w systemach decyzyjnych: wybrane aspekty i zastosowania
Rozwój metod selekcji wszystkich istotnych cech w systemach decyzyjnych: wybrane aspekty i zastosowania
Podczas seminarium zostaną przedstawione główne wyniki badań dotyczące wybranych aspektów i zastosowań oraz rozwoju metod selekcji wszystkich cech istotnych w systemach decyzyjnych: propozycja miar oceny istotności cech z wykorzystaniem struktury drzew i reguł decyzyjnych, propozycję …
-
March 1, 2024, 4:15 p.m.
Eyad Kannout (MIMUW)
Efficient Models and Techniques for Recommendation Systems
This presentation will be dedicated to presenting the findings outlined in my doctoral dissertation, which concentrate on the exploration and improvement of Recommender Systems. The effectiveness of any recommender system is typically evaluated based on …
-
Feb. 23, 2024, 4:15 p.m.
Paweł Gora (MIMUW)
Metaheurystyki w optymalizacji procesów złożonych
Opowiem o wynikach przedstawionych w mojej pracy doktorskiej, które dotyczą optymalizacji procesów złożonych przy pomocy metaheurystyk. W ramach badań skupiałem się na 2 procesach złożonych: sterowaniem sygnalizacją świetlną dla ruchu drogowego w miastach oraz optymalizacją …
-
Jan. 26, 2024, 4:15 p.m.
Daniel Kałuża (MIMUW)
Active learning with imbalanced data and uncertain annotations
Celem aktywnego uczenia jest uzyskanie jak najlepszego modelu uczenia maszynowego w przypadkach ograniczonego budżetu na etykietowanie danych, przy założeniu możliwości iteracyjnego proszenia ekspertów etykietujących dane o oetykietowanie wybranych obiektów. Podczas seminarium przedstawię podstawowe pojęcia z …
-
Jan. 19, 2024, 4:15 p.m.
Łukasz Grad (MIMUW)
Dekompozycja modeli obrazowych z wykorzystaniem kodowania rzadkiego oraz zastosowania w wyjaśnianiu niepewności predykcji
Głębokie sieci neuronowe (and. Deep Neural Networks, DNN) wykazują zdolność do znajdowania wyjątkowo bogatych reprezentacji danych. W celu lepszego zrozumienia działania tych modeli, wiele uwagi w ostatnich latach poświęcono na rozwój metod pozwalających na analizę …
-
Jan. 12, 2024, 4:15 p.m.
Mateusz Przyborowski (MIMUW)
Zastosowanie odległości Wassersteina do analizy modeli mieszanin Gaussowskich
Modele mieszanin Gaussowskich (Gaussian Mixture Models, GMM) można uznawać za uogólnienie algorytmu k-średnich; pozwalają one na przybliżenie rozkładu danych za pomocą kilku normalnych rozkładów prawdopodobieństwa oraz na szacowanie prawdopodobieństwa, z jakim każda obserwacja pochodzi z …
-
Dec. 8, 2023, 4:15 p.m.
Sebastian Stawicki (MIMUW & QED Software)
Metody wyznaczania zespołów klasyfikatorów z wykorzystaniem bireduktów decyzyjnych
Podczas seminarium przedstawię główne wyniki rozprawy doktorskiej, która koncentruje się na budowaniu zespołów klasyfikatorów przy użyciu bireduktów decyzyjnych. Omówię różne warianty bireduktów i zaprezentuję przykłady, aby lepiej zobrazować ich właściwości. Wyjaśnię również, jak można odnieść …
-
Nov. 24, 2023, 4:15 p.m.
Nguyen Hung Son (MIMUW)
Distance Metric Learning: Foundation, Methods and Applications
Distance Metric Learning (DML) is a machine learning approach that aims to learn a new distance metric from data, which improves the quality of the distance-based methods including classification, clustering, dimension reduction, kernel-based techniques, information …