Wykaz obszarów badawczych związanych z tagiem Sztuczna-inteligencja:
| # | Obszar badawczy | Dziedzina naukowa |
|---|---|---|
| 1 |
zastosowania sztucznej inteligencji (wliczając w to uczenie głębokie) w obszarze nauk techniczych i przyrodnicznych, m.in. diagnostyce systemów analogowych (np. wzmaniaczy audifilskich i korektorów RIAA), badaniu gustu muzycznego na podstawie cech akustycznych utworów, projektowaniu strategii inwestycyjnych na geiłdzie papierów wartościowych, monitorowaniu zużycia energii elektrycznej przez odbiorniki na podstawie zagregowanych sygnaów prądu i napięcia, wreszcie projektowaniu bezpiecznych systemów IoT.
|
|
| 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 |
Obszar badawczy obejmuje zagadnienia przetwarzania obrazów, widzenia komputerowego, uczenia maszynowego (w tym uczenia głębokiego) oraz szeroko pojętej sztucznej inteligencji.
|
|
| 4 |
1) Metody wykrywania i klasyfikacji nieprawidłowości pracy serca wykorzystujące techniki uczenia głębokiego - dotyczy technik i algorytmów przetwarzania sygnałów EKG do automatycznej detekcji i klasyfikacji nieprawidłowości pracy serca z wykorzystaniem metod głębokiego uczenia maszynowego. Planowane jest zastosowanie różnorodnych głębokich konwolucyjnych sieci neuronowych do automatycznej analizy struktury (przebiegu) sygnału EKG, jak również mechanizmów wykrywania anomalii (odchyleń) i wyszukiwania informacji opartych o sieci neuronowe typu autoenkoder. Prace będą prowadzone we współpracy z Katedrą i Kliniką Intensywnej Terapii Kardiologicznej i Chorób Wewnętrznych Uniwersytetu Medycznego im. Karola Marcinkowskiego w Poznaniu. 2)Metody wykrywania i klasyfikacji nieprawidłowości pracy serca wykorzystujące wskaźniki zmienności rytmu serca (HRV) oraz techniki uczenia maszynowego - dotyczy technik i algorytmów przetwarzania sygnałów EKG do automatycznej detekcji i klasyfikacji nieprawidłowości pracy serca z wykorzystaniem metod uczenia maszynowego. Planowane jest zastosowanie wielu róznorodnych parametrów zmienności rytmu serca (HRV - Heart Rate Variablity), jak również nowych oryginalnych parametrów asymetrii rytmu serca (HRA - Heart Rate Asymmetry). Prace będą prowadzone we współpracy z Katedrą i Kliniką Intensywnej Terapii Kardiologicznej i Chorób Wewnętrznych Uniwersytetu Medycznego im. Karola Marcinkowskiego w Poznaniu. 3)Pasywna radiolokacja obiektów kosmicznych za pomocą sygnałów rejestrowanych przez anteny międzynarodowej sieci radioteleskopów LOFAR - dotyczy technik i algorytmów przetwarzania sygnałów rejestrowanych przez anteny sieci radioteleskopów LOFAR (Low-Frequency Array for radio astronomy) w celu ich wykorzystania do pasywnej radiolokacji obiektów kosmicznych: satelitów na niskich orbitach i tzw. smieci kosmicznych. Rozpatrywany sytem radiolokacji pasywnej nie wymaga budowy dedykowanych nadajników, a wykorzystuje tzw. nadajniki okazjonalne, będące np. nadajnikami sygnałów radiowych FM, DAB+ lub telewizyjnych DVB-T. Sygnały te po dobiciu od obiektów odbierane są przez anteny systemu LOFAR. Prace w tym obszarze prowadzone we współpracy z Centrum Badań Kosmicznych PAN są pionierskie na skalę światową. Trzy stacje LOFAR znajdują się w Polsce. Pojedyncza stacja LOFAR składa się z wielu anten tworząc radioteleskop o dużych rozmiarach mogący odbierać stosunkowo słabe sygnały.4) Metody i algorytmy przetwarzania sygnałów w pasywnej radiolokacji małych bezzałogowych statków powietrznych (dronów) - dotyczy technik i algorytmów przetwarzania sygnałów dedykowanych do pasywnej radiolokacji małych bezzałogowych staków powietrznych, tzw. dronów. Prace będą prowadzone we współpracy z Wydziałem Mechanicznym Energetycznym i Lotnictwa Politechniki Warszawskiej na zakupionym niedawno przez Politechnikę Warszawską lotnisku w Sierakowie koło Przasnysza, gdzie powstało Laboratorium Monitorowania Obszaru z czterema stacjami antenowymi. Problemy do rozwiązania w ramach obszaru badawczego związane są z detekcją małych obiektów latających z wykorzystaniem specyficznych cech sygnałów odbitych od rozpatrywanych obiektów, estymacją ich parametrów, śledzeniem, a także klasyfikacją wykrytych obiektów, w szczególności badania mają dotyczyć możliwości odróżnienia małych dronów od ptaków. 