Projekty finansowane przez NCN


Dane kierownika projektu i jednostki realizującej

Szczegółowe informacje o projekcie i konkursie

Słowa kluczowe

Aparatura

Wyczyść formularz

Efektywne metody uczenia nienadzorowanego z zastosowaniami w głębokim nauczaniu

2017/25/B/ST6/01271

Słowa kluczowe:

uczenie nienadzorowane metody probabilistyczne głębokie nauczanie

Deskryptory:

  • ST6_11: Uczenie maszynowe, statystyczne przetwarzanie danych i zastosowanie w przetwarzaniu sygnałów

Panel:

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

Jednostka realizująca:

Uniwersytet Jagielloński, Wydział Matematyki i Informatyki

woj. małopolskie

Inne projekty tej jednostki 

Kierownik projektu (z jednostki realizującej):

prof. Jacek Tabor 

Liczba wykonawców projektu: 8

Konkurs: OPUS 13 - ogłoszony 2017-03-15

Przyznana kwota: 573 200 PLN

Rozpoczęcie projektu: 2018-02-09

Zakończenie projektu: 2021-02-08

Planowany czas trwania projektu: 36 miesięcy (z wniosku)

Status projektu: Projekt rozliczony

Opis Projektu

Pobierz opis projektu w formacie .pdf

Uwaga - opisy projektów zostały sporządzone przez samych autorów wniosków i w niezmienionej formie umieszczone w systemie.

Zakupiona aparatura

  1. serwer obliczeniowy.
  2. Klaster komputerowy. Za kwotę 100 000 PLN
  3. stacja robocza. Za kwotę 23 975 PLN
  4. tablet. Za kwotę 5 977 PLN

