Rok akademicki 2023/2024
Semestr zimowy 2023/2024
Prowadzący seminarium (UR): dr hab. Urszula Bentkowska prof. UR, dr Paweł Drygaś
Autor referatu: dr hab. Urszula Bentkowska prof. UR (współautorzy: mgr inż. Wojciech Gałka, mgr inż. Marcin Mrukowicz, mgr inż. Aleksander Wojtowicz)
Temat: Klasyfikacja wielodecyzyjna oparta o modelowanie przedziałowe w przypadku zbiorów danych mikromacierzowych
Streszczenie: Zaproponowany algorytm klasyfikacji wielodecyzyjnej wykorzystuje modelowanie przedziałowe polegające na tworzeniu tzw. przedziałów niepewności dla wyników predykcji uzyskanych przez klasyfikator k-NN (dla różnych wartości k). Następnie tak uzyskane przedziały są łączone za pomocą agregacji o wartościach przedziałowych. Ponadto stosowane są porządki pomiędzy przedziałami dla wyznaczenia ostatecznego wyniku klasyfikacji. Algorytm dedykowany jest zbiorom danych o dużej liczbie atrybutów warunkowych, jakimi mogą być przykładowo dane mikromacierzowe.
Termin: 2023-11-14, godz. 13.00-13.45
Miejsce: Platforma Teams
*
Prowadzący seminarium (UŚ): dr hab. Beata Zielosko, prof. UŚ, dr hab. Agnieszka Nowak-Brzezińska, prof. UŚ
Autor referatu: dr Przemysław Kudłacik
Temat: Hybrydowy system neuronowo-rozmyty w klasyfikacji danych
Streszczenie: Zbiory rozmyte pozwalają tworzyć względnie nieskomplikowane klasyfikatory regułowe o dobrej efektywności przy zachowaniu bardzo intuicyjnej postaci reguł. Ich bezsprzeczną zaletą jest szybki proces uczenia(przygotowania), modyfikacji(aktualizacji). Z drugiej strony, najlepsze rezultaty często uzyskuje się w oparciu o systemy wykorzystujące sztuczne sieci neuronowe. Niestety proces ich uczenia oraz aktualizacji nie jest trywialny, a co za tym idzie, efektywny czasowo. W ramach prelekcji zastanie zaprezentowany system hybrydowy, który stara się połączyć cechy obydwu podejść.
Termin: 2023-11-28, godz. 13.00-13.45
Miejsce: Platforma Teams
*
Prowadzący seminarium (UR): dr hab. Urszula Bentkowska prof. UR, dr Paweł Drygaś
Autor referatu: mgr inż. Marcin Mrukowicz (kooperacja: dr hab. Urszula Bentkowska prof. UR)
Temat: Optymalizacja parametrów agregacji w klasyfikacji zbiorów danych z brakującymi wartościami
Streszczenie: Badany klasyfikator dedykowany jest zbiorom danych z brakującymi wartościami. Model ten oparty jest na metodzie ensemblingu, gdzie wyjście otrzymane dla poszczególnych klasyfikatorów binarnych jest łączone za pomocą sparametryzowanej rodziny agregacji. Znalezienie optymalnego zestawu parametrów agregacji dla danego zbioru uczącego (i ogólnie problemu) pozwala na zwiększenie jakości działania klasyfikatora.
Termin: 2023-12-12, godz. 13.00-13.45
Miejsce: Platforma Teams
*
Prowadzący seminarium (UŚ): dr hab. Beata Zielosko, prof. UŚ, dr hab. Agnieszka Nowak-Brzezińska, prof. UŚ
Autor referatu: mgr Marcin Cholewa
Temat: Automatyczna refaktoryzacja kodu źródłowego
Streszczenie: Prezentacja metody automatycznej refaktoryzacji kodu, która jest kontrolowana przy pomocy metryk kodu źródłowego i automatu komórkowego. Każda metryka wykorzystywana w metodzie jest oparta na entropii informacji, ponieważ bierze pod uwagę rozmieszczenie znaków w kodzie źródłowym i ich wzajemnego sąsiedztwa. Przy pomocy rozmieszczenia znaków można określić jednoznacznie cechy kodu źródłowego, do których będzie dążyć modyfikowany kod. Automat komórkowy na podstawie wskazań metryki będzie wykonywać modyfikacje kodu źródłowego.