5) Optymalizacja metod i algorytmów identyfikacji osób na podstawie sygnału EEG z wykorzystaniem technik uczenia maszynowego - dotyczy metod i algorytmów identyfikacji osób na podstawie sygnału EEG z wykorzystaniem technik uczenia maszynowego. Planowane jest zastosowanie podejścia bazującego zarówno na cechach spektralnych sygnału EEG w poszczególnych jego pasmach, jak również analizy samego przebiegu sygnału EEG za pomocą tzw. technik uczenia głębokiego z wykorzystaniem splotowych (konwolucyjnych) sieci neuronowych. Prace obejmować będą dobór i optymalizację parametrów sygnału EEG i klasyfikatorów wykorzystywanych do identyfikacji osób, liczby sesji koniecznych do nauczenia klasyfikatorów, minimalnej liczby elektrod używanych do identyfikacji, a także opracowanie opasek/czepków dedykowanych do zbierania sygnału EEG dla rozpatrywanego zastosowania i przebadanie opracowanych rozwiązań w warunkach zbliżonych do ich praktycznej implementacji. Prace będą prowadzone we współpracy z Instytutem Biologii Doświadczalnej im. M. Nenckiego Polskiej Akademii Nauk
|
|
| 5 |
Prognozowanie generacji z OZE oraz produkcji energii elektrycznej w systemach różnej wielkości z wykorzystaniem uczenia maszynowego. Optymalizacja w elektroenergetyce.
|
|
| 6 |
Badania w zakresie zastosowania innowacyjnych technik w obszarze cyberbezpieczeństwa systemów informatycznych. Celem badań jest opracowanie mechanizmów zwiększających poziom bezpieczeństwa cybernetycznego systemów komputerowych, sieci informatycznych czy też sprzętowych realizacji systemów (FPGA, ASIC, SoC) przez zastosowanie innowacyjnych koncepcji, takich jak Moving Target Defense, AI anomaly detection, software/hardware co-design. Przykładami problemów badawczych są opracowanie metod i algorytmów wykorzystujących techniki SDN i NFV do realizacji mechanizmów MTD, wykorzystanie algorytmów sztucznej inteligencji i uczenia maszynowego do detekcji anomalii, akceleracja sprzętowa monitorowania i przetwarzania multigigabitowego ruchu sieciowego.
|
|
| 7 |
1. Przepustowość przestrzeni powietrznej, lotnisk, systemów obsługi w portach lotniczych. 2. Bezpieczeństwo ruchu lotniczego. 3. Ochrona lotnictwa cywilnego, systemy kontroli bezpieczeństwa. 4. Operacje w ruchu lotniskowym. 5. Organizacja ruchu lotniczego. 6. Czynnik ludzki w transporcie lotniczym. 7. Sztuczna inteligencja w transporcie lotniczym. 8. Oddziaływanie środowiskowe transportu lotniczego.
|
|
| 8 |
""Badania w obszarze zarządzania łańcuchem dostaw (ŁD): elastyczność i odporność ŁD na zjawiska wewnętrzne jak i zaburzenia występujące globalnie (katastrofy naturalne, wojny, choroby, sankcje), zarządzanie i kształtowanie ŁD, zaopatrzenie produkcji, dystrybucja, zarządzenie ryzykiem, opracowanie i/lub zastosowanie narzędzi wspomagania decyzji w ŁD z wykorzystaniem maszynowego uczenia, sztucznej inteligencji, symulacji.
Badania w obszarze logistyki miejskiej: planowanie systemu dystrybucji ładunków, opracowanie nowatorskich rozwiązań na potrzeby logistyki ostatniego kilometra, kształtowanie infrastruktury na potrzeby pojazdów przyjaznych środowisku, w tym metody lokalizacji stacji ładowania dla pojazdów elektrycznych, opracowanie i/lub zastosowanie narzędzi wspomagania decyzji w logistyce miejskiej z wykorzystaniem maszynowego uczenia, sztucznej inteligencji, symulacji.""
|
|
| 9 |
Obszar badawczy skoncentrowany jest wokół niekonwencjonalnych technologii wytwarzania, obejmuje: modelowanie procesu obróbki elektroerozyjnej, zastosowanie sztucznej inteligencji w optymalizacji procesów obróbki elektroerozyjnej, optymalizacja procesu wytwarzania części metodami przyrostowymi SLS/SLM, hybrydowe obróbki erozyjno-ścierne, technologie obróbek wykończeniowych min. przetłoczno-ścierna, magnetyczno-ścierna, szlifowanie.
