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 classification and segmentation in computer vision imbalanced stream data one-class classification data stream concept drift problem complexity open set recognition deep learning life-long learning multimodal data object detection Machine Learning Image Classification Image Segmentation Image Processing Inference Optimization ML-enabled Systems pattern classification feature extraction and selection explainable AI artificial intelligence systems data mining multidimensional data analysis deep neural networks imbalanced data data stream mining dynamic classifier selection multi-dimensional encoding

O zespole

We are member of [Confederation of Laboratories for Artificial Intelligence Research in Europe CAIRNE]((https://cairne.eu/research-network/)

Conferences:

Research interests

  • Machine learning and data mining
  • Information fusion and combined classifiers (multiple classifier systems, classifier ensembles)
  • Big data analytics
  • Data stream classification and concept drift (novelty) detection
  • One-class classification
  • Imbalanced data analysis
  • Methods of improving and stabilizing weak classifiers
  • Hybrid and compound classification
  • Active learning
  • Distributed and parallel computing systems for data mining
  • Applications to real-life problems

PhD theses

  1. Dr. Konrad Jackowski, PhD - thesis „Adaptive evelutionary classifier learning method based on feature space splitting and classifier selection” supervisor: Prof. Michał Woźniak
  2. Dr. Tomasz Wilk, PhD, thesis „Fuzzy combination of one-class classifiers” supervisor: Prof. Michał Woźniak
  3. Dr. Marcin Zmyślony, PhD - thesis „Combined classifiers with the trainable fusers” supervisor: Prof. Michał Woźniak
  4. Dr. Bartosz Krawczyk, PhD, thesis „Forming and pruning one-class classifier ensembles" supervisors: Prof. Francisco Herrera (University of Granada, Spain) and Prof. Michał Woźniak
  5. Dr. Piotr Sobolewski, PhD, thesis „Improving classification of data streams with the presence of concept drift by simulating concept recurrence" supervisor: Prof. Michał Woźniak
  6. Dr. Dariusz Jankowski, PhD, thesis "Evolutionary decision tree induction methods based on streaming data" supervisor: Prof. Boguslaw Cyganek
  7. Dr. Paweł Ksieniewicz, PhD, thesis „Multidimensional data representation and analysis" supervisor: Prof. Michał Woźniak
  8. Dr. Paweł Zyblewski, PhD, thesis, "Classifier selection for imbalanced data stream classification"supervisor: Prof. Michał Woźniak
  9. Dr. Jakub Klikowski, PhD., thesis, "Ensemble methods for imbalanced data stream classification"supervisor: Prof. Michał Woźniak
  10. Dr. Amgad M. Mohammed, PhD, thesis "Enhancement of Ensemble Data Mining Techniques via Soft Computing"supervisors: Prof. Enrique Onieva (DEUSTO University), Prof. Michał Woźniak

Projekty badawcze

IXAI

Wykorzystanie algorytmów wyjaśnialnej sztucznej inteligencji w celu poprawy jakości metod danych niezbalansowanych

Kierowniczka mgr inż. Weronika Węgier

2025-03-03—2027-03-02
finansowanie 90 036 [NCN]

lmlds

Lifelong Machine Learning on Data Stream

Kierownik prof. dr hab. inż. Michał Woźniak

2021-02-01—2024-02-16
finansowanie 596 700 [NCN]

moo

Wykorzystanie optymalizacji wielokryterialnej w uczeniu klasyfikatorów dla wybranych zadań decyzyjnych

Kierownik prof. dr hab. inż. Michał Woźniak

2020-10-01—2025-09-30
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

problexity—An open-source Python library for supervised learning problem complexity assessment

Komorniczak, Joanna and Ksieniewicz, Paweł

Neurocomputing, 2023
W ramach projektu MOO

Alphabet Flatting as a variant of n-gram feature extraction method in ensemble classification of fake news

Ksieniewicz, Paweł and Zyblewski, Paweł and Borek-Marciniec, Weronika and Kozik, Rafał and Choraś, Michał and Woźniak, Michał

Engineering Applications of Artificial Intelligence, 2023

Multicriteria Classifier Ensemble Learning for Imbalanced Data

Wegier, Weronika and Koziarski, Michal and Wozniak, Micha

IEEE Access, 2022
W ramach projektu MOO

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

An analysis of heuristic metrics for classifier ensemble pruning based on ordered aggregation

Mohammed, Amgad M. and Onieva, Enrique and Woźniak, Michał and Martínez-Muñoz, Gonzalo

Pattern Recognition, 2022
W ramach projektu IDSTREAM

Employing chunk size adaptation to overcome concept drift

Kozal, Jędrzej and Guzy, Filip and Woźniak, Michał

JUCS - Journal of Universal Computer Science, 2022

Distance Metrics in Clustering and Weighted Scoring Algorithm

Klikowski, Jakub and Burduk, Robert

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

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
W ramach projektu IDSTREAM

Multi-objective Evolutionary Undersampling Algorithm for Imbalanced Data Classification

Wojciechowski, Szymon

Lecture Notes in Computer Science, 2021
W ramach projektu MOO

Employing Decision Templates to Imbalanced Data Classification

Wojciechowski, Szymon and Woźniak, Michał

Hybrid Artificial Intelligent Systems, 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

Classifier Selection for Highly Imbalanced Data Streams with Minority Driven Ensemble

Zyblewski, Paweł and Ksieniewicz, Paweł and Woźniak, Michał

Lecture Notes in Computer Science, 2019
W ramach projektu IDSTREAM

Aktualności

Archiwum

Obrona doktorska Weroniki Węgier

Obrona doktorska mgr inż. Weroniki Węgier odbędzie się 8 czerwca o godzinie 13.00. #zum #wegier

Obrona doktorska Jędrzeja Kozala

Obrona doktorska mgr inż. Jędrzeja Kozala odbędzie się 14 kwietnia o godzinie 12.00. #kozal #zum

Jak sztuczna inteligencja może pomóc pingwinom?

W ramach współpracy z ZOO Wrocław nasi naukowcy zaprzęgają sztuczną inteligencję do pomocy pingwinom przylądkowym. #zum #borek #zyblewski

Obrona doktorska mgr inż. Joanny Komorniczak

21 listopada odbyła się obrona doktorska mgr inż. Joanny Komorniczak. #jkomorniczak #zum

Akademicki Gryf dla dr inż. Michała Panka

Dr inż. Michał Panek został laureatem tegorocznej edycji konkursu „Dolnośląski Gryf – Nagroda Gospodarcza”. #panek #zum

Polska zbyt mało wydaje na kadry IT - Filary Biznesu

Profesor Michał Woźniak udzielił komentarza do artykułu Filarów Biznesu. #wozniak #zum