User Tools

Site Tools


Sidebar


Menu



nauka

Research

Cytat z Franka Harella: Można zebrać dane w eksperymencie za 10 milionów dolarów, ale jeżeli na statystykę przeznaczy się 1000 dolarów to otrzyma się wyniki warte 1000 dolarów.

  • Research
  • Links
  • Publications
  • Projects
Loading ...

Research

Działalność naukowa

Głównym obszarem moich zainteresowań naukowych jest sztuczna inteligencja, w szczególności metody inteligencji obliczeniowej (uczenie maszynowe, rozpoznawanie wzorców, data miting itp.)

  • systemy regułowe: systemy reguł bazujących na prototypach, klasyczne systemy regałowe, drzewa decyzji, systemy reguł rozmytych, ekstrakcja reguł z nauczonych modeli
  • selekcja i ekstrakcja cech: metody przeszukiwania, metody rankingowe, PCA, ICA, FDA
  • metody kernelowe i statystyczne: SVM, sparse Bayesian methods (RVM), redukcja liczby wektorów wsparcia w SVM (Reduced set methods)
  • sieci neuronowe: RBF, SOM, LVQ, MLP
  • grupowanie danych: metody hierarchiczne, metody minimalizacji skalarnego wsp. jakości (HCM, FCM, PCM), sieci neuronowe (SOM), metody statystyczne (Gaussian Mixture Models)
  • metody oceny jakości klasyfikacji
  • inne: meta uczenie i komitety klasyfikatorów, optymalizacja parametrów modeli
  • wstępne przetwarzanie danych: dyskretyzacja, uciąglanie atrybutów symbolicznych, itp.
  • zastosowanie metod inteligencji obliczeniowych w przemyśle

Scientific activities

My research activities includes various aspects related to computational intelligence (CI). In details I'm interested in:

  • rule based systems: prototype based rules, crisp rules, decision trees, fuzzy rules, rule extraction from trained models
  • feature extraction and selection: search based methods, feature ranking methods,PCA, ICA, FDA, etc.
  • statistical and kernel methods: SVM, sparse Bayessian methods (RVM), reduced set methods
  • neural networks: RBF, SOM, LVQ, MLP
  • clustering: hierarchical, minimizing some scalar cost function (HCM, FCM, PCM), neural approach (SOM), statistical clustering (Gaussian Mixture Models)
  • meta lerning, classifier committies, parameter selection methods
  • data preprocessing: discretization, feature type transformation (symbolic ⇒ continuous), etc.
  • applications of CI in industry (fault detection, estimation of parameters of industrial processes, application in energy systems)

google_scholar.jpg

  • Printable version
  • Tell by mail
  • Export to OpenOffice
  • Export to PDF
  • Export to csv
  • Export to Timeline
  • Add page to book
  • Tools:
nauka.txt · Last modified: 2019/03/21 13:06 (external edit)