Statystycznie spójne i skalowalne algorytmy uczące dla klasyfikacji strukturalnej

2013/09/D/ST6/03917

Słowa kluczowe

Deskryptory

  • ST6_11: Uczenie maszynowe, statystyczne przetwarzanie danych i zastosowanie w przetwarzaniu sygnałów
  • ST6_7: Sztuczna inteligencja, systemy inteligentne i wieloagentowe

Panel

ST6 – Informatyka i technologie informacyjne: technologie i systemy informacyjne, informatyka, obliczenia naukowe, systemy inteligentne

Jednostka realizująca

Politechnika Poznańska, Wydział Informatyki

woj. wielkopolskie

Inne projekty tej jednostki »

Kierownik projektu (z jednostki realizującej)

dr Krzysztof Jerzy Dembczyński

Liczba wykonawców projektu: 2

Konkurs

SONATA 5 – ogłoszony 2013-03-15

Przyznana kwota
393 900 PLN
Rozpoczęcie projektu
2014-03-24
Zakończenie projektu
2017-03-23
Planowany czas trwania projektu
36 miesięcy (z wniosku)
Status projektu
Projekt rozliczony

Dane z raportu końcowego/rocznego

Publikacje w czasopismach (4)

  1. Extreme classification under limited space and time budget

    Autorzy:
    Kalina Jasinska, Krzysztof Dembczyński
    Czasopismo:
    Schedae Informaticae (rok: 2016, tom: 25, strony: 46288), Wydawca: Uniwersytet Jagielloński
    Status:
    Opublikowana
    DOI:
    10.4467/20838476SI.16.001.6182 – link do publikacji
  2. Multi-target prediction: a unifying view on problems and methods

    Autorzy:
    Willem Waegeman, Krzysztof Dembczyński, Eyke Hüllermeier
    Czasopismo:
    Data Mining and Knowledge Discovery (rok: 2019, tom: 33, strony: 293–324), Wydawca: Springer
    Status:
    Opublikowana
    DOI:
    10.1007/s10618-018-0595-5 – link do publikacji
  3. Surrogate regret bounds for generalized classification performance metrics

    Autorzy:
    Wojciech Kotlowski, Krzysztof Dembczynski
    Czasopismo:
    Machine Learning (rok: 2017, tom: 106, strony: 549-572), Wydawca: Springer
    Status:
    Opublikowana
    DOI:
    10.1007/s10994-016-5591-7 – link do publikacji
  4. Exact and efficient top-K inference for multi-target prediction by querying separable linear relational models

    Autorzy:
    Michiel Stock, Krzysztof Dembczyński, Bernard De Baets, Willem Waegeman
    Status:
    Przyjęta do publikacji

Teksty w publikacjach pokonferencyjnych (3)

  1. Surrogate regret bounds for generalized classification performance metrics

    Autorzy:
    Wojciech Kotłowski, Krzysztof Dembczyński
    Konferencja:
    Asian Conference on Machine Learning (rok: 2015, strony: 301-316), Wydawca: JMLR: Workshop and Conference Proceedings
    Data:
    konferencja 20-22/11/2015
    Status:
    Opublikowana
    DOI:
    link do publikacji
  2. Online F-Measure Optimization

    Autorzy:
    Róbert Busa-Fekete, Balázs Szörényi, Krzysztof Dembczyński, Eyke Hüllermeier
    Konferencja:
    Advances in Neural Information Processing Systems 28 (NIPS 2015) (rok: 2015, strony: 595-603), Wydawca: Curran Associates, Inc.
    Data:
    konferencja 7-12/12/2015
    Status:
    Opublikowana
    DOI:
    link do publikacji
  3. Extreme F-measure Maximization using Sparse Probability Estimates

    Autorzy:
    Kalina Jasinska, Krzysztof Dembczynski, Róbert Busa-Fekete, Karlson Pfannschmidt, Timo Klerx, Eyke Hüllermeier
    Konferencja:
    International Conference on Machine Learning (rok: 2016, strony: 1435-1444), Wydawca: Proceedings of Machine Learning Research
    Data:
    konferencja 20-22 czerwiec 2016
    Status:
    Opublikowana
    DOI:
    link do publikacji

Publikacje książkowe (1)

  1. Consistency of Probabilistic Classifier Trees

    Autorzy:
    Krzysztof Dembczynski, Wojciech Kotlowski, Willem Waegeman, Róbert Busa-Fekete, Eyke Hüllermeier
    Książka:
    ECML PKDD 2016: Machine Learning and Knowledge Discovery in Databases (rok: 2016, tom: 9852, strony: 511-526), Wydawca: Springer
    Status:
    Opublikowana
    DOI:
    link do publikacji

« Nowe wyszukiwanie

Projekt graficzny i wykonanie: Jakub Piotrowski