po polskuпо русскиauf deutschin English

Zespół Podstaw Sztucznej Inteligencji

Instytutu Podstaw Informatyki Polskiej Akademii Nauk

Członkowie Zespołu

Prace badawcze

Zespół Podstaw Sztucznej Inteligencji IPI PAN od czterech dekad prowadzi intensywne badania w zakresie czołowych wyzwań Sztucznej Inteligencji (zwanej też Inteligencją Obliczeniową). Sztuczna Inteligencja (AI) to dział informatyki, zajmujący się rozwiązywaniem problemów, dla których nie istnieją rozwiązania algorytmiczne lub są one zbyt złożone obliczeniowo. W tym duchu Zespół uczestniczył w opracowaniu systemu analizy danych dotyczących skutków zdrowotnych katastrofy w Czernobylu, systemu wspomagania diagnostyki urazów ręki, systemu rozproszonej ekstrakcji wiedzy z danych medycznych, systemu pro-ekologicznej optymalizacji mocy sieci elektrowni, systemu oceny kandydatów do zawodu pilota, pierwszej polskiej wielkoskalowej semantycznej wyszukiwarki internetowej, systemu rozwoju cen konsumenckich i wielu innych.

Badania nad konkretnymi zastosowaniami AI sprzęgnięte były z rozwojem teorii wnioskowania i uczenia dla informacji niepewnej i niepełnej (w tym sieci bayesowskich i teorii Dempstera-Shafera), rozwojem metod optymalizacji inspirowanych naturą (m.in. sieci immunologiczne, algorytmy stadne, genetyczne i optymalizacji ekstremalnej), metod ekstrakcji wiedzy z danych numerycznych, tekstu i hipertekstu (nowe algorytmy analizy skupień i klasyfikacji, w tym w dziedzinie grafowej analizy spektralnej, nowe metody ekstrakcji zależności hierarchicznych pojęć jak i prostych relacji z tekstów w języku naturalnym) i innych. Obecnie Zespół podjął się aktualnego, a zarazem ważnego wyzwania rozwoju metod Wyjaśnialnej Sztucznej Inteligencji (XAI). XAI to odpowiedź na zastrzeżenia przemysłu, iż metody sztucznej inteligencji takie jak głębokie sieci neuronowe, algorytmy ewolucyjne i inne działają na zasadzie "czarnej skrzynki", podczas gdy zaufanie budzą jedynie metody transparentne. Nasz Zespół podjął się szczególnie trudnego wyzwania t.j. osiągnięcia wyjaśnialności w dziedzinie analizy skupień dokumentów tekstowych, zwłaszcza grupowanych metodami spektralnymi. Bazowa trudność polega na braku spójnego systemu aksjomatycznego analizy skupień. W obszarze zaś metod spektralnych oderwanie reprezentacji skupień od zawartości tekstowej dokumentów. Nasze osiągnięcia w tym obszarze to:

Aktualności

Projekt badawczy

W latach 2019-2022 uczestniczyliśmy jako grupa badawcza IPI PAN w projekcie NCBiR Społeczny i gospodarczy rozwój Polski w warunkach globalizujących się rynków GOSPOSTRATEG - Budowa zintegrowanego systemu statystyki cen detalicznych INSTATCENY - w kooperacji z GUS i SGH.

Seminaria

W każdy piątek, godz. 12:05, w trybie on-line

Udział w konferencjach naukowych

  1. Computer Information Systems and Industrial Management. 23rd International Conference, CISIM 2024, Bialystok, Poland, September 27–29, 2024
  2. Intelligent Systems and Information Technologies (ISIT 2024), Siedlce, 23-25.9.2024AD, Poland
  3. International Conference on Computational Science – ICCS 2024. https://www.iccs-meeting.org/iccs2024/ ICCS 2024, 2-4 July 2024 in Málaga, Spain.
  4. 18th Conference on Computer Science and Intelligence Systems FedCSIS 2023 (IEEE #57573) Warsaw, Poland, 17–20 September, 2023.
  5. PP-RAI`2024 -54th Polish Conference on Artificial Intelligence , Warsaw, Poland, 18-20 April 2024.
  6. Conference PP-RAI 2023 - 4th Polish Conference on Artificial Intelligence, 24-26.4.2023, Łódź, Poland, (również z referatem jak poniżej)
  7. ISMIS 2022 - International Symposium on Methods for Intelligent Systems, 03-05.10.2022, Cosenza, Italy.
  8. IEEE CEC 2021 - IEEE Congress on Evolutionary Computation 28.06-1.07.2021, Kraków, Poland, June 2021
  9. 19th International Conference on Computer Information Systems and Industrial Management CISIM 2020, Białystok, Poland, October 2020.
  10. 19th International Conference on Artificial Intelligence and Soft Computing , ICAISC 2020, Zakopane, Poland, October 12-14, 202
  11. 25 th International Symposium on Methodologies for Intelligent Systems ISMIS 2020, Gratz, Austria, September 2020.
  12. 16th International Conference on Artificial Intelligence Applications and Innovations, AIAI 2020. 5-7 June 2020, Halkidiki, Greece

