Wykaz obszarów badawczych związanych z tagiem Sieci-neuronowe:
| # | Obszar badawczy | Dziedzina naukowa |
|---|---|---|
| 1 |
Zastosowania metod sztucznej inteligencji w diagnostyce technicznej, z uwzględnieniem zagadnienia selekcji informacji diagnostycznej i diagnostycznie zorientowanego przetwarzania i analizy sygnałów. Modelowanie zasobników energii elektrycznej dla pojazdów elektrycznych i hybrydowych z wykorzystaniem metod inteligencji obliczeniowej. Autonomizacja pojazdów oraz ich funkcjonowanie w inteligentnych systemach transportowych.
|
|
| 2 |
Wzrostowi znaczenia projektów we współczesnych przedsiębiorstwach towarzyszy zwiększanie potrzeb w zakresie metod i narzędzi wspomagających decyzje. Warte uwagi są technologie obliczeniowe związane z metodami sztucznej inteligencji np. sieciami neuronowymi, logiką rozmytą i systemami hybrydowymi.
|
|
| 3 |
Klasyfikacja szeregów czasowych jest popularnym zadaniem uczenia maszynowego, mającym wiele praktycznych zastosowań. Do tej pory powstało wiele opracowań poświęconych klasyfikacji binarnych i wieloklasowych szeregów czasowych jednej oraz wielu zmiennych. Dzięki zasobom zgromadzonym na stronie UEA/UCR Time Series Classification Repository (https://timeseriesclassification.com/) możliwe jest pobieżne zapoznanie się z przekrojem metod z tego obszaru oraz ze zbiorami danych uznawanymi za tzw. zbiory benchmarkowe tej dziedziny. Proponowany obszar badawczy dotyczy tworzenia nowych podejść do klasyfikacji szeregów czasowych, w szczególności w oparciu o sieci neuronowe. Tematem powiązanym jest analiza sposobów reprezentacji szeregów czasowych i ekstrakcji cech, będących podstawą do budowy klasyfikatora. Drugim tematem powiązanym jest skupienie się na metodach tzw. wczesnej klasyfikacji.
|
|
| 4 |
Nowe metody kompresji wideo na bazie sieci neuronowych: Zagadnienie badawcze poświęcone jest opracowaniu nowych architektur splotowych sieci neuronowych oraz innych elementów przetwarzania sygnału wizyjnego służących do efektywnej kompresji sekwencji wizyjnych. Wśród tych innych elementów wymienić można zastosowanie transformacji ortogonalnych typu DCT i DWT, deskryptory pozwalające na formowanie kontekstu. Zasadniczo architektury sieci do kompresji bazują na strukturze autoenkodera . Jednak relacje między warstwami i sama struktura warstw zależy od wielu hyper-parametrów. Celem jest znalezienie takiego rozwiązania, które będzie dawało możliwie dobrą efektywność kompresji przy ograniczonym koszcie obliczeniowym. Wskazane jest zastosowanie uczenia w konfiguracji GAN celem dopasowania kompresji do ludzkiego systemu widzenia.
|
|
| 5 |
Teoria i algorytmy inteligentnego przetwarzania sygnałów hiperzespolonych: Zagadnienie badawcze dotyczy rozwinięcia teorii i poszukiwania możliwości praktycznego wykorzystania wyników teoretycznych przy przetwarzaniu obrazów wielowymiarowych. Aktualnie bardzo intensywnie rozwijają się metody inteligentnego przetwarzania sygnałów, które stanowi interesującą alternatywę dla metod konwencjonalnych. Takie podejście pozwala na opracowanie efektywnych algorytmów przetwarzania sygnałów wielowymiarowych z wykorzystaniem głębokiego uczenia oraz sieci neuronowych. Zagadnienie badawcze polegać będzie w pierwszej kolejności na zaznajomieniu się z metodami konwencjonalnymi przetwarzania sygnałów wielowymiarowych z naciskiem na wykorzystanie algebr kwaternionów i oktonionów. W kolejnym etapie przewiduje się przegląd literatury pod kątem zastosowania metod inteligentnych w przetwarzaniu wielowymiarowych sygnałów hiperzespolonych. W ramach zagadnienia badawczego opracowane zostaną metody nowe, których potencjał zostanie przebadany na rzeczywistych obrazach 3-D.
|