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_011: 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. dolnośląskie

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

  • Publikacje w czasopismach (2)
  • Teksty w publikacjach pokonferencyjnych (7)
  1. Dimma: Semi-supervised low-light image enhancement with adaptive dimming
    Autorzy:
    Wojciech M. Kozłowski, Michał Szachniewicz, Michał Stypułkowski, Maciej M. Zięba
    Czasopismo:
    Entropy (rok: 2024, tom: vol 26, Deep Generative Modeling: Theory and Applications, strony: 46046), Wydawca: MDPI
    Status:
    Opublikowana
    Doi:
    10.3390/e26090726 - link do publikacji
  2. NodeFlow: towards end-to-end flexible probabilistic regression on tabular data
    Autorzy:
    Patryk E. Wielopolski, Oleksii Furman, Maciej M. Zięba
    Czasopismo:
    Entropy (rok: 2024, tom: Deep Generative Modeling: Theory and Applications, strony: 46038), Wydawca: MDPI
    Status:
    Opublikowana
    Doi:
    10.3390/e26070593 - link do publikacji
  1. 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: 46039), Wydawca: Neural Information Processing Systems Foundation
    Data:
    konferencja 28.11-9.12.2022
    Status:
    Opublikowana
    Doi:
    link do publikacji
  2. 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
  3. Probabilistically plausible counterfactual explanations with normalizing flows
    Autorzy:
    Patryk E. Wielopolski, Oleksii Furman, Jerzy Stefanowski, Maciej M. Zięba
    Konferencja:
    Frontiers in Artificial Intelligence and Applications. ISSN 0922-6389; vol. 392 (rok: 2024, tom: ECAI 2024 : 27th European Conference on Artificial Intelligence,, strony: 954-961), Wydawca: IOS Press
    Data:
    konferencja 19–24.10.2024
    Status:
    Opublikowana
    Doi:
    10.3233/FAIA240584 - link do publikacji
  4. 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
  5. 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
  6. RegFlow: Probabilistic Flow-Based Regression for future prediction
    Autorzy:
    Maciej Zięba, Marcin Przewięźlikowski, Marek Śmieja, Jacek Tabor, Tomasz Trzciński, Przemysław Spurek
    Konferencja:
    Communications in Computer and Information Science (rok: 2024, tom: Asian Conference on Intelligent Information and Database Systems, strony: 267-279), Wydawca: Springer
    Data:
    konferencja 15-18.04.2024
    Status:
    Opublikowana
    Doi:
    10.1007/978-981-97-5934-7_23 - link do publikacji
  7. 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) (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

O Narodowym Centrum Nauki

Finansowanie nauki

Współpraca zagraniczna

Centrum prasowe

Deklaracja dostępności
Przetwarzanie danych osobowych
Polityka cookies

Partnerzy