Projekty finansowane przez NCN

Dane kierownika projektu i jednostki realizującej

Szczegółowe informacje o projekcie i konkursie

Słowa kluczowe

Aparatura

Wyczyść formularz

Generatywne modele przepływowe w zastosowaniu do modelowania niepewności w zadaniach uczenia maszynowego

2021/43/B/ST6/02853

Słowa kluczowe:

generatywne modele przepływowe regresja probabilistyczna modelowanie niepewności

Deskryptory:

  • ST6_11: Uczenie maszynowe, statystyczne przetwarzanie danych i zastosowania w przetwarzaniu sygnałów (np. mowy, obrazów, filmów)

Panel:

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

Jednostka realizująca:

Politechnika Wrocławska

woj.

Inne projekty tej jednostki 

Kierownik projektu (z jednostki realizującej):

dr hab. Maciej Mateusz Zięba 

Liczba wykonawców projektu: 3

Konkurs: OPUS 22 - ogłoszony 2021-09-15

Przyznana kwota: 872 800 PLN

Rozpoczęcie projektu: 2022-08-01

Zakończenie projektu: 2026-07-31

Planowany czas trwania projektu: 48 miesięcy (z wniosku)

Status projektu: Projekt w realizacji

Opis Projektu

Pobierz opis projektu w formacie .pdf

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

Dane z raportu końcowego/rocznego

  • Teksty w publikacjach pokonferencyjnych (4)
  1. Treeflow: going beyond tree-based parametric probabilistic regression
    Autorzy:
    Patryk E. Wielopolski, Maciej M. Zięba
    Konferencja:
    Frontiers in Artificial Intelligence and Applications (rok: 2023, tom: ECAI 2023 : 26th European Conference on Artificial Intelligence, strony: 2631-2638), Wydawca: IOS Press
    Data:
    konferencja 30.09–4.10.2023
    Status:
    Opublikowana
    Doi:
    10.3233/FAIA230570 - link do publikacji
  2. Modeling uncertainty in personalized emotion prediction with normalizing flows
    Autorzy:
    Piotr D. Miłkowski, Konrad Karanowski, Patryk E. Wielopolski, Jan Kocoń, Przemysław Kazienko, Maciej M. Zięba
    Konferencja:
    2023 IEEE International Conference on Data Mining Workshops (ICDMW) (rok: 2023, tom: 23nd IEEE International Conference on Data Mining Workshops (ICDMW),, strony: 757-766), Wydawca: Institute of Electrical and Electronics Engineers
    Data:
    konferencja 1.12.2023-4.12.2023
    Status:
    Opublikowana
    Doi:
    10.1109/ICDMW60847.2023.00103 - link do publikacji
  3. FlowHMM: fow-based continuous hidden Markov models
    Autorzy:
    Paweł Lorek, Rafał Nowak, Tomasz Trzciński, Maciej M. Zięba
    Konferencja:
    Advances in Neural Information Processing Systems. ISSN 1049-5258; 35 (rok: 2022, tom: 35th Conference on Neural Information Processing Systems, NeurIPS 2022, strony: 45674), Wydawca: Neural Information Processing Systems Foundation
    Data:
    konferencja 28.11-9.12.2022
    Status:
    Opublikowana
    Doi:
    link do publikacji
  4. Classical out-of-distribution detection methods benchmark in text classification tasks
    Autorzy:
    Mateusz Baran, Joanna Baran, Mateusz A. Wójcik, Maciej M. Zięba, Adam F. Gonczarek
    Konferencja:
    Proceedings of the Student Research Workshop (rok: 2023, tom: The 61st Annual Meeting of the Association for Computational Linguistics, ACL-SRW 2023, strony: 119-129), Wydawca: Association for Computational Linguistics
    Data:
    konferencja 10-12.07.2023
    Status:
    Opublikowana
    Doi:
    10.18653/v1/2023.acl-srw.20 - link do publikacji

O Narodowym Centrum Nauki

Finansowanie nauki

Współpraca zagraniczna

Centrum prasowe

Deklaracja dostępności
Przetwarzanie danych osobowych
Polityka cookies

Partnerzy