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

Statistical Drift Detection Ensemble for batch processing of data streams

Komorniczak, Joanna and Zyblewski, Paweł and Ksieniewicz, Paweł

Knowledge-Based Systems, 2022

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

Ksieniewicz, P. and Zyblewski, P.

Neurocomputing, 2022

Prior Probability Estimation in Dynamically Imbalanced Data Streams

Komorniczak, Joanna and Zyblewski, Pawel and Ksieniewicz, Pawel

2021 International Joint Conference on Neural Networks (IJCNN), 2021

Hellinger Distance Weighted Ensemble for imbalanced data stream classification

Grzyb, Joanna and Klikowski, Jakub and Woźniak, Michał

Journal of Computational Science, 2021

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

Application of Multi-objective Optimization to Feature Selection for a Difficult Data Classification Task

Grzyb, Joanna and Topolski, Mariusz and Woźniak, Michał

Lecture Notes in Computer Science, 2021

Advanced Machine Learning techniques for fake news (online disinformation) detection: A systematic mapping study

Choraś, Michał and Demestichas, Konstantinos and Giełczyk, Agata and Herrero, Álvaro and Ksieniewicz, Paweł and Remoundou, Konstantina and Urda, Daniel and Woźniak, Michał

Applied Soft Computing, 2021

The prior probability in the batch classification of imbalanced data streams

Ksieniewicz, Paweł

Neurocomputing, 2021

How to design the fair experimental classifier evaluation

Stapor, Katarzyna and Ksieniewicz, Paweł and García, Salvador and Woźniak, Michał

Applied Soft Computing, 2021

Employing Decision Templates to Imbalanced Data Classification

Wojciechowski, Szymon and Woźniak, Michał

Hybrid Artificial Intelligent Systems, 2020

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

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