PolskiBadania naukoweGrantyKBN 3 T11C 050 26 [ English ][ Polski ]

Algorytmy przekształcania reprezentacji danych dla systemów uczących się

Numer projektu: KBN 3 T11C 050 26
Realizacja: Instytut Informatyki Politechniki Poznańskiej

(click here for description in English)

Projekt dotyczył problematyki inteligentnych systemów posiadających możliwości uczenia się z przykładów, które są wykorzystywane w odkrywaniu wiedzy w bazach danych, rozpoznawaniu obrazów, analizie sygnałów oraz przetwarzaniu dokumentów tekstowych i wyszukiwaniu informacji.

W konfrontacji z takimi zastosowaniami ujawniają się pewne ograniczenia istniejących algorytmów; należą do nich między innymi: niezdolność do autonomicznego modyfikowania przestrzeni reprezentacji (zwłaszcza w przypadku uczenia się z danych złożonych, np. obrazów rastrowych, sygnałów, dokumentów tekstowych), trudności z uczeniem się z danych, w których zdefiniowanych jest wiele klas, oraz nieprzystosowanie do rozwiązywania problemów z silnie nierównomiernym rozkładem liczności klas decyzyjnych. Ograniczenia te stanowią motywację dla niniejszego projektu oraz dla wprowadzania nowych metod i algorytmów.

Harmonogram projektu.

Cele projektu

  • Rozwijanie i badanie metod automatycznego przekształcania reprezentacji danych uczących, w szczególności konstrukcja cech z wykorzystaniem algorytmów ewolucyjnych i koewolucyjnych. W ramach tego nurtu rozważano:
    • konstrukcję nowych cech w metodach uczenia maszynowego wykorzystujących standardowe reprezentacje (tablice danych),
    • przekształcanie reprezentacji danych uczących w rozpoznawaniu obrazów i widzeniu komputerowym, polegająca na konstrukcji, z wykorzystaniem metaheurystyk, wyrażeń i procedur ekstrakcji cech,
    • rozwój metod i technik służących do badania dynamiki procesów ewolucyjnych.
  • Badania nad integracją metod automatycznej selekcji i konstrukcji cech z klasyfikatorami złożonymi. Rozszerzenia obejmują także zaproponowanie nowych metod indukcji klasyfikatorów regułowych oraz wykorzystania ich w konstruowaniu klasyfikatorów złożonych.
  • Zaproponowanie nowych algorytmów indukcji klasyfikatorów dla rozpoznawania wybranej klasy decyzyjnej o szczególnym znaczeniu. Szczególną uwagę poświęcono problemom uczenia maszynowego z niezrównoważonymi, co do liczności, klasami decyzyjnymi.
  • Badania dotyczące algorytmów automatycznego klasyfikowania dokumentów tekstowych i stron WWW. W szczególności prace nad nowymi algorytmami grupowania stron internetowych, uwzględniających wymagania do tworzenia czytelnych i poprawnych językowo opisów grup dokumentów.

Realizacja powyższych celów zgodnie z harmonogramem przebiegała w 7 zadaniach, w trakcie 30 miesięcy. Wyniki projektu zostały opublikowane w 37 pracach, w tym w dwóch rozprawach: habilitacyjnej oraz doktorskiej.

Skład osobowy projektu

dr hab. inż. Jerzy Stefanowski, kierownik projektu
dr hab. inż. Krzysztof Krawiec
dr inż. Jacek Jelonek
dr inż. Maciej Komosiński
dr inż. Irmina Masłowska
dr inż. Robert Susmaga
dr inż. Dawid Weiss
dr inż. Szymon Wilk

Wszystkie osoby są pracownikami Instytutu Informatyki Politechniki Poznańskiej.

Publikacje

Lista publikacji będących wynikiem grantu.