group_work

Zespół Uczenia Maszynowego

Tematyka badawcza:

uczenie maszyn i eksploracja danych
metody poprawy jakości i stabilizacja klasyfikatorów słabych
złożone i hybrydowe metody rozpoznawania obiektów
fuzja informacji i klasyfikatory kombinowane
klasyfikacja danych strumieniowych oraz detekcja zmian parametrów modelu klasyfikacji
analiza dużych zbiorów danych
klasyfikacja jednoklasowa
analiza danych niezbalansowanych
uczenie aktywne
rozproszone i równoległe systemy obliczeniowe na potrzeby eksploracji danych
aplikacje metod inteligentnych dla problemów praktycznych

Projekty:

Projekty badawcze

 „Translational Research and Patient Safety in Europe – Enlarged EU”, Numer projektu: 288070, Czas realizacji: 2010-2015, Źródła finansowania: FP7 ICT-2011-7 10.11.3 „Supplements to Strengthen Cooperation in ICT R&D in an Enlarged European Union”
 Metody projektowania złożonych struktur komputerowych systemów wspomagania decyzji” Numer projektu: N N519 650440, Czas realizacji: 2011-2014, Źródła finansowania: Ministerstwo Nauki i Szkolnictwa Wyższego
 „Komputerowe metody rozpoznawania i eksploatacji danych dla rozproszonych środowisk obliczeniowych”, Numer projektu: N N519 576638, Czas realizacji: 2010-2013, Źródła finansowania: Ministerstwo Nauki i Szkolnictwa Wyższego.
Komputerowe metody fuzji informacji dla zadań rozpoznawania obiektów i eksploracji danych”, Numer projektu: 3 T11F 003 30, Czas realizacji: 2006-2009, Źródła finansowania: Ministerstwo Nauki i Szkolnictwa Wyższego

Projekty komercyjne

Orange – analiza danych na potrzeby preselekcji łącz dla usług DLS
PZU  – projekt sieci WAN wraz z niezbędnymi rekomendacjami
Energia Pro S.A. – analiza I rekomendacja platform serwerowych
City Wroclaw – uczestnictwo w projekcie Wrocławskiej Karty Miejskiej
Lower Silesia region – Uczestnictwo w zespole opracowującym „Strategia rozwoju społeczeństwa informacyjnego na Dolnym Śląsku do roku 2020”;
Ernst and Young – Ekspertyzy dotyczące innowacyjności rozwiązań informatycznych przedsiębiorstw z branży bankowej, finansowej oraz telekomunikacyjnej
Bank Ochrony Środowiska - Ekspertyzy dotyczące innowacyjności rozwiązań informatycznych
Polski Bank Spółdzielczości S.A: Ekspertyzy dotyczące innowacyjności rozwiązań informatycznych
Skanska: Ekspertyza w zakresie równoważności wybranych systemów okablowania strukturalnego

 

Nagrody:

prof. Michał Woźniak: IEEE Outstanding Leadership award (2015), best paper awards (WSC 2011, IDEAL 2012), IBM Innovation awards (2010 and 2011)
dr inż. Bartosz Krawczyk: IEEE Outstanding Leadership award (2015), Scholarship of Polish Minister of Sciene and Higher Education (2013,2014), START award from Foundation for Polish Science (2014,2015), Czesław Rodkiewicz Foundation Scholarship 2014, Hugon Steinhaus Award 2013, best paper award (AAIA 2013)

Aktualności
Tematyka badawcza
Machine Learning
Classifier Ensemble
Dynamic Classifier Selection
Data Stream Mining
classification
classifier ensembles
hyperspectral image processing
imbalanced data
data streams
Pattern Recognition
Metody uczenia maszynowego
Data Streams
Concept Drift Detectors
Neural Network Architectures
Regularization Methods
Ensemble Learning
Imbalanced Classification
One-Class Classification

