I-72 INSTYTUT INFORMATYKI

Image

Instytut Informatyki I-72

http://it.p.lodz.pl/

Kierownik:

prof. dr hab. inż. Piotr Szczepaniak

Potencjalni promotorzy:

dr hab. inż. Agnieszka Duraj

dr inż. Łukasz Chomątek

Osoba do kontaktu:

dr hab. inż. Agnieszka Duraj, tel: (+48 42) 631-27-96 (+48 42) 631-39-54, agnieszka.duraj@p.lodz.pl

Zakres działalności:

Inteligentna ilościowa i jakościowa analiza dużych zbiorów danych z uwzględnieniem detekcji wyjątków. Celem prowadzonych badań jest polepszenie jakości wniosków wyciąganych na podstawie analizy zbiorów danych.

Postawiony cel badań osiągany jest z wykorzystaniem modyfikowanych metod klasycznych oraz sztucznej inteligencji, zwłaszcza algorytmów ewolucyjnych, a także teorii zbiorów rozmytych.

Działalność obecna:

Prowadzone badania obejmują:

• Warianty użycia podsumowań lingwistycznych z detekcją wyjątków.
• Innowacyjne zastosowania metod wnioskowania.
• Rozwój metod ewolucyjnych, w tym wielokryterialnych.
• Wielokryterialne wykrywanie wyjątków przy użyciu algorytmów genetycznych.
• Metody hierarchiczne.
• Wykrywanie wyjątków w strumieniach danych.
• Innowacje w użyciu metod statystycznych, odległościowych i gęstościowych.
• Weryfikacja na rzeczywistych zbiorach danych.
• Ekstrakcja i generalizacja wiedzy oraz uwzględnianie kontekstu.

Definicja wyjątku wymaga często łącznegostosowania kilku różnych kryteriów (np. mała liczność i odległość od dominujących „typowych” wzorców). Z tego powodu naturalne jest rozwijanie i wykorzystywanie metod optymalizacji wielokryterialnej, tutaj algorytmów ewolucyjnych.

Przyszłe działania:

1.  Rozwój metod efektywnego wykrywania anomalii w zbiorach danych, albo wzorców.
2. Rozwój w dziedzinie metod optymalizacji wielokryterialnej, który polega na:

• Adaptacji algorytmów optymalizacyjnych (w tym przypadku genetycznych) do zadań klasyfikacji (wyjątek – nie wyjątek).
• Opracowania dedykowanych operatorów genetycznych dla problemu detekcji wyjątków.
• Określeniu sposobu doboru składowych funkcji celu stosowanych w zadaniu optymalizacji wielokryterialnej.

Publikacje/patenty/nagrody/granty:

1.  A. Duraj, P.S. Szczepaniak: Linguistic Summaries Using Interval-Valued Fuzzy Representation of Imprecise Information - An Innovative Tool for Detecting Outliers. International Conference on Computational Science, pp.500--513, 2021, Springer. (Konferencja ICCS 140 punktów)
2. A. Duraj, P.S. Szczepaniak: Outlier Detection in Data Streams—A Comparative Study of Selected Methods. 25th International Conference on Knowledge-Based and Intelligent Information & Engineering Systems, Elsevier 2021 (Konferencja KES 70 punktów)
3. A. Duraj, P.S. Szczepaniak, and L. Chomatek: Intelligent Detection of Information Outliers Using Linguistic Summaries with Non-monotonic Quantifiers. Springer Nature Switzerland AG, 2020, M.-J. Lesot et al. (Eds.): IPMU 2020, CCIS 1239, pp. 787–799, 2020. https://doi.org/10.1007/978-3-030-50153-2_58 (konferencja 20 punktów)
4. P.S. Szczepaniak, A. Duraj (2018): Case-Based Reasoning – the Search for Similar Solutions and Identification of Outliers. Complexity (ID 9280787; open access)

Słowa kluczowe:

inteligentna analiza danych; metody wykrywania wyjątków

The portfolio of research groups was created as part of the Programme "STER" – Internationalisation of doctoral schools” as part of the realization of the project “Curriculum for advanced doctoral education & taining – CADET Academy of Lodz University of Technology”.

Image

Instytut Informatyki I-72

http://it.p.lodz.pl/

Kierownik:

prof. dr hab. inż. Piotr Szczepaniak

Potencjalni promotorzy:

dr hab. inż. Bartłomiej Stasiak

dr inż. Arkadiusz Tomczyk

mgr inż. Paweł Tarasiuk

mgr inż. Łukasz Pierścieniewski (doktorant)

Osoba do kontaktu:

dr inż. Arkadiusz Tomczyk, tel: (+48 42) 631-27-96 (+48 42) 631-39-54, arkadiusz.tomczyk@p.lodz.pl

Zakres działalności:

Zespół zajmuje się analizą obrazów i danych wielowymiarowych z wykorzystaniem uczenia maszynowego, która obejmuje takie zadania jak: grupowanie, klasyfikacja, ekstrakcja wiedzy, lokalizacja i detekcja obiektów, segmentacja, śledzenie obiektów, itp. Analizy tego typu, szczególnie w przypadku problemów cechujących się różnorodnością analizowanych danych i struktur, często wymykają się prostym podejściom algorytmicznym. Zastosowanie znajdują wówczas techniki uczenia maszynowego, które w oparciu o dostępną wiedzę ekspercką (zwykle zbiór przykładów) próbują automatycznie wybrać optymalny model algorytmu analizującego oraz jego parametry. Obecnie najczęściej stosowanymi technikami w obszarze analizy danych są na przykład maszyny z wektorami nośnymi (SVM), klasyczny perceptron (MLP), itp., a w przypadku obrazów – neuronowe sieci splotowe (CNN) i rekurencyjne (RNN). W kompetencji zespołu są również klasyczne metody analizy obrazów takie jak aktywne kontury (AC) oraz ich autorskie uogólnienia takie jak aktywne hiper-kontury (AH) oraz aktywne podziały (AP). Szczególnie ważną ich cechą jest zdolność uwzględniania wiedzy dziedzinowej podczas przetwarzaniach danych. Istotnym elementem prowadzonej działalności jest również w analiza danych grafowych oparta o uogólnienia sieci splotowych, która ma szerokie zastosowanie począwszy od analizy danych chemicznych, przez analizę sieci społecznościowych, na analizie typowych danych obrazowych kończąc.

