Zespół Uczenia Maszynowego specjalizuje się w zagadnieniach projektowania i doboru algortymów i modeli uczenia maszynowego do projektów aplikacyjnych, przede wszystkim związanych z wizją komputerową i szeregami czasowymi. W Zespole prowadzone są również badania podstawowe z obszaru metod uczenia maszynowego w obrazowaniu hiperspektralnym, a ostatnio przede wszystkim związane z uczeniem głębokim -- zagadnienia ,,martwych neuronów'', continual i reinforcement learning. Wywodząc się z Zespołu Systemów Multimedialnych, członkowie zespołu mają duże doświadczenie z zakresu analizy/drążenia danych (m.in. obrazy hiperspektralne, dane biomedyczne, obrazy 3D, dane sygnałowe), metod przetwarzania (m.in. statystyczne klasyfikatory, architektury uczenia głębokiego) jak i technicznych/organizacyjnych aspektów realizacji projektów badawczych i wdrożeniowych (m.in. proces przygotowania i wsparcie wdrożenia systemów uczenia maszynowego dla konkretnych problemów).
Aktualnie realizowane tematy:
- WaterPrime (2021-) nr POIR.01.01.01-00-1414/20, projekt którego celem jest opracowanie i wdrożenie platformy inteligetnej analizy danych w celu wykrywania wycieków i monitorowania stanu sieci wodociągowych. Projekt jest na etapie pliotażowego uruchomienia (3 przedsiębiorstwa wodociągowe, 20+ stref wodociągowych, ok. 10000 monitorowanych urządzeń), i już na tym etapie przyczynił się do wykrycia szeregu awarii i znacznego zmniejszenia strat wody (więcej informacji https://www.iitis.pl/pl/project/ekosystem-intelligence-augmentation-dla-analityk%C3%B3w-sieci-dystrybucji-wody, https://aiut.com/en/waterprime-artificial-intelligence-to-help-cities-detect-water-leaks/, https://doi.org/10.2166/ws.2023.118)
- Wspomaganie diagnostyki wybranych chorób przy pomocy biomarkerów, projekt realizowany wspólnie z Kliniką Psychiatrii Śląskiego Uniwersytetu Medycznego w Tarnowskich Górach. Celem projektu są badania pliotażowe metody parametrycznej oceny natężenia objawów m.in. schizofrenii i choroby afektywnej dwubiegunowej przy pomocy sygnałów HRV i akcelerometrów, w celu wsparcia diagnostyki medycznej (więcej informacji https://doi.org/10.1101/2023.08.04.23293640, https://zenodo.org/records/8171266)
Najważniejsze poprzednio realizowane tematy:
- Active Shape Network - seria projektów związanych z wykorzystaniem probablistycznych algorytmów grafowych (ang. probabilistic graphical models) do przetwarzania obrazowania hiperspektralnego (więcej infromacji https://doi.org/10.1016/j.forsciint.2021.110701, https://doi.org/10.3390/rs12162653, https://doi.org/10.1016/j.culher.2018.01.003, https://doi.org/10.1016/j.isprsjprs.2016.08.011)
- Seria projektów wdrożeniowych związanych z projektowaniem komponentów uczenia maszynowego do diagnostyki problemów w systemach dystrybucji paliw płynnych (więcej infromacji https://www.iitis.pl/pl/project/system-gromadzenia-i-analizy-danych-o-charakterze-strumieniowym-dedykowanego-dla-sieci, https://www.iitis.pl/pl/project/badanie-i-rozw-j-wdro-e-demonstracyjnych-inteligentnego-systemu-zarz-dzania-stanami-paliw-i, https://www.iitis.pl/en/project/opracowanie-i-budowa-modeli-oraz-metod-implementacji-inteligentnych-system%C3%B3w-monitorowania)
- Seria projektów związanych z przetwarzaniem obrazów, w tym w inspekcji przemysłowej i dla wsparcia operatora BSP. W tym ostatnim przypadku projekt ,,Moduł stabilizacji i śledzenia opracowany dla bezzałogowego systemu powietrznego FlyEye produkowanego przez Flytronic sp. z~o.o.'' miał na celu opracowanie algorytmów oraz implementacja komponentów przetwarzania obrazu dla zadań stabilizacji i śledzenia wskazanych przez operatora BSP. Demonstracja systemu FlyEye uzyskała wyróżnienie Ministra Spraw Wewnętrznych na targach Międzynarodowy Salon Przemysłu Obronnego Kielce 2010 r.
(Pełna lista publikacji i projektów - https://www.iitis.pl/person/pglomb, https://www.iitis.pl/pl/research-group/zesp%C3%B3%C5%82-uczenia-maszynowego)
Kierownik:
Członkowie zespołu:
2024
.