|
|
| 10 |
uczenie maszynowe i sztuczna inteligencja; systemy autonomiczne; modelowanie architektur ML, MLOps
|
|
| 11 |
robotyka; metody programowania robotów, architektury systemów sterowania robotów, metamodele systemów robotycznych; automatyczna generacja kodu sterowników robotów, planowanie zadań; serwomechanizmy wizyjne; sterowanie pozycyjno-siłowe; zastosowania robotów; sztuczna inteligencja;
|
|
| 12 |
Komputerowa symulacja urządzeń elektrycznych (pole elektromagnetyczne, obwody i systemy), budowa generatorów impulsów WN, ale także algorytmy przetwarzania obrazów i danych trójwymiarowych (defektoskopia termowizyjna, tomografia komputerowa, automatyzacja diagnostyki urządzeń i systemów elektrycznych). Interesują mnie algorytmy ewolucyjne i sieci neuronowe w ujęciu algorytmicznym. https://www.iem.pw.edu.pl/~jstar
|
|
| 13 |
Bioinformatyka, genomika obliczeniowa, sztuczna inteligencja, uczenie maszynowe
|
|
| 14 |
Bioinformatyka, genomika obliczeniowa, sztuczna inteligencja, uczenie maszynowe
|
|
| 15 |
Polireprezentacje w systemach AI. Systemy AI wykorzystują wiele podejść do trenowania reprezentacji. Często jednak te podejścia oparte są o jedną wybraną perspektywę związaną z funkcją strony użytą do trenowania reprezentacji. Szukając modeli uniwersalnych korzystne może być łącznie perspektyw w szerszą reprezentację - polireprezentację.
|
|
| 16 |
Zapraszam do współpracy doktorantów i badaczy, którzy są zainteresowani wykorzystaniem najnowszych technologii w medycynie. Moje prace są interdyscyplinarne i oferują możliwość zaangażowania się w badania zarówno podstawowe, jak i stosowane. Celem jest nie tylko rozwijanie własnych umiejętności analitycznych i programistycznych, ale również realne przyczynienie się do postępu w dziedzinie diagnostyki medycznej. Co więcej, badania są realizowane we współpracy z rzeczywistymi ośrodkami medycznymi, takimi jak szpitale i kliniki specjalistyczne. Dzięki temu, wyniki naszych badań mają realną szansę na wdrożenie w praktyce klinicznej, co zwiększa ich bezpośredni wpływ na jakość i efektywność opieki medycznej.
|
|
| 17 |
Pierwszy obszar badawczy: sztuczna inteligencja, uczenia maszynowe, a konkretnie: redukcja wymiarowości, wizualizacja danych, klasteryzacja, klasyfikacja, samoorganizacja, wykrywanie danych odstających, sztuczne sieci neuronowe, asymetria w analizie danych, ekstrakcja i selekcja cech. Drugi obszar badawczy: programowanie wielowątkowe i język programowania Java.
|
|
| 18 |
Globalizacja zagrożeń w obszarze bezpieczeństwa publicznego (międzynarodowy terroryzm, przemyt, itd.) stała się jednym z kluczowych problemów 21. wieku. W efekcie nastąpił dynamiczny rozwój ugruntowanych naukowo metod ich zwalczania. Jednym z dynamicznie rozwijających się obszarów badań są Gry Obronne (ang. Security Games - SG), które polegają na modelowaniu sytuacji taktycznych związanych z przeciwdziałaniem zagrożeniom w postaci gier i poszukiwaniu optymalnych strategii postępowania obu stron (Atakującego i Obrońcy). W okresie ostatnich 10 lat, w ramach prowadzonego przeze mnie zespołu badawczego, we współpracy międzynarodowej zaproponowaliśmy kilka nowatorskich metod efektywnej aproksymacji rozwiązywania SG bazujących na wykorzystaniu metaheurystyk optymalizacyjnych oraz metod losowego próbkowania. Celem pracy jest adaptacja wybranych metod do wielokryterialnych gier obronnych, w których Atakujący oraz Obrońca mają więcej niż jedno kryterium optymalizacji swoich strategii.
|
|
| 19 |
Abstrakcyjne rozumowanie wizualne (ang. Abstract Visual Reasoning - AVR) obejmuje problemy przypominające te pojawiające się w testach IQ. Przykładowo, Progresywne Matryce Ravena przedstawiają zestaw obrazów ułożonych w siatkę 3x3 z brakującym panelem w prawym-dolnym rogu. Zdający musi odkryć zależności rządzące znajdującymi się na obrazach kształtami 2D (i ich atrybutami), aby z zadanego zestawu opcji wybrać odpowiedź, która najlepiej uzupełnia macierz. Ogólnie rzecz biorąc, zadania AVR dotyczą podstawowych funkcji poznawczych, takich jak tworzenie analogii, abstrahowanie pojęciowe czy ekstrapolacja, co sprawia, że postępy osiągnięte w wyniku tych badań mają zastosowanie w różnych obszarach, istotnie wykraczających poza rozważane zadania. W ramach proponowanych badań planujemy zweryfikować możliwości wykorzystania wielkich modeli językowych (LLM) i wielkich modeli wizyjnych (LVM) do rozwiązywania zadań AVR, zarówno syntetycznych jak i wykorzystujących obrazy świata rzeczywistego.
|