Ważne miejsce zajmuje również analiza sygnału dźwiękowego. Pomimo odmiennej dziedziny, możliwe jest tu również zastosowanie narzędzi sztucznej inteligencji wykorzystywanych w analizie innego rodzaju danych. Wyniki analizy czasowoczęstotliwościowej sygnału dźwiękowego mogą być przetwarzane w sposób analogiczny do danych obrazowych, a uczenie maszynowe pozwala na skuteczną identyfikację i rozpoznawanie wzorców, w tym również tych wysokopoziomowych. Możliwe jest zatem, przykładowo, analizowanie treści nagrań muzycznych w sposób zbliżony do tego jak robi to człowiek i automatyczne określanie ich cech istotnych semantycznie.

Należy podkreślić, że w swych pracach zespół zwraca szczególną uwagę na możliwość opracowania sposobów interpretacji tworzonych automatycznie modeli co ma ogromne znaczenie w przypadku późniejszego praktycznego ich stosowania.

Działalność obecna:

Szczególnymi obszarami aktywności są:

• analiza zawartości obrazów w oparciu o reprezentacje strukturalne, inne niż regularna siatka pikseli,
• analiza danych grafowych,
• uogólnienie technik takich jak aktywne kontury,
• rozwój i adaptacja aktualnie wiodących rozwiązań bazujących na głębokim uczeniu (neuronowe sieci splotowe i rekurencyjne),
• objaśnianie procesów zachodzących w trenowanych modelach oraz interpretacja ich wyników,
• analiza nagrań muzycznych, ekstrakcja cech i rozpoznawanie wzorców w sygnale dźwiękowym za pomocą sieci neuronowych
• wyszukiwanie wzorców melodycznych w bazach nagrań. Aktualnie prowadzone prace obejmują:
• rozwój splotowych, w tym grafowych sieci neuronowych, wraz z metodami interpretacji ich działania
• strukturalną predykcję, semantyczną segmentację, aktywne kontury i ich uogólnienia
• opracowanie metod wykorzystania dodatkowej wiedzy eksperckiej innej niż zbiór przykładów treningowych podczas analizy danych,
• wykorzystanie i interpretacja działania sieci splotowych w analizie sygnału dźwiękowego.

Przyszłe działania:

Przyszłe działania obejmują:

• dalsze prace nad teoretycznym rozwojem klasycznych i grafowych sieci splotowych
• wzmocnienie zdolności interpretacji działania istniejących i stworzonych rozwiązań
• współpracę z podmiotami zewnętrznymi w celu zastosowania klasycznych i opracowanych rozwiązań do rozwiązywania praktycznych problemów

Publikacje/patenty/nagrody/granty:

Wybrane publikacje:

1. Tomczyk, P.S. Szczepaniak: Ear Detection Using Convolutional Neural Network on Graphs with Filter Rotation. Sensors 2019, 19, 5510
2. B. Stasiak, P. Tarasiuk, I. Michalska , A. Tomczyk: Application of convolutional neural networks with anatomical knowledge for brain MRI analysis in MS patients, Bulletin of the Polish Academy of Sciences - Technical Sciences, Vol. 66, No. 6, 2018, DOI: 10.24425/bpas.2018.125933
3. B. Stasiak, M. Skiba, A. Niedzielski, FlatDTW – Dynamic Time Warping optimization for piecewise constant templates. Digital Signal Processing, Vol. 85, pp.86 -- 98, Elsevier (2019)
4. P. Tarasiuk, A. Tomczyk, B. Stasiak: Automatic Identification of Local Features Representing Image Content with the Use of Convolutional Neural Networks. Appl. Sci. 2020, 10, 5186
5. A. Tomczyk: Active Partitions in Localization of Semantically Important Image Structures. Bridging the Semantic Gap in Image and Video Analysis, (Eds. H. Kwaśnicka H., Lakhmi C. Jain), Intelligent Systems Reference Library 145, Chapter 4, Springer, 2018, ISBN 978-3-319-73890-1, ISSN 1868-4394, DOI: 10.1007/978-3-319-73891-8_4, pp. 51-72
6. P. Tarasiuk, P.S.Szczepaniak (2021): Novel convolutional neural networks for efficient classification of rotated and scaled images. Neural Computing and Applications; published online: 30 December 2021. https://doi.org/10.1007/s00521-021-06645-9

Granty:

1.  Kognitywne hierarchiczne aktywne podziały, Narodowe Centrum Nauki, numer projektu: 2012/05/D/ST6/03091

Słowa kluczowe:

analiza danych wielowymiarowych, analiza obrazów i ich sekwencji, analiza grafów, rozpoznawanie wzorców, uczenie maszynowe, sztuczna inteligencja

Lista propozycji staży w danej grupie badawczej:

Przykładowa tematyka:

1. Analiza obrazów z wykorzystaniem grafowych sieci splotowych.
2. Interpretacja działania splotowych, w tym grafowych, sieci splotowych.

The portfolio of research groups was created as part of the Programme "STER" – Internationalisation of doctoral schools” as part of the realization of the project “Curriculum for advanced doctoral education & taining – CADET Academy of Lodz University of Technology”.