2024. Assessment of symptom severity in psychotic disorder patients based on heart rate variability and accelerometer mobility data. Computers in Biology and Medicine. 176
.
2024. Through the Thicket: A Study of Number-Oriented LLMs derived from Random Forest Models. arXiv preprint arXiv:2406.04926.
2023
.
2023. Link failure prediction in LoRa networks. International Wireless Communications and Mobile Computing Conference, IWCMC.
.
2023. Detection of emergent leaks using machine learning approaches. Water Supply. 23(6)
.
2023. Hyperspectral Imaging as a Facile and Non-Destructive Method for Size Analysis of Gold Nanoparticles Deposited on Porous Materials. Particle & Particle Systems Characterization.
.
2023. A Simple and Effective Classifier for the Detection of Psychotic Disorders based on Heart Rate Variability Time Series. Information Technologies – Applications and Theory 2023. 3498
.
2023. Hyper-Spectral Image Classification Using Adiabatic Quantum Computation. IGARSS 2023 - 2023 IEEE International Geoscience and Remote Sensing Symposium.
.
2023. Machine Learning for Water Leak Detection and Localization in the WaterPrime Project. Wojciechowski A.(Ed.), Lipiński P.(Ed.)., Progress in Polish Artificial Intelligence Research 4, Seria: Monografie Politechniki Łódzkiej Nr. 2437, Wydawnictwo Politechniki Łódzkiej, Łódź 2023, ISBN 978-83-66741-92-8, doi: 10.34658/9788366741928..
.
2023. Continual learning of a time series model using a mixture of HMMs with application to the IoT fuel sensor verification. Proceedings of the 18th Conference on Computer Science and Intelligence Systems, FedCSIS 2023, Warsaw, Poland, September 17-20, 2023.
2022
.
2022. Improving Autoencoder Training Performance for Hyperspectral Unmixing with Network Reinitialisation. 21st International Conference on Image Analysis and Processing. 13231
.
2022. Energy-Aware Algorithm for Assignment of Relays in LPWAN. Transactions on Sensor Networks. 18(4)
.
2022. Improving Autoencoders Performance for Hyperspectral Unmixing Using Clustering. Asian Conference on Intelligent Information and Database Systems. 1716
2021
.
2021. A dataset for evaluating blood detection in hyperspectral images. Forensic Science International. 320
2020
.
2020. Effective Training of Deep Convolutional Neural Networks for Hyperspectral Image Classification through Artificial Labeling. Remote Sensing. 12(16)
.
2020. Anomaly detection in hyperspectral remote sensing images. Hyperspectral Remote Sensing: Theory & Applications.
.
2020. Blood Stain Classification with Hyperspectral Imaging and Deep Neural Networks. Sensors. 20(Recent Advances in Multi- and Hyperspectral Image Analysis)
2019
.
2019. A Spatial-Spectral Disagreement-Based Sample Selection With an Application to Hyperspectral Data Classification. IEEE Geoscience and Remote Sensing Letters. 16:467-471.
.
2019. Band selection with Higher Order Multivariate Cumulants for small target detection in hyperspectral images. PP-RAI'2019. :p.121.
.
2019. Unsupervised deep learning approach to hyperspectral anomaly detection. PP-RAI'2019.
2018
.
2018. Application of hyperspectral imaging and Machine Learning methods for the detection of gunshot residue patterns. Forensic Science International. 290
.
2018. Adaptive, Hubness-Aware Nearest Neighbour Classifier with Application to Hyperspectral Data. Computer and Information Sciences.
.
2018. Automatic pigment identification from hyperspectral data. Journal of Cultural Heritage. 31:1-12.
2017
.
2017. Quantum hidden Markov models based on transition operation matrices. Quantum Information Processing. 16:101.
2016
.
2016. Parameter Estimation for HOSVD-based Approximation of Temporally Coherent Mesh Sequences. Proceedings of the 11th Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications.
.
2016. Semi-supervised hyperspectral classification from a small number of training samples using a co-training approach. ISPRS Journal of Photogrammetry and Remote Sensing. 121:60-76.
.
2016. Two Stage SVM Classification for Hyperspectral Data. Proceedings of the 5th International Conference on Pattern Recognition Applications and Methods - Volume 1: ICPRAM.
.
2016. Performance of Interest Point Descriptors on Hyperspectral Images. Proceedings of the 11th Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications - Volume 3: VISAPP.
2015
.
2015. Classification of LPG clients using the Hurst exponent and the correlation coeficient. Theoretical and Applied Informatics. 27(1):13–24.
