You are not logged in |
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. 17, 2023, 4:15 p.m.
Łukasz Apiecionek (Uniwersytet Kazimierza Wielkiego)
Ordered Fuzzy Numbers in the Architecture of Artificial Neural Networks
The aim of the presentation is to showcase the potential application of Ordered Fuzzy Number arithmetic in Artificial Neural Networks. This innovative solution enables the construction of fuzzy deep neural networks with Ordered Fuzzy Number …
-
Oct. 27, 2023, 4:15 p.m.
Mateusz Wnuk (University of Warsaw & QED Software)
Cosmic ray particles reaching the earth's surface from space can be used for imaging purposes
The physical processes that occur when a particle passes through a matter can be reconstructed, which can be used to study the structure of objects. Unlike e.g. Computer Tomography (CT) in which the radiation source …
-
Oct. 20, 2023, 4:15 p.m.
Nguyen Hung Son (MIMUW)
Rough-Fuzzy approach to Attribute Importance and Attribute Ranking
Attribute importance refers to a vector of weights that are assigned to attributes and describe the effect on the overall performance or outcome of a model, system, or process. This concept is commonly used in …
-
Oct. 12, 2023, 8:30 a.m.
JingTao Yao (University of Regina)
Three-way Clustering: An Advanced Soft Clustering Approach
Clustering is a machine learning technique that assigns unlabeled data points into different groups based on similarity of data. However, in many cases, we are unable to confidently assign some data points to particular clusters. …
-
June 16, 2023, 5 p.m.
Justyna Pawłowska-Bebel (PJATK)
Self-induced bias of recommender systems
Recommendation algorithms trained on a training set containing suboptimal decisions may increase the likelihood of making more bad decisions in the future. We call this harmful effect self-induced bias, to emphasize that the bias is …
-
June 16, 2023, 4:15 p.m.
Krzysztof Żabiński (Uniwersytet Śląski)
Konstrukcja reguł decyzyjnych oparta o selekcję cech
W ramach seminarium omówiony zostanie algorytm indukcji reguł decyzyjnych oparty o reprezentację EAV tablicy decyzyjnej i selekcję cech przy wykorzystaniu rankingu budowanego na podstawie odchylenia standardowego wartości atrybutów względem klas decyzyjnych. Algorytm ten dostosowany jest …
-
June 2, 2023, 5 p.m.
Sebastian Stawicki (MIMUW)
Metody wyznaczania zespołów klasyfikatorów z wykorzystaniem bireduktów decyzyjnych
Podczas seminarium przedstawię główne wyniki mojej rozprawy doktorskiej, która koncentruje się na budowaniu zespołów klasyfikatorów przy użyciu bireduktów decyzyjnych. Wyjaśnię, czym są biredukty decyzyjne i przedstawię uzyskane wyniki teoretyczne. Omówię różne warianty bireduktów i zaprezentuję …
-
June 2, 2023, 4:15 p.m.
Radosław Piliszek (Uniwersytet w Białymstoku)
Feature selection with RAFS and STIG for knowledge discovery and machine learning model building in binary classification tasks
This presentation is to report PhD thesis results ("Development of methods for feature selection based on information theory"). Dimensionality reduction is an important step in knowledge discovery and machine learning. This study is focused on …
-
May 19, 2023, 4:15 p.m.
Jakub Pokrywka (UAM)
Optymalizacja i ewaluacja w wyzwaniach uczenia maszynowego
Optimization and Evaluation in Machine Learning Challenges Na seminarium omówię wyniki zawarte w mojej rozprawie doktorskiej, która składa się z cyklu publikacji. Praca skupia się na metodologii tworzenia wyzwań uczenia maszynowego, w czego skład wchodzi …
-
May 5, 2023, 4:15 p.m.
Dominik Ślęzak (MIMUW & QED Software)
Deriving Sparsest Approximate Bayesian Belief Networks from Data: NP-hardness and Beyond
alpha-Approximate Bayesian Belief Network (alpha-BBN) is a directed acyclic graph (DAG) whose entropy, understood as the sum of entropies of conditional distributions generated from a joint probability distribution along the DAG's structure, is not higher …
-
April 21, 2023, 4:15 p.m.
Łukasz Puławski (MIMUW)
Wykrywanie wzorców czasowo-przestrzennych w procesie wytwarzania oprogramowania cz. 2
Ta prezentacja będzie próbą generalną przed obroną pracy doktorskiej / This will be a rehearsal before the defence of Ph.D. Thesis Eksploracja repozytoriów oprogramowania (ang. mining software repositories - MSR) to dziedzina eksploracji danych, w …
-
April 14, 2023, 4:15 p.m.
Łukasz Puławski (MIMUW)
Wykrywanie wzorców czasowo-przestrzennych w procesie wytwarzania oprogramowania
Eksploracja repozytoriów oprogramowania (ang. mining software repositories - MSR) to dziedzina eksploracji danych, w której bada się zbiory danych, powstające podczas rozwoju oprogramowania. Zasadniczo głównym, choć nie jedynym, źródłem takich danych jest system kontroli wersji, …
-
March 3, 2023, 4:15 p.m.
Dawid Ewald (Uniwersytet Kazimierza Wielkiego w Bydgoszczy)
The bee optimization metaheuristic method based on ordered fuzzy numbers
Prezentacja wyników zawartych w pracy doktorskiej. Streszczenie w załączeniu. Presentation of results from the doctoral thesis. Synopsis is attached.
-
Feb. 10, 2023, 4:15 p.m.
Andrea Campagner (Università degli Studi di Milano Bicocca)
Robust Learning Methods for Imprecise Data and Cautious Inference
Developing Machine Learning models that are robust in the face of uncertainty is currently one of the most significant problems for the advancement of Machine Learning in both research and application. In this presentation I …
-
Jan. 20, 2023, 4:15 p.m.
Mateusz Zaborski (Politechnika Warszawska)
Efektywne zastosowania metamodeli w algorytmach populacyjnych przeznaczonych do rozwiązywania problemów optymalizacji ciągłej
Algorytmy populacyjne stanowią wiodące metody rozwiązywania problemów czarnoskrzynkowych, tzn. takich w których jedyną możliwością interakcji z funkcją celu (f.c.) jest dokonanie jej ewaluacji. Metamodele odwzorowują f.c. oraz pozwalają zastąpić jej kosztowną ewaluację za pomocą przybliżonej …