Image

Instytut Informatyki I-72

http://it.p.lodz.pl/

Kierownik:

dr hab. inż. Adam Wojciechowski, prof. uczelni

Potencjalni promotorzy:

dr hab. inż. Adam Wojciechowski, prof. uczelni

dr hab. inż. Piotr Napieralski, prof. uczelni

Osoba do kontaktu:

dr hab. inż. Adam Wojciechowski, prof. uczelni tel.: 42-631-27-96, adam.wojciechowski@p.lodz.pl

Zakres działalności:

Główne obszary badań obejmują współczesne wyzwania w zakresie grafiki i wizji komputerowej:

• rendering fotorealistyczny i synteza obrazów cyfrowych,
• przetwarzanie i analiza siatek wielokątowych,
• analiza i przetwarzanie chmur punktów,
• przetwarzanie i analiza sceny na podstawie danych obrazowych z kamer wideo i sensorów głębi
• obliczenia afektywne, analiza obrazów twarzy, śledzenie ruchów gałek ocznych
• synteza animacji komputerowej, również w ujęciu silników emocji,
• uczenie maszynowe w testowaniu interfejsów graficznych i gier komputerowych,
• biomechanika ruchu, modele mięśniowo-szkieletowe, sztuczna inteligencja w syntezie i analizie ruchu.

Działalność obecna:

Obecnie prowadzone badania w zakresie analizy i przetwarzania chmur punktów skanów laserowych dotyczą semantycznej segmentacji i klasyfikacji obiektów we wnętrzach i zewnętrzach. Badania koncentrują się na efektywnym zastosowaniu grafowych splotowych sieci neuronowych dla dużych, nieustrukturyzowanych zbiorów danych. Badania znajdują zastosowanie w przemyśle samochodowym, geo-lokalizacyjnym, budowlanym i przy wszelkiego rodzaju inwentaryzacjach. Badania z zakresu analizy obrazów twarzy koncentrują się wykrywaniu i klasyfikacji mikroekspresji na obrazach twarzy oraz efektywnym śledzeniu ruchów gałek ocznych w systemach wizyjnych wyposażonych w zwykłą kamerę wideo. Osobny wątek dotyczy przetwarzania i klasyfikacji niepełnych obrazów twarzy, np. przysłoniętych maską. Osobnym wątkiem badań jest zastosowanie sztucznych sieci neuronowych i metod uczenia maszynowego, głównie nienadzorowanego, do automatyzacji testowania gier komputerowych i ich interfejsów graficznych.

Badania związane z fotorealistyczną syntezą obrazów koncentrują się na wysokowydajnym renderingu zjawiska rozproszenia światła słonecznego w atmosferze ziemskiej oraz uczenia modeli sieci neuronowych ograniczoną liczbą obrazów. Poszukiwania dotyczą modeli sieci neuronowych o szerokich własnościach generalizacyjnych, pozwalających na transfer stylu.

Badania w zakresie syntezy animacji dotyczą tworzenia, biomechanicznie poprawnych modeli mięśniowo-szkieletowych oraz zastosowania technik uczenia maszynowego do generowania biomechanicznie poprawnych sekwencji ruchu.

Przyszłe działania:

W każdym z wątków badawczych prowadzone są aktywne prace udoskonalające istniejące i tworzące nowe rozwiązania.

Publikacje/patenty/nagrody/granty:

• Walczak, j., Najgebauer, P., Scherer, R., & Wojciechowski, A. (2021, July). CVA-GNN: Convolutional Vicinity Aggregation Graph Neural Network for Point Cloud Classification. In 2021 International Joint Conference on Neural Networks (IJCNN) (pp. 1-8). IEEE.
• Gałaj, T., Pietrusiak, F., Galewski, M., Ledzion, R., & Wojciechowski, A. (2021). Hybrid Integration Method for Sunlight Atmospheric Scattering. IEEE Access, 9, 40681-40694.
• Walczak, J., Poreda, T., & Wojciechowski, A. (2019). Effective planar cluster detection in point clouds using histogram-driven KDlike partition and shifted mahalanobis distance based regression. Remote Sensing, 11(21), 2465.

Projekt NCBR - LIDER XI, pt. „Analiza semantyczna trójwymiarowych chmur punktów”, 01.12.2020 - 01.12.2023 r., Nr LIDER/25/0092/L-11/19/NCBR/2020

Słowa kluczowe:

uczenie maszynowe, chmury punktów, semantyczna segmentacja, klasyfikacja, obliczenia afektywne, analiza twarzy, mikro-ekspresje, śledzenie ruchów gałki ocznej, animacja, gry komputerowe, rendering czasu rzeczywistego, interfejsy graficzne

Lista propozycji staży w danej grupie badawczej:

W każdym z obszarów badawczych otwarta jest lista stypendiów dla doktorantów i stanowisk post-doc, jak również istnieje szeroka gama dyplomów magisterskich, które można realizować w ramach projektów czy we współpracy z przemysłem.

The portfolio of research groups was created as part of the Programme "STER" – Internationalisation of doctoral schools” as part of the realization of the project “Curriculum for advanced doctoral education & taining – CADET Academy of Lodz University of Technology”.

Image

Instytut Informatyki I-72

http://it.p.lodz.pl/

Kierownik:

dr hab. inż. Adam Wojciechowski, prof. uczelni

Potencjalni promotorzy:

dr hab. inż. Adam Wojciechowski, prof. uczelni

dr hab. inż. Agnieszka Wosiak, prof. uczelni

dr hab. inż. Bartłomiej Stasiak, prof. uczelni

dr hab. inż. Piotr Napieralski, prof. uczelni

Osoba do kontaktu:

dr hab. inż. Adam Wojciechowski, prof. uczelni, tel.: 42-631-27-96, adam.wojciechowski@p.lodz.pl

Zakres działalności:

Główne obszary badań obejmują współczesne wyzwania w zakresie inteligentnej analizy danych medycznych, sensorycznych, czy statystycznych, ale również tworzenie naturalnych, afektywnych interfejsów użytkownika oraz immersyjną wizualizację w środowiskach rzeczywistości wirtualnej i rozszerzonej. W szczególności:

• przetwarzanie i analiza danych biofizjologicznych, w tym danych EEG z użyciem metod statystycznych, technik uczenia maszynowego, czy selekcji cech. Badania dotyczą zarówno analizy stanów mentalnych oraz interfejsów mózgkomputer,
• przetwarzani i analiza danych środowiskowych w problemie sterowania systemami HVAC i racjonalizacją zużycia energii,
• przetwarzanie i analiza danych sensorycznych w interakcji człowiekmaszyna,
• afektywne interfejsy użytkownika, obliczenia afektywne, analiza obrazów twarzy, śledzenie ruchów gałek ocznych,
• tworzenie immersyjnych środowisk wirtualnych i środowisk rzeczywistości rozszerzonej na potrzeby gier i symulacji komputerowych, wizualizacji dziedzictwa architektonicznego, czy rehabilitacji poznawczo-ruchowej.