Termin: 2024-01-23, godz. 13.00-13.45
Miejsce: Platforma Teams
Semestr letni 2023/2024
Prowadzący seminarium (UŚ): dr hab. Beata Zielosko, prof. UŚ, dr hab. Agnieszka Nowak-Brzezińska, prof. UŚ
Autor referatu: mgr Grzegorz Moś
Temat: Agregacja struktur, których kształt oparty jest na siatce heksagonów
Streszczenie: Struktury o kształcie opartym na siatce heksagonów spotykamy w wielu dziedzinach naukowych. Agregujemy takie obiekty z użyciem medoidu i centroidu wykorzystując innowacyjne metryki dla ciągów binarnych reprezentujących te struktury. Otrzymane metody znajdują zastosowanie między innymi w problemach związanych z wiedzą rozproszoną, gdzie analizujemy ścieżki uczestników w kontekście reprezentacji świata poprzez siatkę heksagonów.
Termin: 2024-02-27, godz. 13.00-13.45
Miejsce: Platforma Teams
*
Prowadzący seminarium (UR): dr hab. Urszula Bentkowska prof. UR, dr Paweł Drygaś
Autor referatu: dr Zofia Matusiewicz
Temat: Rozmyte zbiory zbalansowane
Streszczenie: Koncepcja zrównoważonych zbiorów rozmytych stanowi rozwinięcie teorii zbiorów rozmytych, umożliwiając jednoczesną analizę informacji pozytywnych i negatywnych. W zbiorach klasycznych funkcja przynależności jest dwuwartościowa. Jednak obserwacje dotyczące ludzkiego postrzegania rzeczywistości pokazują, że ludzkie oceny dotyczące przynależności do zbioru bywają niepewne i nieprecyzyjne. W wyniku tej obserwacji wprowadzono pojęcie zbiorów rozmytych, gdzie wartości funkcji przynależności do zbioru należą do przedziału [0, 1]. Upraszczając, wartości z przedziału (0, 1] oznaczają stopień przynależności do zbioru, podczas gdy 0 oznacza brak przynależności do zbioru. Niemniej jednak ludzie myślą dwutorowo: w jakim stopniu coś spełnia kryteria przynależności do zbioru oraz w jakim stopniu coś nie spełnia ludzkich wymagań. Rezultatem tych obserwacji jest powstanie dwóch typów zbiorów: intuitionistyczne zbiory rozmyte oraz zbalansowane zbiory rozmyte. Tematem tego wystąpienia są zbalansowane zbiory rozmyte. Przedstawione zostaną fundamentalne założenia tych zbiorów oraz podstawowe operatory na tych zbiorach.
Termin: 2024-03-26, godz. 13.00-13.45
Miejsce: Platforma Teams
*
Prowadzący seminarium (UŚ): dr hab. Beata Zielosko, prof. UŚ, dr hab. Agnieszka Nowak-Brzezińska, prof. UŚ
Autor referatu: mgr inż. Czesław Horyń
Temat: Identyfikacja anomalii w dziedzinowych zbiorach danych złożonych
Streszczenie: Prezentowane badania koncentrują się na identyfikacji anomalii w danych kategorycznych i mieszanych, kluczowych dla analizy i modelowania predykcyjnego, znajdując zastosowanie w wielu dziedzinach, takich jak finanse czy medycyna. Stawiają one unikalne wyzwania w porównaniu do analizy danych numerycznych, wprowadzają innowacyjne techniki optymalizacji, takie jak dostosowanie „rozmiaru bloku", mające na celu podniesienie efektywności algorytmu LOF. Głównym celem jest ocena skuteczności i wydajności algorytmów LOF, SOM i Autoenkodera w wykrywaniu anomalii w danych kategorycznych. Poprzez analizę różnych metod algorytmicznych, badania te oferują cenne wsparcie analitykom danych kategorycznych w poszukiwaniu wzorców anomalii i poprawiają zrozumienie procesu ich wykrywania.
Termin: 2024-04-30, godz. 13.00-13.45
Miejsce: Platforma Teams
*
W dniu 28 maja 2024 planowane jest Seminarium UŚ-UR w formie stacjonarnej.
Miejscem spotkania będzie Uniwersytet Śląski.
Harmonogram spotkania zostanie podany w najbliższym czasie.