.
2015. Experimental Evaluation of Selected Approaches to Covariance Matrix Regularization. Artificial Intelligence and Soft Computing. 9120:391-401.
2014
.
2014. Surface Mixture Models for the Optimization of Object Boundary Representation. Artificial Intelligence and Soft Computing, Lecture Notes in Computer Science 8467. :703–714.
.
2014. Natural hand gestures for human identification in a Human-Computer Interface. Image Processing Theory Tools and Applications (IPTA), 2014 4th International Conference on. :404–409.
2013
.
2013. Aplikacje Sieci Świadomej Treści. Inżynieria Internetu przyszłości część 2.
2012
.
2012. Do we need complex models for gestures? A comparison of data representation and preprocessing methods for hand gesture recognition Artificial Intelligence and Soft Computing Lecture Notes in Computer Science 7267. :477–485.
.
2012. Aplikacje sieci świadomej treści. Przegląd telekomunikacyjny. :1491–1502.
.
2012. Estimation of the number of states for gesture recognition with Hidden Markov Models based on the number of critical points in time sequence. Pattern Recognition Letters.
.
2012. Choosing and Modeling the Hand Gesture Database for a Natural User Interface. Gesture and Sign Language in Human-Computer Interaction and Embodied Communication.
2011
.
2011. The Effect of Multiple Training Sequences on HMM Classification of Motion Capture Gesture Data. Computer Recognition Systems. 4:365–373.
.
2011. Virtual Museum as an Example of 3D Content Distribution in the Architecture of a Future Internet. Computer Networks 2011. Communications in Computer and Information Science 160.. :459–464.
.
2011. Eigengestures for natural human computer interface. Man-Machine Interactions 2. :49–56.
.
2011. Gesture data modeling and classification based on critical points approximation. Advances in Intelligent and Soft Computing, 2011, Volume 95, Computer Recognition Systems 4,. 95:365–373.
.
2011. Choosing and modeling hand gesture database for natural user interface. GW 2011: the 9th International Gesture in Embodied Communication and Human-Computer InteractionWorkshop.
.
2011. Unsupervised Parameter Selection for Gesture Recognition with Vector Quantization and Hidden Markov Models. Lecture Notes in Computer Science, Human-Computer Interaction – INTERACT. 6949
2010
.
2010. Progressive 3D meshes transmission: traffic generating and simulation evaluation. Theoretical and Applied Informatics. 22:247–259.
2009
.
2009. 3D Mesh Approximation Using Vector Quantization. Advances in Soft Computing. 57/2009:71–78.
.
2009. 3D Mesh Identification Using Random Walks and Hidden Markov Models. Image Processing & Communications Challenges. :302–308.
.
2009. Modeling of Internet 3D Traffic Using Hidden Markov Models. Advances in Intelligent and Soft Computing. 64
.
2009. IMAGE CODING WITH CONTOURLET / WAVELET TRANSFORMS AND SPIHT ALGORITHM:AN EXPERIMENTAL STUDY. proc. of IMAGAPP 2009, International Conference on Imaging Theory and Applications, Lisboa, Portugal, 2009..
.
2009. Detection of interest points on 3D data: extending the Harris operator. 6th International Conference on Computer Recognition Systems.
.
2009. Interaktywna kinezyterapia dzieci z płaskostopiem. Aktualne Problemy Biomechaniki. :211–214.
.
2009. Laboratory for the exploration of virtual 3D environments. Annual Report 2009. :57–59.
2008
.
2008. Transmission of scalable video streams. Proceedings from the 4th Euro-NGI Workshop on New trends in network architectures and services.
.
2008. Experimental rate distortion analysis of image coder with contourlet transform and SPIHT algorithm. Theoretical and Applied Informatics.
2007
.
2007. Context selection for efficient bit modeling of contourlet transform coefficients. Theoretical and Applied Informatics. 19:135–146.
.
2007. Image Language Terminal Symbols from Feature Analysis. IEEE International Workshop on Imaging Systems and Techniques – IST.
.
2007. Computer Recognition Systems 2.
2006
2005
.
2005. Analysis of fGn and http requests traces using localized multiscale H parameter estimation. Symposium on Applications & The Internet.
.
2005. Modeling Connection State with Kernel PCA. 2nd EuroNGI Workshop on New Trends in Modeling, Quantitative Methods and Measurements.
2004
2002
.
2002. Kształtowanie ruchu w routerach pracujących w systemie Linux. Studia Informatica. 23
.
2002. Modelowanie stacji roboczych w sieci ATM przy użyciu symulatora OMNeT++. Studia Informatica. 23