Działalność obecna:

Badania w zakresie analizy i przetwarzania sygnałów EEG zmierzają do zwiększenia skuteczności klasyfikacji stanów mentalnych: valence, arousal, dominance oraz do tworzenia metod efektywnej detekcji wyobrażeniowych zadań ruchowych w kontekście BCI. Niezależne badania dotyczą modelowania zjawisk środowiskowych panujących w budynkach biurowych, hotelach, szkołach czy urzędach, celem tworzenia metod efektywnego sterowania system. HVAC, racjonalizacji zużycia energii, detekcji anomalii. Badania z zakresu środowisk wirtualnych i rzeczywistości rozszerzonej koncentrują się na tworzeniu ergonomicznie poprawnych środowisk stymulacyjnych, zarówno w obszarze gier komputerowych oraz gier poważnych w zadaniach neuro-rehabilitacji, rehabilitacji poznawczej i ruchowej u osób starszych oraz popularyzacji dziedzictwa kulturalnego. Elementem pochodnym jest tworzenie naturalnych metod interakcji człowiek komputer, które zapewniają efektywną realizację zadań w zanurzeniu. Z kolei badania w obszarze interfejsów użytkownika polegają głównie na poszukiwaniu markerowych i bezmarkerowych metod analizy obrazów pochodzących z kamer wideo i stereopar. Nie bez znaczenia jest również naturalna komunikacja za pomocą głosu i analizy ruchów twarzy.

Przyszłe działania:

W każdym z wątków badawczych prowadzone są aktywne prace udoskonalające istniejące i tworzące nowe rozwiązania.

Publikacje/patenty/nagrody/granty:

• Wojciechowski, A., Wiśniewska, A., Pyszora, A., Liberacka-Dwojak, M., & Juszczyk, K. (2021). Virtual reality immersive environments for motor and cognitive training of elderly people–a scoping review. Human Technology, 17(2), 145-163.
• Dura, A., Wosiak, A., Stasiak, B., Wojciechowski, A., & Rogowski, J. (2021, June). Reversed Correlation-Based Pairwised EEG Channel Selection in Emotional State Recognition. In International Conference on Computational Science (pp. 528- 541).
• Opałka, S., Stasiak, B., Wosiak, A., Dura, A., & Wojciechowski, A. (2021, June). EEG-Based Emotion Recognition– Evaluation Methodology Revisited. In International Conference on Computational Science (pp. 525-539). Springer, Cham.
• Projekt NCBR pt. „Predykcyjny system zarządzania energią EnMS”, 01.07.2020 - 30.06.2023 r., POIR.01.01.01-00- 0281/20
• Projekt NCBR pt. „Grydsen-innowacyjne psychologiczne metody terapii seniorów z wykorzystaniem techniki VR”, 01.10.2020-30.09.2022 r., POIR.01.01.01-00-0951/19-00
• Projekt CHISTERA pt.”ReHaB - Towards an ecologically valid symbiosis of BCI and head-mounted VR displays: focus on collaborative post-stroke neurorehabilitation”, Nr: CHIST-ERA-20-BCI-004, 2022-2024

Słowa kluczowe:

uczenie maszynowe, regresja, klasyfikacja, selekcja cech, EEG, HRV, obliczenia afektywne, analiza twarzy, mikro-ekspresje, śledzenie ruchów gałki ocznej, VR, AR, gry komputerowe, stereoskopia, HVAC, HCI, BCI

Lista propozycji staży w danej grupie badawczej:

W każdym z obszarów badawczych otwarta jest lista stypendiów dla doktorantów i stanowisk post-doc, jak również istnieje szeroka gama dyplomów magisterskich, które można realizować w ramach projektów czy we współpracy z przemysłem.

The portfolio of research groups was created as part of the Programme "STER" – Internationalisation of doctoral schools” as part of the realization of the project “Curriculum for advanced doctoral education & taining – CADET Academy of Lodz University of Technology”.

Image

Instytut Informatyki I-72

http://it.p.lodz.pl/

Kierownik:

Piotr Napieralski

Osoba do kontaktu:

Piotr Napieralski, tel: 42-631-27-96, piotr.napieralski@p.lodz.pl

Zakres działalności:

• Wizualizacja stereoskopowa i jakość obrazów cyfrowych,
• Afektywne interfejsy użytkownika,
• Psychologia postrzegania
• Grafika i animacja komputerowa
• Sztuczna Inteligencja w analizie obrazu filmowego

Działalność obecna:

• Współpraca z pracownią S3D z Państwową Wyższą Szkołą Filmową, Telewizyjną i Teatralną im. L.Schillera
• Rozwijanie i opracowywanie inteligentnych algorytmów rozpoznawania i analizy zmian wielkości źrenicy
• Rozwijanie i opracowywanie algorytmów rozpoznawania obszarów zainteresowania widza w obrazie filmowym
• Rozwijanie i opracowywanie algorytmów identyfikacji błędów w obrazie stereoskopowym

Przyszłe działania:

nawiązanie współpracy z innymi ośrodkami akademickimi i podmiotami biznesowymi

Publikacje/patenty/nagrody/granty:

• Wojciechowski, A., Napieralski, P., & Lipiński, P. (2021). TEWI 2021 (Technology, Education, Knowledge, Innovation) (A. Wojciechowski, P. Napieralski, & P. Lipiński, eds.). https://doi.org/10.34658/9788366741102
• Zieliński Marcin, Napieralski Piotr, Daszuta Marcin, S. D. (2021). Smart Events in Behavior of Non-player Characters in Computer Games. In P. M. A. S. Maciej Paszynski, Dieter Kranzlmüller, Valeria V. Krzhizhanovskaya, Jack J. Dongarra (Ed.), International Conference on Computational Science ICCS 2021 (pp. 164–177). https://doi.org/10.1007/978-3-030-77977-1_13
• Daszuta, M., Szajerman, D., & Napieralski, P. (2020). New emotional model environment for navigation in a virtual reality. Open Physics, 18(1), 864–870. https://doi.org/10.1515/phys-2020-0199
• Kornacka, M., Kamila, C.-B., Napieralski, P., & Anna, B.-M. (2020). Rumination, mood, and maladaptive eating behaviors in overweight and healthy populations. Eating and Weight Disorders - Studies on Anorexia, Bulimia and Obesity. https://doi.org/10.1007/s40519-020-00857-z • Rogalska, A., Rynkiewicz, F., Daszuta, M., Guzek, K., & Napieralski, P. (2019). Blinking Extraction in Eye gaze System for Stereoscopy Movies. Open Physics, 17(1), 512–518. https://doi.org/10.1515/phys-2019-0053
• Napieralski, P., & Rynkiewicz, F. (2019). Modeling Human Pupil Dilation to Decouple the Pupillary Light Reflex. Open Physics, 17(1), 458–467. https://doi.org/10.1515/phys-2019-0047 • Kowalczyk, M., & Napieralski, P. (2019). A structural quality evaluation model for three-dimensional simulations. Open Physics, 17(1). https://doi.org/10.1515/phys-2019-0035

Słowa kluczowe:

stereoskopia, film, animacja, informatyka afektywna, sztuczna inteligencja, uczenie maszynowe, 3D

Lista propozycji staży w danej grupie badawczej:

metody pomiarów i oceny parametrów obrazu filmowego

The portfolio of research groups was created as part of the Programme "STER" – Internationalisation of doctoral schools” as part of the realization of the project “Curriculum for advanced doctoral education & taining – CADET Academy of Lodz University of Technology”.

Image

Instytut Informatyki I-72

http://it.p.lodz.pl/

Kierownik:

Dr hab. inż. Przemysław Ignaciuk

Potencjalni promotorzy:

Dr hab. inż. Przemysław Ignaciuk

Dr hab. inż. Michał Morawski

Osoba do kontaktu:

Przemysław Ignaciuk, tel.: 42-631-27-96, przemyslaw.ignaciuk@p.lodz.pl

Zakres działalności:

Badania koncentrują się na wyzwaniach współczesnej informatyki i optymalizacji w następujących obszarach:

• Modele i algorytmy w układach sieciowych – projektowanie i optymalizacja
• Monitorowanie i sterowanie w procesach przemysłowych i układach z opóźnieniem
• Analiza i przeciwdziałanie zakłóceniom w strukturach rozproszonych
• Jakość usług w sieciach telekomunikacyjnych i logistycznych
• Zrównoważony rozwój systemów zarządzania zasobami

Działalność obecna:

W ostatnich latach obserwuje się intensywny rozwój aplikacji łączących funkcjonalność sieci teleinformatycznych, systemów rozproszonych i układów regulacji automatycznej, np. inteligentne systemy transportowe czy Internet Rzeczy. W ramach prowadzonych prac analizowane jest działanie istniejących systemów oraz projektowane są nowe protokoły i rozwiązania algorytmiczne pozwalające na uzyskanie wysokiej efektywności pomimo niekorzystnych zjawisk towarzyszących fizycznej implementacji, takich jak opóźnienie, zakłócenia lub utrata danych podczas przekazywania informacji na odległość.

Badania prowadzone są zarówno w płaszczyźnie formalnej przy użyciu zaawansowanych technik optymalizacyjnych oraz praktycznej z wykorzystaniem rzeczywistych urządzeń i sieci transmisji danych. Ponadto zespół projektuje i wdraża cyfrowe układy sterowania i diagnostyki obiektów przemysłowych oraz systemów rozproszonych. Analizowane są mechanizmy poprawy jakości usług oraz podniesienia niezawodności i bezpieczeństwa komunikacji sieciowej.

Przyszłe działania:

Analiza złożonych, wielokanałowych systemów wymiany dóbr i informacji, takich jak sieci telekomunikacyjne zarządzane przez protokoły MPTCP i QUIC oraz wielomodowe systemy transportowe.

Publikacje/patenty/nagrody/granty:

Publikacje: 

• P. Ignaciuk, M. Morawski: Discrete-time sliding-mode controllers for MPTCP networks. IEEE Transactions on Systems, Man, and Cybernetics: Systems, Vol. 51, 2021
• M. Morawski, P. Ignaciuk: Choosing a proper control strategy for multipath transmission in Industry 4.0 applications. IEEE Transactions on Industrial Informatics, Vol. 18, 2022
• P. Ignaciuk: Linear-quadratic optimal control of multi-modal distribution systems with imperfect channels. International Journal of Production Research, Vol. 60, 2022

Granty:

• Odporne schematy regulacji dla wielokanałowych przepływów sieciowych, NCN, obecnie realizowany projekt badawczy w programie OPUS, Politechnika Łódzka (2022–2024)
• Zastosowanie sztucznej inteligencji w rozwiązaniach optymalizacyjnych dla transportu ciężarowego, NCBiR, obecnie realizowany projekt badawczy w ramach Programu Operacyjnego Inteligentny Rozwój 2014-2020 we współpracy z Inelo Sp. z o.o., 2020–2023

Słowa kluczowe:

Sieci teleinformatyczne, Systemy produkcyjne i logistyczne, Sieciowe układy sterowania, Układy z opóźnieniem, ·Protokoły telekomunikacyjne,  Modelowanie, Optymalizacja

Lista propozycji staży w danej grupie badawczej:

Modelowanie współczesnych układów dynamicznych o strukturze rozproszonej, projektowanie algorytmów zarządzania zasobami, weryfikacja symulacyjna i eksperymentalna.