bookmark
Najważniejsze publikacje
Michał Woźniak, Manuel Graña, Emilio Corchado 
A survey of multiple classifier systems as hybrid systems [2014]
772 cytowań
Bartosz Krawczyk 
Learning from imbalanced data: open challenges and future directions [2016]
608 cytowań
Bartosz Krawczyk, Leandro L Minku, João Gama, Jerzy Stefanowski, Michał Woźniak 
Ensemble learning for data stream analysis: A survey [2017]
430 cytowań
Bartosz Krawczyk, Michał Woźniak, Gerald Schaefer 
Cost-sensitive decision tree ensembles for effective imbalanced classification [2014]
191 cytowań
Sergio Ramírez-Gallego, Bartosz Krawczyk, Salvador García, Michał Woźniak, Francisco Herrera 
A survey on data preprocessing for data stream mining: Current status and future directions [2017]
190 cytowań
Alberto Fernández, Salvador García, Mikel Galar, Ronaldo C Prati, Bartosz Krawczyk, Francisco Herrera 
Learning from imbalanced data sets [2018]
138 cytowań
Bartosz Krawczyk, Mikel Galar, Łukasz Jeleń, Francisco Herrera 
Evolutionary undersampling boosting for imbalanced classification of breast cancer malignancy [2016]
124 cytowań
José A Sáez, Bartosz Krawczyk, Michał Woźniak 
Analyzing the oversampling of different classes and types of examples in multi-class imbalanced datasets [2016]
115 cytowań
Bartosz Krawczyk, Michał Woźniak, Bogusław Cyganek 
Clustering-based ensembles for one-class classification [2014]
106 cytowań
Tomasz Wilk, Michal Wozniak 
Soft computing methods applied to combination of one-class classifiers [2012]
73 cytowań
Bartosz Krawczyk, Michał Woźniak 
Diversity measures for one-class classifier ensembles [2014]
72 cytowań
Emilio Corchado, Manuel Graña, Michal Wozniak 
Editorial: New trends and applications on hybrid artificial intelligence systems [2011]
68 cytowań
Bartosz Krawczyk, Michał Woźniak 
One-class classifiers with incremental learning and forgetting for data streams with concept drift [2015]
67 cytowań
Gerald Schaefer, Bartosz Krawczyk, M Emre Celebi, Hitoshi Iyatomi 
An ensemble classification approach for melanoma diagnosis [2014]
64 cytowań
Michal Wozniak 
A hybrid decision tree training method using data streams [2010]
61 cytowań
Bartosz Krawczyk 
One-class classifier ensemble pruning and weighting with firefly algorithm [2015]
59 cytowań
Zhongliang Zhang, Bartosz Krawczyk, Salvador Garcìa, Alejandro Rosales-Pérez, Francisco Herrera 
Empowering one-vs-one decomposition with ensemble learning for multi-class imbalanced data [2016]
58 cytowań
Michał Woźniak, Bartosz Krawczyk 
Combined classifier based on feature space partitioning [2012]
57 cytowań
Krzysztof Walkowiak, Róża Goścień, Mirosław Klinkowski, Michał Woźniak 
Optimization of multicast traffic in elastic optical networks with distance-adaptive transmission [2014]
54 cytowań
Michal Wozniak 
Hybrid classifiers: methods of data, knowledge, and classifier combination [2013]
52 cytowań
Konrad Jackowski, Bartosz Krawczyk, Michał Woźniak 
Improved adaptive splitting and selection: the hybrid training method of a classifier based on a feature space partitioning [2014]
51 cytowań
Bartosz Krawczyk, Michał Woźniak, Francisco Herrera 
On the usefulness of one-class classifier ensembles for decomposition of multi-class problems [2015]
50 cytowań
Michal Wozniak, Konrad Jackowski 
Some remarks on chosen methods of classifier fusion based on weighted voting [2009]
47 cytowań
Konrad Jackowski, Michal Wozniak 
Algorithm of designing compound recognition system on the basis of combining classifiers with simultaneous splitting feature space into competence areas [2009]
44 cytowań
Bartosz Krawczyk, Gerald Schaefer 
A hybrid classifier committee for analysing asymmetry features in breast thermograms [2014]
44 cytowań
Sergio Ramírez-Gallego, Bartosz Krawczyk, Salvador García, Michał Woźniak, José Manuel Benítez, Francisco Herrera 
Nearest neighbor classification for high-speed big data streams using spark [2017]
42 cytowań
Piotr Sobolewski, Michał Woźniak 
Concept Drift Detection and Model Selection with Simulated Recurrence and Ensembles of Statistical Detectors [2013]
41 cytowań
Michal Wozniak, Marcin Zmyslony 
Designing fusers on the basis of discriminants–evolutionary and neural methods of training [2010]
39 cytowań
Anabel Gómez-Ríos, Siham Tabik, Julián Luengo, ASM Shihavuddin, Bartosz Krawczyk, Francisco Herrera 
Towards highly accurate coral texture images classification using deep convolutional neural networks and data augmentation [2019]
38 cytowań
Bartosz Krawczyk, Alberto Cano 
Online ensemble learning with abstaining classifiers for drifting and noisy data streams [2018]
36 cytowań
menu