Dane z raportu końcowego

  • Publikacje w czasopismach (7)
  • Teksty w publikacjach pokonferencyjnych (12)
  1. A classification-based approach to semi-supervised clustering with pairwise constraints IF: 5,535
    Autorzy:
    Marek Śmieja, Łukasz Struski, Mario A. T. Figueiredo
    Czasopismo:
    Neural Networks (rok: 2020, tom: 127, strony: 193-203), Wydawca: Elsevier
    Status:
    Opublikowana
    Doi:
    10.1016/j.neunet.2020.04.017 - link do publikacji
  2. Fast independent component analysis algorithm with a simple closed-form solution. IF: 4,396
    Autorzy:
    Przemysław Spurek, Jacek Tabor, Łukasz Struski, Marek Śmieja
    Czasopismo:
    Knowledge-Based Systems 161 (2018): 26-34. (rok: 2018, tom: 161, strony: 26-34), Wydawca: Elsevier
    Status:
    Opublikowana
    Doi:
    10.1016/j.knosys.2018.07.027 - link do publikacji
  3. Efficient mixture model for clustering of sparse high dimensional binary data IF: 2,879
    Autorzy:
    Marek Śmieja, Krzysztof Hajto, Jacek Tabor
    Czasopismo:
    Data Mining and Knowledge Discovery (rok: 2019, tom: 33, strony: 1583--1624), Wydawca: Springer
    Status:
    Opublikowana
    Doi:
    10.1007/s10618-019-00635-1 - link do publikacji
  4. Online updating of active function cross-entropy clustering IF: 1,512
    Autorzy:
    Przemysław Spurek, Jacek Tabor, Krzysztof Byrski
    Czasopismo:
    Pattern Analysis and Applications (rok: 2019, tom: 22, strony: 1409-1425), Wydawca: Springer
    Status:
    Opublikowana
    Doi:
    10.1007/s10044-018-0701-8 - link do publikacji
  5. Projected memory clustering IF: 3,255
    Autorzy:
    Łukasz Struski, Przemysław Spurek, Jacek Tabor, Marek Śmieja
    Czasopismo:
    Pattern Recognition Letters (rok: 2019, tom: 123, strony: 44819), Wydawca: Elsevier
    Status:
    Opublikowana
    Doi:
    10.1016/j.patrec.2019.02.023 - link do publikacji
  6. SeGMA: Semi-Supervised Gaussian Mixture Autoencoder IF: 8,793
    Autorzy:
    Marek Śmieja, Maciej Wołczyk, Jacek Tabor, Bernhard C. Geiger
    Czasopismo:
    IEEE Transactions on Neural Networks and Learning Systems (rok: 2020, tom: -, strony: 44573), Wydawca: IEEE
    Status:
    Opublikowana
    Doi:
    10.1109/TNNLS.2020.3016221 - link do publikacji
  7. OneFlow: One-class flow for anomaly detection based on a minimal volume region IF: 16,389
    Autorzy:
    Łukasz Maziarka; Marek Śmieja; Marcin Sendera; Łukasz Struski; Jacek Tabor; Przemysław Spurek
    Czasopismo:
    IEEE Transactions on Pattern Analysis and Machine Intelligence (rok: 2021, ), Wydawca: IEEE Transactions on Pattern Analysis and Machine Intelligence
    Status:
    Przyjęta do publikacji
    Doi:
    10.1109/TPAMI.2021.3108223 - link do publikacji
  1. Flow-based SVDD for anomaly detection
    Autorzy:
    Marcin Sendera, Marek Śmieja, Łukasz Maziarka, Łukasz Struski, Przemysław Spurek, Jacek Tabor
    Konferencja:
    Invertible Neural Networks, NormalizingFlows, and Explicit Likelihood Models(ICML 2020) (rok: 2020, ), Wydawca: ICML
    Data:
    konferencja 44030
    Status:
    Opublikowana
  2. Non-linear ICA based on Cramer-Wold metric
    Autorzy:
    Przemysław Spurek, Aleksandra Nowak, Jacek Tabor, Łukasz Maziarka, Stanisław Jastrzębski
    Konferencja:
    Neural Information Processing. ICONIP 2020. Lecture Notes in Computer Science (rok: 2020, ), Wydawca: Springer, Cham
    Data:
    konferencja 44122
    Status:
    Opublikowana
  3. Estimating conditional density of missing values using deep gaussian mixture model
    Autorzy:
    Marcin Przewięźlikowski, Marek Śmieja, Łukasz Struski
    Konferencja:
    Neural Information Processing. ICONIP 2020. Lecture Notes in Computer Science (rok: 2020, ), Wydawca: Springer, Cham
    Data:
    konferencja 44122
    Status:
    Opublikowana
  4. Molecule-Augmented Attention Transformer
    Autorzy:
    Łukasz Maziarka, Tomasz Danel, Sławomir Mucha, Krzysztof Rataj, Jacek Tabor, Stanisław Jastrzębski
    Konferencja:
    Second Workshop on Machine Learning and the Physical Sciences (NeurIPS 2019), Vancouver, Canada (rok: 2019, ), Wydawca: NeurIPS 2019
    Data:
    konferencja 2019
    Status:
    Opublikowana
  5. Fast and Stable Interval Bounds Propagation for Training Verifiably Robust Models
    Autorzy:
    Paweł Morawiecki, Przemysław Spurek, Marek Śmieja, Jacek Tabor
    Konferencja:
    European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning (ESANN 2020) (rok: 2020, ), Wydawca: Louvain-la-Neuve : i6doc
    Data:
    konferencja 44106
    Status:
    Opublikowana
  6. Set Aggregation Network as a Trainable Pooling Layer
    Autorzy:
    Łukasz Maziarka, Marek Śmieja, Aleksandra Nowak, Jacek Tabor, Łukasz Struski, Przemysław Spurek
    Konferencja:
    ICONIP (rok: 2019, ), Wydawca: Springer International Publishing
    Data:
    konferencja 2019
    Status:
    Opublikowana
  7. Spatial graph convolutional networks
    Autorzy:
    Tomasz Danel, Przemysław Spurek, Jacek Tabor, Marek Śmieja, Łukasz Struski, Agnieszka Słowik, Łukasz Maziarka
    Konferencja:
    Neural Information Processing. ICONIP 2020. Communications in Computer and Information Science (rok: 2020, ), Wydawca: Springer, Cham.
    Data:
    konferencja 44122
    Status:
    Opublikowana
  8. Biologically-Inspired Spatial Neural Networks
    Autorzy:
    Maciej Wołczyk, Jacek Tabor, Marek Śmieja, Szymon Maszke
    Konferencja:
    NeurIPS workshop on Real Neurons & Hidden Units (NeuroAI 2019) (rok: 2019, ), Wydawca: NeurIPS 2019
    Data:
    konferencja 2019
    Status:
    Opublikowana
  9. Finding the Optimal Network Depth in Classification Tasks
    Autorzy:
    Bartosz Wójcik, Maciej Wołczyk, Klaudia Bałazy, Jacek Tabor
    Konferencja:
    Machine Learning and Knowledge Discovery in Databases. ECML PKDD 2020 (rok: 2020, ), Wydawca: Springer, Cham
    Data:
    konferencja 44088
    Status:
    Opublikowana
  10. Iterative imputation of missing data using auto-encoder dynamics
    Autorzy:
    Marek Śmieja, Maciej Kołomycki, Łukasz Struski, Mateusz Juda, Mario A. T. Figueiredo
    Konferencja:
    Neural Information Processing. ICONIP 2020. Lecture Notes in Computer Science (rok: 2020, ), Wydawca: Springer, Cham
    Data:
    konferencja 44122
    Status:
    Opublikowana
  11. Processing of incomplete images by (graph) convolutional neural networks
    Autorzy:
    Tomasz Danel, Marek Śmieja, Łukasz Struski, Przemysław Spurek, Łukasz Maziarka
    Konferencja:
    Neural Information Processing. ICONIP 2020. Lecture Notes in Computer Science (rok: 2020, ), Wydawca: Springer, Cham
    Data:
    konferencja 44122
    Status:
    Opublikowana
  12. Can autoencoders help with filling missing data?
    Autorzy:
    Marek Śmieja, Maciej Kołomycki, Łukasz Struski, Mateusz Juda, Mário A. T. Figueiredo
    Konferencja:
    ICLR 2020 Workshop on Integration of Deep Neural Models and Differential Equations (rok: 2020, ), Wydawca: ICLR
    Data:
    konferencja 43947
    Status:
    Opublikowana