The portfolio of research groups was created as part of the Programme "STER" – Internationalisation of doctoral schools” as part of the realization of the project “Curriculum for advanced doctoral education & taining – CADET Academy of Lodz University of Technology”.

Image

Instytut Informatyki I-72

http://it.p.lodz.pl/

Kierownik:

dr hab. inż. Piotr Lipiński

Potencjalni promotorzy:

dr hab. inż. Piotr Lipiński

Osoba do kontaktu:

Piotr Lipiński, tel: 42-631-27-96, piotr.lipinski@p.lodz.pl

Zakres działalności:

• Inteligentne algorytmy fuzji danych w lokalizacji obiektów,
• Analiza szeregów czasowych przy użyciu algorytmów adaptacyjnych
• Inteligentne algorytmy predykcji szeregów czasowych
• Algorytmy cyfrowego znakowania wodnego przy użyciu sztucznej inteligencji
• Algorytmy steganograficzne

Działalność obecna:

W chwili obecnej pracujemy nad:

• Algorytmami lokalizacji czasu rzeczywistego wykorzystującymi dane o wysokim stopniu zaszumienia pochodzącymi z systemów radiowych,
• Analiza szeregów czasowych i tworzenie inteligentnych algorytmów na potrzeby systemów ecodrivingu na potrzeby transportu ciężarowego (Projekt NCBR),
• Algorytmy wykorzystujące głębokie sieci neuronowe do przewidywania kursów kryptowalut,
• Inteligentne algorytmy wykrywania anomalii w klastrach obliczeniowych (Projekt NCBR),
• Inteligentne algorytmy do zintegrowanej kontroli parametrów środowiskowych oraz zużycia energii procesów przemysłowych i biznesowych.

Przyszłe działania:

Kontynuacja bieżących prac

Publikacje/patenty/nagrody/granty:

Publikacje:

• Real-time parallel-serial LiDAR-based localization algorithm with centimeter accuracy for GPS-denied environments Niedzwiedzki, J., Niewola, A., Lipinski, P., Poryzala, P., Podsedkowski, L. Sensors (Switzerland), 2020, 20 (24), pp. 1–24, 7123
• Improving UWB Indoor Localization Accuracy Using Sparse Fingerprinting and Transfer Learning K Adamkiewicz, P Koch, B Morawska, P Lipiński, K Lichy, M Leplawy International Conference on Computational Science, 291-302

Granty:

• Zastosowanie sztucznej inteligencji w rozwiązaniach optymalizacyjnych dla transportu ciężarowego (NCBR - POIR)
• Predykcyjny i adaptacyjny system METERNET-EnMS do zintegrowanej kontroli parametrów środowiskowych oraz zużycia energii procesów przemysłowych i biznesowych (NCBR - POIR)
• Środowisko budowy i eksploatacji bezpiecznych aplikacji działających w chmurze w oparciu o inteligentne wykrywanie anomalii w klastrach obliczeniowych oraz techniki kryptograficzne blockchain DLT (NCBR - POIR)

Słowa kluczowe:

lokalizacja wewnątrz budynków, sztuczna inteligencja, fuzja danych, ecodriving, predykcja szeregów czasowych, przewidywanie cen kryptowalut, detekcja anomalii w klastrach obliczeniowych

The portfolio of research groups was created as part of the Programme "STER" – Internationalisation of doctoral schools” as part of the realization of the project “Curriculum for advanced doctoral education & taining – CADET Academy of Lodz University of Technology”.

Image

Instytut Informatyki I-72

http://it.p.lodz.pl/

Kierownik:

dr hab. inż. Dariusz Puchała

Potencjalni promotorzy:

dr inż. Marcin Ostrowski

dr hab. inż. Dariusz Puchała

dr inż. Mateusz Smoliński

dr inż. Kamil Stokfiszewski

Osoba do kontaktu:

dr hab. inż. Dariusz Puchała, tel: 48-42-631-27-96, dariusz.puchala@p.lodz.pl

Zakres działalności:

Główne obszary badawcze realizowane w ramach zespołu obejmują następujące zagadnienia:

• stratna kompresja obrazów – opracowanie schematów i technik stratnej kompresji obrazów w oparciu o adaptacyjne przekształcenia liniowe, sztuczne sieci neuronowe o strukturach pełnych, a także splotowe sztuczne sieci neuronowe z uwzględnieniem całościowej optymalizacji procesu kompresji, w tym również pod kątem entropijnych metod kodowania;
• efektywne obliczeniowo algorytmy przetwarzania i analizy sygnałów – opracowanie i implementacja efektywnych obliczeniowo algorytmów dla sekwencyjnych i równoległych architektur sprzętowych (CPU, GPU, Multi-GPU, układy FPGA), ukierunkowanych na przetwarzanie i analizę dużych zbiorów danych (big data) oraz modelowanie złożoności czasowej algorytmów dla wymienionych architektur sprzętowych;
• obliczenia i symulacje kwantowe – udzielenie odpowiedzi na pytanie czy kwantowa równoległość może być wykorzystana do efektywniejszego symulowania kwantowych zjawisk fizycznych, a także jakie zjawiska poddają się tego typu symulacjom.

