Efektywne metody uczenia nienadzorowanego z zastosowaniami w głębokim nauczaniu

2017/25/B/ST6/01271

Słowa kluczowe

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

Dane z raportu końcowego/rocznego

Publikacje w czasopismach (7)

  1. SeGMA: Semi-Supervised Gaussian Mixture Autoencoder

    Autorzy:
    Marek Śmieja, Maciej Wołczyk, Jacek Tabor, Bernhard C. Geiger
    Czasopismo:
    IEEE Transactions on Neural Networks and Learning Systems (rok: 2020, tom: -, strony: 46034), Wydawca: IEEE
    Status:
    Opublikowana
    DOI:
    10.1109/TNNLS.2020.3016221 – link do publikacji
  2. Fast independent component analysis algorithm with a simple closed-form solution.

    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

    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. Projected memory clustering

    Autorzy:
    Łukasz Struski, Przemysław Spurek, Jacek Tabor, Marek Śmieja
    Czasopismo:
    Pattern Recognition Letters (rok: 2019, tom: 123, strony: 46280), Wydawca: Elsevier
    Status:
    Opublikowana
    DOI:
    10.1016/j.patrec.2019.02.023 – link do publikacji
  5. A classification-based approach to semi-supervised clustering with pairwise constraints

    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
  6. Online updating of active function cross-entropy clustering

    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
  7. OneFlow: One-class flow for anomaly detection based on a minimal volume region

    Autorzy:
    Łukasz Maziarka; Marek Śmieja; Marcin Sendera; Łukasz Struski; Jacek Tabor; Przemysław Spurek
    Status:
    Przyjęta do publikacji

Teksty w publikacjach pokonferencyjnych (12)

  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, strony: 46026), 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, strony: 294-305), Wydawca: Springer, Cham
    Data:
    konferencja 44122
    Status:
    Opublikowana
  3. 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, strony: 512-523), Wydawca: Springer, Cham
    Data:
    konferencja 44122
    Status:
    Opublikowana
  4. 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, strony: 258-269), Wydawca: Springer, Cham
    Data:
    konferencja 44122
    Status:
    Opublikowana
  5. 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, strony: 220-231), Wydawca: Springer, Cham
    Data:
    konferencja 44122
    Status:
    Opublikowana
  6. 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, strony: 668-675), Wydawca: Springer, Cham.
    Data:
    konferencja 44122
    Status:
    Opublikowana
  7. 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, strony: 46027), Wydawca: NeurIPS 2019
    Data:
    konferencja 2019
    Status:
    Opublikowana
  8. 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, strony: 46038), Wydawca: Springer International Publishing
    Data:
    konferencja 2019
    Status:
    Opublikowana
  9. 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, strony: 46027), Wydawca: NeurIPS 2019
    Data:
    konferencja 2019
    Status:
    Opublikowana
  10. 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, strony: 55-60), Wydawca: Louvain-la-Neuve : i6doc
    Data:
    konferencja 44106
    Status:
    Opublikowana
  11. 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, strony: 46028), Wydawca: ICLR
    Data:
    konferencja 43947
    Status:
    Opublikowana
  12. 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, strony: 263-278), Wydawca: Springer, Cham
    Data:
    konferencja 44088
    Status:
    Opublikowana

« Nowe wyszukiwanie

Projekt graficzny i wykonanie: Jakub Piotrowski