Udział w komitetach naukowych konferencji

  1. LOD2021
  2. ACM SIGKDD
  3. WWW
  4. ACM WSDM

Aktualne publikacje

  1. M.A. Kłopotek, B. Starosta, S.T. Wierzchoń: BiWeighted Regular Grid Graphs - A New Class of Graphs for Which Graph Spectral Clustering is Applicable in Analytical Form. In: Franco, L., de Mulatier, C., Paszynski, M., Krzhizhanovskaya, V.V., Dongarra, J.J., Sloot, P.M.A. (eds) Computational Science – ICCS 2024. ICCS 2024. Lecture Notes in Computer Science, vol 14833. Springer, Cham. https://doi.org/10.1007/978-3-031-63751-3_20. https://www.iccs-meeting.org/iccs2024/ ICCS 2024, 2-4 July 2024 in Málaga, Spain. 10.1007/978-3-031-63751-3_20
  2. Mieczysław A. Kłopotek, Bartłomiej Starosta1, Sławomir T. Wierzchoń: Eigenvalue-based Incremental Spectral Clustering. Journal of Artificial Intelligence and Soft Computing Research. JAISCR, 2024, Vol. 14, No. 2, pp. 157-169 DOI 10.2478/jaiscr-2024-0009, link, , also arXiv.
  3. B. Starosta, M.A. Kłopotek, S.T. Wierzchoń: Hashtag Similarity Based on Laplacian Eigenvalue Spectrum. Proc. PP-RAI-2023 - 4th Polish Conference on Artificial Intelligence , Progress in Polish Artificial Intelligence Research 4. Wojciechowski A. (Ed.), Lipiński P. (Ed.)., Seria: Monografie Politechniki Łódzkiej Nr. 2437, Wydawnictwo Politechniki Łódzkiej, Łódź 2023, s. 113-118, ISBN 978-83-66741-92-8, https://doi.org/10.34658/9788366741928.16 . Łódź, Poland 2023.
  4. M.A. Kłopotek: Clustering Dilemmas - A Study of the Request of Homogenicity within Clusters Versus Diversity Between Clusters. Proc. PP-RAI-2023 - 4th Polish Conference on Artificial Intelligence , Progress in Polish Artificial Intelligence Research 4. Wojciechowski A. (Ed.), Lipiński P. (Ed.)., Seria: Monografie Politechniki Łódzkiej Nr. 2437, Wydawnictwo Politechniki Łódzkiej, Łódź 2023, s. 95-100, ISBN 978-83-66741-92-8, https://doi.org/10.34658/9788366741928.13, Łódź, Poland 2023.
  5. Paweł Paściak, Danijel Korżinek, Dariusz Czerski: Self-supervised Domain Adaptation of Statistical Language Models for Automatic Speech Recognition, in: Zygmunt Vetulani, Patrick Paroubek (eds.): Human Language Technologies as a Challenge for Computer Science and Linguistics – 2023, Wydawnictwo Naukowe UAM, 2023, ISBN: 978-83-232-4176-8, s. 229-233 10th Language and Technology Conference: Human Language Technologies as a Challenge for Computer Science and Linguistics (LTC 2023).
  6. M.A. Kłopotek, S.T. Wierzchoń and R.A. Kłopotek: "Network Capacity Bound for Personalized PageRank in Multimodal Networks". Fundamenta Informaticae 189(1) : 49-67 (2022). IOS Press https://doi.org/10.3233/FI-222151
  7. B. Starosta, M.A. Kłopotek, S.T. Wierzchoń, D. Czerski: Hashtag Discernability -- Competitiveness Study of Graph Spectral and Other Clustering Methods. 18th Conference on Computer Science and Intelligence Systems FedCSIS 2023 (IEEE #57573) Warsaw, Poland, 17-20 September, 2023. pages 759-767. https://doi.org/10.15439/2023F2398.
  8. Borkowski P, Kłopotek MA, Starosta B, Wierzchoń ST, Sydow M (2023) Eigenvalue based spectral classification. PLoS ONE 18(4): e0283413. https://doi.org/10.1371/journal.pone.0283413
  9. Mieczyslaw A. Kłopotek: k-means is probabilistically poor. STUDIA INFORMATICA - Systems and information technology. Nr 2 (27). pp 5-26. DOI: 10.34739/si.2022.27.01. PDF
