Rok akademicki 2021/2022
Prowadzący seminarium (UŚ): dr hab. Beata Zielosko, prof. UŚ, dr hab. Agnieszka Nowak-Brzezińska, prof. UŚ
Autor referatu: mgr Krzysztof Żabiński (kooperacja dr hab. Beata Zielosko, prof. UŚ)
Temat: Algorytm indukcji reguł decyzyjnych oparty na modelu EAV
Streszczenie:Tematyka refertu dotyczy proponowanego podejścia do indukcji reguł decyzyjnych, opartego na reprezentowaniu tablicy decyzyjnej przy pomocy modelu EAV (Entity-Attribute-Value).Wybór atrybutów tworzących reguły decyzyjne odbywa się na podstawie ich analizy statystycznej. Algorytm zaprezentowany będzie w dwóch wersjach - z manualnym wyborem procentu najlepszych atrybutów wykorzystanych do generowania reguł oraz w wersji ze zautomatyzowanym procesem wyboru tychże atrybutów. Wyniki eksperymentów przeprowadzonych na zbiorach z UCI ML Repository będą dotyczyły porównania z punktu widzenia klasyfikacji oraz długości i wsparcia konstruowanych reguł.
Termin: 2022-03-01, godz. 13.00
Miejsce: platforma Teams
*
Prowadzący seminarium (UŚ): dr hab. Beata Zielosko, prof. UŚ, dr hab. Agnieszka Nowak-Brzezińska, prof. UŚ
Autor referatu: mgr Kamil Dworak (kooperacja prof. dr hab. Urszula Boryczka)
Temat: Algorytmy memetyczne w kryptoanalizie symetrycznych szyfrów blokowych
Streszczenie: Na prezentacji zostanie omówiony autorski atak metaheurystyczny skierowany przeciwko kryptogramowi wygenerowanemu za pomoc szyfru DES. Atak ma celu odgadnąć poprawny klucz deszyfrujący, przeglądając znacznie mniejszą liczbę podkluczy w czasie krótszym, niż robi to obecnie kryptoanaliza różnicowa.
Termin: 2022-03-15, godz. 13.00
Miejsce: platforma Teams
*
Prowadzący seminarium (UR): dr hab. Urszula Bentkowska prof. UR, dr Paweł Drygaś
Autor referatu: dr inż. Piotr Grochowalski
Temat: Inteligentne wyszukiwanie informacji w systemie RSDS
Streszczenie: W ramach wystąpienia zostanie przedstawiona realizacja inteligentnego wyszukiwania informacji w systemie bibliograficznym RSDS (http://rsds.ur.edu.pl). Opracowana metoda bazuje na reprezentacji wiedzy zawartej w danych za pomocą ontologii, która jest przetwarzana przy użyciu metodologii zbiorów przybliżonych. Zaprezentowane zostaną również wyniki prac dotyczące usprawniania tego sposobu wyszukiwania poprzez wdrożenie logiki rozmytej.
Termin: 2022-03-29, godz. 13.00
Miejsce: platforma Teams
*
Prowadzący seminarium (UŚ): dr hab. Beata Zielosko, prof. UŚ, dr hab. Agnieszka Nowak-Brzezińska, prof. UŚ
Autor referatu: mgr Samuel Aning (kooperacja: dr hab. Małgorzata Przybyła – Kasperek, prof. UŚ)
Temat: Decision Trees in Classification Based on Dispersed Data: Study on the Twoing Criterion and the Gini index with Pre-pruning (w języku angielskim)
Streszczenie: The approach that combines Distributed Machine Learning and Federated Learning techniques in a task of classification based on dispersed data will be presented. In the approach, local models are built using the bagging method and decision trees with the Twoing criterion or the Gini index. The impact of the pre-pruning tree process on the quality of classification will also be discussed.
Miejsce: platforma Teams
*
Prowadzący seminarium (UR): dr hab. Urszula Bentkowska, prof. UR, dr Paweł Drygaś
Autor referatu: mgr inż. Jarosław Szkoła (kooperacja dr hab. Barbara Pękala prof. UR)
Temat: Uczenie federacyjne na przykładzie niepewnych danych medycznych
Streszczenie: W referacie zostanie przedstawiona koncepcja uczenia federacyjnego oraz budowanie uogólnionego modelu dla danych niepewnych pochodzących z różnych źródeł. Uczenie federacyjne to technika generowania globalnego modelu danych, przy zachowaniu prywatności poprzez trenowanie bez wymiany samych danych. Skuteczność proponowanego modelu została wykazana na danych medycznych dotyczących diagnostyki raka piersi. Zostaną przedstawione wyniki dla różnych scenariuszy utraty danych i odpowiadające im miary jakości klasyfikacji.
Termin: 2022-05-17, godz. 13.00
Miejsce: platforma Teams