Działalność obecna:

W chwili obecnej prowadzone są badania mające na celu opracowanie struktur i algorytmów trenowania sztucznych sieci neuronowych pod kątem stratnej kompresji obrazów naturalnych, w tym z uwzględnieniem sztucznych splotowych sieci neuronowych, a także struktur pozwalających na automatyczne wytrenowanie przekształcenia KLT lub przekształcenia o zbliżonym rozkładzie energii, z myślą o kwantyzacji blokowej i kodowaniu entropijnym. Kolejnym zagadnieniem badawczym jest opracowanie sztucznych sieci neuronowych o strukturach rzadkich inspirowanych diagramami przepływowymi szybkich algorytmów obliczania przekształceń liniowych, co przekłada się na mniejszą liczbę parametrów podlegających trenowaniu, a także lepszą generalizację wyników w zastosowaniach praktycznych. Ponadto są prowadzone badania nad opracowaniem efektywnych obliczeniowo masowo-równoległych algorytmów wyznaczania jednowymiarowych i separowalnych dwuwymiarowych przekształceń falkowych dla kart graficznych (GPU).

Przyszłe działania:

Przyszłe badania będą dotyczyły stratnej kompresji obrazów kolorowych z wykorzystaniem splotowych sieci neuronowych. Kolejnym zagadnieniem badawczym będzie rozszerzenie opracowanych dotychczas masowo-równoległych algorytmów obliczania przekształceń falkowych na przypadek przekształceń natywnie dwuwymiarowych.

Publikacje/patenty/nagrody/granty:

• D. Puchala, K. Stokfiszewski, K. Wieloch, Execution Time Prediction Model for Parallel GPU Realizations of Discrete Transforms Computation Algorithms, Bulletin of the Polish Academy of Sciences-Technical Sciences, 2022.
• M. Ostrowski, Simulation of the Schrödinger particle non-elastic scattering with emission of photon in the quantum register, Bulletin of the Polish Academy of Sciences-Technical Sciences, 2020.
• M. Smoliński, Impact of Storage Space Configuration on Transaction Processing Performance for Relational Database in PostgreSQL, Beyond Databases, Architectures and Structures. Facing the Challenges of Data Proliferation and Growing Variety Springer, 2018.

Słowa kluczowe:

przetwarzanie sygnałów i obrazów, obliczenia masowo-równoległe, obliczenia kwantowe

Lista propozycji staży w danej grupie badawczej:

• opracowanie i implementacja algorytmów masowo-równoległych 2D przekształceń falkowych,
• badania nad sztucznymi sieciami neuronowymi o strukturach rzadkich.

The portfolio of research groups was created as part of the Programme "STER" – Internationalisation of doctoral schools” as part of the realization of the project “Curriculum for advanced doctoral education & taining – CADET Academy of Lodz University of Technology”.

Image

Instytut Informatyki I-72

http://it.p.lodz.pl/

Kierownik:

Prof. dr hab. inż. Adam Niewiadomski

Potencjalni promotorzy:

Prof. dr hab. inż. Adam Niewiadomski

Osoba do kontaktu:

Adam Niewiadomski, tel: 42-631-27-96. Adam.Niewiadomski@p.lodz.pl

Zakres działalności:

• Systemy rozmyte, ekspertowe, prognozujące i decyzyjne
• Eksploracja baz danych, data mining
• Reprezentowanie informacji niepewnej, niepełnej, lingwistycznej
• Wykrywanie i rozpoznawanie wyjątków w zbiorach danych
• Obliczenia ,,miękkie’’, soft computing, computing with words (CWW)
• Systemy logiki rozmytej w zastosowaniach
• Logikia rozmyta typu 2 (type-2 fuzzy logic), uogólnienia zbiorów rozmytych
• Web Intelligence, BigData
• Ewolucyjne metody obliczeniowe

Działalność obecna:

• Wykrywanie wyjątków regułami rozmytymi w nierelacyjnych bazach danych
• Reprezentacja informacji metodami logiki rozmytej w grafowych bazach danych
• Wykrywanie i rozpoznawanie wyjątków metodami kwantyfikacji lingwistycznej
• Systemy rozmyte zarządzające procesem selektywnej redukcji katalitycznej
• Zbiory rozmyte wyższych rzędów i ich zastosowania w analizie danych
• Wielopodmiotowe podsumowania lingwistyczne baz danych
• Hierarchiczne systemy logiki rozmytej

Przyszłe działania:

nawiązanie współpracy z innymi ośrodkami akademickimi i podmiotami biznesowymi

Publikacje/patenty/nagrody/granty:

• Niewiadomski A., Kacprowicz M., Bartczak M.: Outliers Detection In Graph-Represented Databases Using Fuzzy Rules. Pacific Asia Conference on Information Systems, PACIS 2021, 12-14 July, 2021, Dubai, Arabia Saudyjska, ISBN 978-1-7336325-7-7, wykaz konf. punkt. (140pkt.)
• Niewiadomski A., Kacprowicz M.: Type-2 Fuzzy Logic Systems in Applications: Managing Data in Selective Catalytic Reduction For Air Pollution Prevention. Journal of Artificial Intelligence and Soft Computing Research, Volume 11, Issue 2, 2021, Sciendo, ISSN 20832567, Doi: 10.2478/jaiscr-2021-0006, pp. 85-97, open access, JCR
• Niewiadomski A., Duraj A., Bartczak M.: Outliers Recognition Via Linguistic Aggregation of Graph Databases. Applied Sciences, 2021, Tom 11(16), 7434, MDPI, ISSN: 2076-3417, Doi: 10.3390/app11167434, pp. 1-13, open access, JCR
• Niewiadomski A., Duraj A.: Detecting and Recognizing Outliers in Datasets via Linguistic Information and Type-2 Fuzzy Logic. International Journal of Fuzzy Systems, , nr , str. 878–889. 2020 r. (70 pkt.)
• Niewiadomski, A., Zbiory rozmyte typu 2. Zastosowania w reprezentowaniu informacji. W serii „Problemy współczesnej informatyki”, pod redakcją L. Rutkowskiego, Akademicka Oficyna Wydawnicza EXIT, Warszawa, 2019.
• Duraj, A., Niewiadomski, A., Szczepaniak, P. S., Detection of outlier information by the use of linguistic summaries based on classic and interval-valued fuzzy sets, International Journal of Intelligent Systems, Vol. 34, Nr 3, ss. 415-438, 2019.
• Duraj, A., Niewiadomski, A., Szczepaniak, P. S., Outlier detection using linguistically quantified statements, International Journal of Intelligent Systems, Vol. 33, Nr 9, ss. 1858-1868, 2018.
• Niewiadomski, A., Kacprowicz, M., Higher Order Fuzzy Logic in Controlling Selective Catalytic Reduction Systems, Bulletin of The Polish Academy of Sciences, Technical Sciences, Vol. 62, Nr 4, ss.743-750, 2014.
• Niewiadomski, A., On Finity, Countability, Cardinalities, And Cylindric Extensions of Type-2 Fuzzy Sets in Linguistic Summarization of Databases, IEEE Transactions on Fuzzy Systems, Vol. 18, Nr 3, ss. 532-545, 2010.