  10. M. Kłopotek, R.Kłopotek: "On the Discrepancy between Kleinberg s Clustering Axioms and k-Means Clustering Algorithm Behavior". Machine Learning, 2023, Vol.:(0123456789) DOI https://doi.org/10.1007/s10994-023-06308-x. Springer Verlag.
  11. Bartłomiej Starosta: Set-theoretic relations for metasets. Journal of Experimental & Theoretical Artificial Intelligence, 2022, Vol. online, s. 1-15 , LINK.
  12. Mieczyslaw A. Klopotek, Robert A. Klopotek: Towards Continuous Consistency Axiom. Applied Intelligence (2022) DOI https://doi.org/10.1007/s10489-022-03710-1 Springer Verlag, Earlier version: CoRR abs/2202.06015 (2022) [i45]
  13. Mieczyslaw A. Klopotek: A Clustering Preserving Transformation for k-Means Algorithm Output. CoRR abs/2202.10455 (2022); abbreviated version in Proc. ISMIS 2022, 03-05.10.2022, Cosenza, Italy. Lecture Notes in Computer Science book series (LNAI,volume 13515) Foundations of Intelligent Systems pp 315 322. Springer link . DOI https://doi.org/10.1007/978-3-031-16564-1_30
  14. Redakcja naukowa: Jacek Białek, Mieczysław Kłopotek, Tomasz Panek. Nowoczesne technologie i nowe źródła danych w pomiarze inflacji. Biblioteka Wiadomości Statystycznych, tom 70 Główny Urząd Statystyczny, Warszawa 2022 LINK
  15. M.Kłopotek, R.Kłopotek: Richness Fallacy , Proc. ISMIS 2022, 03-05.10.2022, Cosenza, Italy. Lecture Notes in Computer Science book series (LNAI,volume 13515) Foundations of Intelligent Systems pp 262-271. Springer link . DOI https://doi.org/10.1007/978-3-031-16564-1_25
  16. M. Kłopotek, S. Wierzchoń and R. Kłopotek: Weighted Laplacians of Grids and Their Application for Inspection of Spectral Graph Clustering Methods. TASK QUARTERLY vol. 25, No 3, 2021, pp. 329 353 link,
  17. Maciej Adamczyk, Marcin Sydow, Hoa Nguyen: Combining Feature Selection with Neural Networks for Polish Sign Alphabet Recognition, in: Jing He, i in. (eds.): 2020 IEEE/WIC/ACM International Joint Conference on Web Intelligence and Intelligent Agent Technology (WI-IAT 2020), Institute of Electrical and Electronics Engineers (IEEE), ---, 2020, ISBN: 978-1-6654-1924-6, s. 600-605 link
  18. Kłopotek, R. and Kłopotek, M. and Wierzchoń: A feasible k-means kernel trick under non-Euclidean feature space. International Journal of Applied Mathematics and Computer Science 2020(4)30, pp. 703--715 https://doi.org/10.34768/amcs-2020-0052
  19. Katarzyna Baraniak, Marcin Sydow: A dataset for sentiment analysis of entities in news headlines (SEN), in: Jarosław Wątróbski, i in. (eds.): Knowledge-Based and Intelligent Information & Engineering Systems: Proceedings of the 25th International Conference KES2021, Elsevier, Procedia Computer Science (ISSN: 1877-0509), Vol. 192, 2021, s. 3627-3636 link
  20. Mieczysław A. Kłopotek, Sławomir T. Wierzchoń: Hulling versus Clustering - Two Complementary Applications of Non-Negative Matrix Factorization. 2021 IEEE Congress on Evolutionary Computation (CEC), 2021, pp. 2069-2076, http://dx.doi.org/10.1109/CEC45853.2021.9504734 IEEE Explore link
  21. M.Kłopotek, R. Kłopotek: Issues in clustering algorithm consistency in fixed dimensional spaces. Some solutions for k-means. Journal of Intelligent Information Systems DOI https://doi.org/10.1007/s10844-021-00657-6 Springer link
