Projekty finansowane przez NCN


Dane kierownika projektu i jednostki realizującej

Szczegółowe informacje o projekcie i konkursie

Słowa kluczowe

Aparatura

Wyczyść formularz

Rozwój algorytmów identyfikacji wszystkich ważnych zmiennych z użyciem metod uczenia maszynowego

2013/09/B/ST6/01550

Słowa kluczowe:

wybór zmiennych uczenie maszynowe klasyfikacja

Deskryptory:

  • ST6_11: Uczenie maszynowe, statystyczne przetwarzanie danych i zastosowanie w przetwarzaniu sygnałów
  • ST6_7: Sztuczna inteligencja, systemy inteligentne i wieloagentowe
  • ST6_6: Algorytmika, algorytmy równoległe, rozproszone i sieciowe, algorytmiczna teoria gier

Panel:

ST6 - Informatyka i technologie informacyjne: technologie i systemy informacyjne, informatyka, obliczenia naukowe, systemy inteligentne, m.in.:

Jednostka realizująca:

Uniwersytet Warszawski, Interdyscyplinarne Centrum Modelowania Matematycznego i Komputerowego

woj. mazowieckie

Inne projekty tej jednostki 

Kierownik projektu (z jednostki realizującej):

dr hab. Witold Rudnicki 

Liczba wykonawców projektu: 8

Konkurs: OPUS 5 - ogłoszony 2013-03-15

Przyznana kwota: 501 860 PLN

Rozpoczęcie projektu: 2014-02-17

Zakończenie projektu: 2016-10-16

Planowany czas trwania projektu: 24 miesięcy (z wniosku)

Status projektu: Projekt rozliczony

Dane z raportu końcowego

  • Publikacje w czasopismach (4)
  1. MDFS: MultiDimensional Feature Selection in R IF: 2,522
    Autorzy:
    Radosław Piliszek, Krzysztof Mnich, Szymon Migacz, Paweł Tabaszewski, Andrzej Sułecki, Aneta Polewko-Klim, Witold Rudnicki
    Czasopismo:
    R Journal (rok: 2019, tom: 0,459027777777778, strony: 198-210), Wydawca: R FOUNDATION STATISTICAL COMPUTING
    Status:
    Opublikowane
    Doi:
    10.32614/RJ-2019-019 - link do publikacji
  2. All-relevant feature selection using multidimensional filters with exhaustive search IF: 4,378
    Autorzy:
    Krzysztof Mnich, Witold R. Rudnicki
    Czasopismo:
    Information Sciences (rok: 2020, tom: 524, strony: 277-297), Wydawca: Elsevier
    Status:
    Opublikowane
    Doi:
    10.1016/j.ins.2020.03.024 - link do publikacji
  3. Statistics of All-Relevant Feature Selection with Contrast Variables using Boruta Approach
    Autorzy:
    Mariusz Wrzesień, Wiesław Paja, Rafał Niemiec, Witold R. Rudnicki
    Status:
    Złożone
  4. Sensitivity analysis based on the Random Forest machine learning algorithm identifies candidate genes for regulation of innate and adaptive immune response of chicken
    Autorzy:
    AnetaPolewko-Klim, Wojciech Lesiński, Agnieszka Golińska, Krzysztof Mnich, Maria Siwek and Witold R Rudnicki
    Status:
    Złożone