Słowa kluczowe:

Sztuczna inteligencja, systemy rozmyte, systemy ekspertowe, rozpoznawanie wyjątków, analiza i reprezentacja danych, nierelacyjne bazy danych

Lista propozycji staży w danej grupie badawczej:

1. Wykrywanie wyjątków w nierelacyjnych zbiorach danych.
2. Reprezentacja informacji w bazach grafowych.

The portfolio of research groups was created as part of the Programme "STER" – Internationalisation of doctoral schools” as part of the realization of the project “Curriculum for advanced doctoral education & taining – CADET Academy of Lodz University of Technology”.

Image

Instytut Informatyki I-72

http://it.p.lodz.pl/

Kierownik:

dr hab. inż. Aneta Poniszewska-Marańda, prof. uczelni

Potencjalni promotorzy:

dr hab. inż. Aneta Poniszewska-Marańda, prof. uczelni

Osoba do kontaktu:

dr hab. inż. Aneta Poniszewska-Marańda, prof. uczelni, tel: 42-631- 27-96, aneta.poniszewska-maranda@p.lodz.pl

Zakres działalności:

Zakres działalności obejmuje rozwój metod i narzędzi, służących tworzeniu inteligentnych rozwiązań informatycznych, znajdujących zastosowanie w codziennym życiu, wspomaganym koncepcjami inteligentnego miasta, inteligentnego społeczeństwa i Internetu Rzeczy, z zastosowaniem zaawansowanej inżynierii oprogramowania. Łącząc osiągnięcia nowoczesnej inżynierii oprogramowania i sztucznej inteligencji można uzyskać wyższą jakość, wydajności i przydatność tworzonych systemów informatycznych w ramach zastosowań praktycznych, zapewniając jednocześnie bezpieczeństwo i ochronę danych przechowywanych i przesyłanych w ramach lokalnych i rozproszonych systemów informatycznych, aplikacji internetowych i mobilnych oraz danych przetwarzanych w chmurze i w systemach Internetu Rzeczy, sztuczna inteligencja w planowaniu dostaw. Wśród zadań można wskazać rozwój metod w zakresie: inżynierii oprogramowania, optymalizacji, metaheurystyk, bezpieczeństwa danych i systemów, analizy, przetwarzania i ekstrakcji informacji, zastosowania metod uczenia maszynowego.

Działalność obecna:

Badania naukowe prowadzone w Zespole obejmują następujące zagadnienia:

• Metodologie wytwarzania oprogramowania, ze szczególnym uwzględnieniem analizy i projektowania systemów informatycznych.
• Badanie i analiza jakości w procesie wytwarzania oprogramowania.
• Zastosowanie metaheurystyk do rozwiązania problemu planowania dostaw.
• Zapewnienie bezpieczeństwa i ochrony danych w ramach lokalnych i rozproszonych systemów, aplikacji internetowych, mobilnych oraz w chmurze i w systemach IoT.
• Przetwarzanie tekstów języka naturalnego i ekstrakcja informacji oraz związane z tym inteligentne zarządzanie danymi, zasobami i informacją.
• Budowa modeli i algorytmów dla wydajnych systemów inteligentnych oraz systemów baz wiedzy z zastosowaniem wybranych algorytmów uczenia maszynowego.
• Badania nad zastosowaniem blockchain w administracji, zarządzaniu i ewyborach.
• Zastosowanie blockchain do rozwiązywania ważnych problemów społecznych i publicznych, w tym zapewnienie integralności przesyłania danych przez sieć.
• Metody zabezpieczeń w sieciach samochodowych typu VANET (Vehicular Ad-Hoc Network) z wykorzystaniem koncepcji Internetu Rzeczy.
• Inteligentny system automatyzacji i analizy procedur bezpieczeństwa.

Przyszłe działania:

Prowadzenie prac rozwojowych w powiązaniu z gospodarką, transportem, administracją publiczną i ochroną zdrowia poprzez rozwój metod i narzędzi, służących tworzeniu inteligentnych rozwiązań informatycznych, znajdujących zastosowanie w codziennym życiu, wspomaganym koncepcjami inteligentnego miasta, inteligentnego społeczeństwa i IoT.

Obszary zastosowań: gospodarka, transport, administracja publiczna, ochrona zdrowia, medycyna.

Publikacje/patenty/nagrody/granty:

publons.com/researcher/1487582/aneta-poniszewska-maranda/

scopus.com/authid/detail.uri?authorId=8717200400 orcid.org/0000-0001- 7596-0813

Słowa kluczowe:

Inżynieria oprogramowania, Bezpieczeństwo, Blockchain, IoT, Uczenie maszynowe, Analiza danych, Industry 4.0

Lista propozycji staży w danej grupie badawczej:

Rozwój algorytmów i narzędzi w obszarze badań

The portfolio of research groups was created as part of the Programme "STER" – Internationalisation of doctoral schools” as part of the realization of the project “Curriculum for advanced doctoral education & taining – CADET Academy of Lodz University of Technology”.