  22. R. Kłopotek, M. Kłopotek, S. Wierzchoń. A feasible k-means kernel trick under non-Euclidean feature space. Int. J. Appl. Math. Comput. Sci. 30(4), 2020, 703-715, http://dx.doi.org/10.34768/amcs-2020-0052
  23. M. Lucinska, S.T. Wierzchon. Clustering Based on Eigenvectors of the Adjacency Matrix. Int. J. Appl. Math. Comput. Sci., 28(4), 771-787, 2018, https://doi.org/10.2478/amcs-2018-0059
  24. M.A.Kłopotek: On the Consistency of k-means++ algorithm. Fundamenta Informaticae vol 172 no. 4, pp. 361-377 (2020) IOS Press, https://doi.org/10.3233/FI-2020-1909
  25. M.A. Kłopotek: An Aposteriorical Clusterability Criterion for k-Means++ and Simplicity of Clustering , SN Computer Science 1, Article number: 80 (2020), https://doi.org/10.1007/s42979-020-0079-8
  26. D. Czerski, P. Łoziński, M. A. Kłopotek, B. Starosta, M. Sydow: FlexTrustRank: A New Approach to Link Spam Combating, Artificial Intelligence and Soft Computing. LNAI 12416, 2020 https://doi.org/10.1007/978-3-030-61534-5_12
  27. M. Kacprzak, B. Starosta, K. Węgrzyn-Wolska: New Approach to Decision Making. Proceedings of the Second International Afro-European Conference for Industrial Advancement AECIA 2015, Advances in Intelligent Systems and Computing. https://doi.org/10.1007/978-3-319-29504-6_38
  28. P. Borkowski, K. Ciesielski, M. A. Klopotek: Semantic Classifier Approach to Document Classification. ICAISC (1) 2020: 657-667. https://doi.org/10.1007/978-3-030-61401-0_61
  29. P. Borkowski, K. Ciesielski, M. A. Klopotek: (2021) The Impact of Supercategory Inclusion on Semantic Classifier Performance. In: Stettinger M., Leitner G., Felfernig A., Ras Z.W. (eds) Intelligent Systems in Industrial Applications. ISMIS 2020. Studies in Computational Intelligence, vol 949. Springer, Cham. https://doi.org/10.1007/978-3-030-67148-8_6
  30. M.A. Kłopotek: Machine Learning Friendly Set Version of Johnson-Lindenstrauss Lemma. KAIS Knowledge and Information Systems, 2019, (2019). https://doi.org/10.1007/s10115-019-01412-8
  31. S.T. Wierzchoń, M.A. Kłopotek: Modern Clustring Algorithms. Monograph. (421 pages). Springer Verlag Series: Studies in Big Data 34. http://dx.doi.org/10.1007/978-3-319-69308-8
  32. S. Metzger, R. Schenkel, M. Sydow: QBEES: query-by-example entity search in semantic knowledge graphs based on maximal aspects, diversity-awareness and relaxation. Journal of Intelligent Information Systems, Volume 49, Issue 3, pp. 333--366, http://doi.org/10.1007/s10844-017-0443-x, Open Access, issn=1573-7675, Springer, 2017
  33. M.Sydow: Approximation Guarantees for Max Sum and Max Min Facility Dispersion with Parameterised Triangle Inequality and Applications in Result Diversification". (extended journal version) Mathematica Applicanda Vol. 42, no. 2, pp. 241-257, http://dx.doi.org/10.14708/ma.v42i0.547, Print ISSN: 1730-2668; On-line ISSN: 2299-4009, Polish Mathematical Society, 2014
  34. M. Kacprzak, B. Starosta: Two Approaches to Fuzzy Implication. In: Prokopowicz P., Czerniak J., Mikołajewski D., Apiecionek Ł., Ślhttps://doi.org/10.1007/978-3-319-59614-3_7

Nasza wyszukiwarka

stopped due to financial problems

Nasze książki