Zespół Uczenia Maszynowego
Katedry Systemów i Sieci Komputerowych
machine learning pattern recognition classification imbalanced data classification multi-objective optimization classifier ensemble data stream classification ensemble learning explainable ai data streams concept drift detectors neural network architectures regularization methods imbalanced stream data one-class classification deep learning life-long learning hyperspectral image processing automatic music transcription generative adversarial networks pattern classification feature extraction and selection data mining multidimensional data analysis imbalanced data data stream mining dynamic classifier selection

O zespole

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

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)

Projekty badawcze

swarog

System Wykrywania Dezinformacji Metodami Sztucznej Inteligencji

Kierownik dr inż. Paweł Ksieniewicz

2021-12-02—2024-04-01
finansowanie 8 657 006,25 [NCBR]

lmlds

Lifelong Machine Learning on Data Stream

Kierownik prof. dr hab. inż. Michał Woźniak

2021-02-01—2024-01-30
finansowanie 596 700 [NCN]

mol

Wykorzystanie optymalizacji wielokryterialnej w uczeniu klasyfikatorów dla wybranych zadań decyzyjnych

Kierownik prof. dr hab. inż. Michał Woźniak

2020-10-01—2024-09-30
finansowanie 1 402 512 [NCN]

idstream

Algorytmy klasyfikacji niezbalansowanych strumieni danych

Kierownik prof. dr hab. inż. Michał Woźniak

2018-04-09—2022-03-09
finansowanie 613 920 [NCN]

id

Metody klasyfikacji wieloklasowej danych niezbalansowanych

Kierownik prof. dr hab. inż. Michał Woźniak

2016-07-22—2020-01-21
finansowanie 440 044 [NCN]

ds

Złożone metody klasyfikacji danych strumieniowych wykorzystujące paradygmaty uczenia nienadzorowanego i aktywnego

Kierownik prof. dr hab. inż. Michał Woźniak

2014-03-12—2017-03-11
finansowanie 669 292 [NCN]

Wybrane publikacje

Stream-learn — open-source Python library for difficult data stream batch analysis

Ksieniewicz, P. and Zyblewski, P.

Neurocomputing, 2022

Hybrid Regression Model for Link Dimensioning in Spectrally-Spatially Flexible Optical Networks

Wojciechowski, Szymon and Goscien, Roza and Ksieniewicz, Pawel and Walkowiak, Krzysztof

IEEE Access, 2022

Dynamic Ensemble Selection for Imbalanced Data Stream Classification with Limited Label Access

Zyblewski, Paweł and Woźniak, Michał

Lecture Notes in Computer Science, 2021
W ramach projektu IDSTREAM

Distance Metrics in Clustering and Weighted Scoring Algorithm

Klikowski, Jakub and Burduk, Robert

Lecture Notes in Networks and Systems, 2021
W ramach projektu GEOM

Fusion of linear base classifiers in geometric space

Ksieniewicz, Paweł and Zyblewski, Paweł and Burduk, Robert

Knowledge-Based Systems, 2021

Preprocessed dynamic classifier ensemble selection for highly imbalanced drifted data streams

Zyblewski, Paweł and Sabourin, Robert and Woźniak, Michał

Information Fusion, 2021
W ramach projektu IDSTREAM

Multi-objective Evolutionary Undersampling Algorithm for Imbalanced Data Classification

Wojciechowski, Szymon

Lecture Notes in Computer Science, 2021
W ramach projektu MOL

The prior probability in the batch classification of imbalanced data streams

Ksieniewicz, Paweł

Neurocomputing, 2021

Imbalanced Data Stream Classification Using Hybrid Data Preprocessing

Bobowska, Barbara and Klikowski, Jakub and Woźniak, Michał

Communications in Computer and Information Science, 2020
W ramach projektu IDSTREAM

Employing One-Class SVM Classifier Ensemble for Imbalanced Data Stream Classification

Klikowski, Jakub and Woźniak, Michał

Computational Science – ICCS 2020, 2020
W ramach projektu IDSTREAM

Standard Decision Boundary in a Support-Domain of Fuzzy Classifier Prediction for the Task of Imbalanced Data Classification

Ksieniewicz, Pawel

Computational Science – ICCS 2020, 2020

Employing Decision Templates to Imbalanced Data Classification

Wojciechowski, Szymon and Woźniak, Michał

Hybrid Artificial Intelligent Systems, 2020

Aktualności

Archiwum

Obrona pracy doktorskiej mgr. inż. Jakuba Klikowskiego
Obrona pracy doktorskiej mgr. inż. Jakuba Klikowskiego "Ensemble methods for imbalanced data stream classification" odbędzie się 30 marca. #zum #klikowski

The best paper award dla artykułu mgr inż. Zyblewskiego oraz prof. Woźniaka
Artykuł "Dynamic Ensemble Selection for Imbalanced Data Stream Classification with Limited Label Access" zdobył The best paper award na 20th International Conference on Artificial Intelligence and Soft Computing. #zyblewski #wozniak #zum

Obrona pracy doktorskiej mgr. inż. Pawła Zyblewskiego
Obrona pracy doktorskiej mgr. inż. Pawła Zyblewskiego "Classifier selection for imbalanced data stream classification (Selekcja klasyfikatorów w zadaniu klasyfikacji niezbalansowanych strumieni danych)" odbędzie się 11 września o godzinie 11.00 za pośrednictwem platformy Zoom. #zyblewski #zum

Stan zanurzenia w grze (game flow) - wywiad z dr inż. Piotrem Sobolewskim
Zachęcamy Państwa do przeczytania kolejnego wywiadu z dr inż. Piotrem Sobolewskim, który ukazał sią na łamach gazety PC Format. #zum #sobolewski

SWAROG wykryje źródła fake newsów
Opracowanie systemu wykrywającego źródła celowej dezinformacji to główny cel projektu SWAROG, realizowanego przez naukowców z Wydziału Elektroniki PWr. Na swoje badania otrzymali grant NCBiR w wysokości ponad 8,6 mln zł. #zum #swarog

Projekt w ramach konkursu Infostrateg I
Informujemy, że projekt SWAROG otrzymał finansowanie NCBiR. #zum #swarog #ksieniewicz