Projekty finansowane przez NCN
Poprawa własności interpretacji wyników głębokich sieci neuronowych w oparciu o części prototypiczne
2022/45/N/ST6/04147
Słowa kluczowe:
uczenie maszynowe uczenie głębokie interpretowalność
Deskryptory:
- ST6_11: Uczenie maszynowe, statystyczne przetwarzanie danych i zastosowania w przetwarzaniu sygnałów (np. mowy, obrazów, filmów)
- 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:
Uniwersytet Jagielloński, Wydział Matematyki i Informatyki
woj.
Konkurs: PRELUDIUM 21 - ogłoszony 2022-03-28
Przyznana kwota: 40 253 PLN
Rozpoczęcie projektu: 2023-02-17
Zakończenie projektu: 2025-02-16
Planowany czas trwania projektu: 24 miesięcy (z wniosku)
Status projektu: Projekt zakończony
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 (2)
- ICICLE: Interpretable Class Incremental Continual LearningAutorzy:Dawid Rymarczyk, Joost van de Weijer , Bartłomiej Twardowski, Bartosz ZielińskiKonferencja:IEEE International Conference on Computer Vision [ICCV](MAIN) vol. 2023 (rok: 2023, tom: International Conference on Computer Vision, strony: 1887-1898), Wydawca: IEEEData:konferencja 02-10-2023 - 06-10-2023Status:Opublikowana
- ProMIL: Probabilistic Multiple Instance Learning for Medical ImagingAutorzy:Łukasz Struski, Dawid Rymarczyk, Arkadiusz Lewicki, Robert Sabiniewicz, Jacek Tabor, Bartosz ZielińskiKonferencja:European Conference on Artificial Intelligence [ECAI] vol. 372 (rok: 2023, tom: European Conference on Artificial Intelligence, strony: 2210 - 2217), Wydawca: iOS PressData:konferencja 30.09-04.10.2023Status:OpublikowanaDoi:10.3233/faia230518 - link do publikacji