Tematyka referatu dotyczy innowacyjnego podejścia w przygotowaniu danych stosowanych do trenowania konwolucyjnych sieci neuronowych w zakresie segmentacji kolorowych obrazów. Problem doboru danych trenujących oraz pozyskania ich wystarczającej ilości, niezbędnej do uzyskania modelu o jak najwyższej precyzji predykcyjnej, jest istotnym zagadnieniem w tematyce sieci neuronowych. Nieprawidłowe podejście do niego może sprawić, że nawet najlepiej przygotowana architektura sieci, nie będzie w stanie wygenerować modelu, który będzie działał z satysfakcjonującą dokładnością.
Gilbert zaproponował iteracyjny algorytm wyznaczania odległości między danym punktem a zbiorem wypukłym. Stosujemy algorytm Gilberta z kilkoma modyfikacjami i uproszczeniami, aby uzyskać górne ograniczenie na odległość Hilberta-Schmidta między danym stanem a zbiorem stanów separowalnych. Chociaż odległość Hilberta-Schmidta nie jest właściwą miarą splątania, to jednak może być stosowana jako bardzo dobry wskaźnik ilości splątania.
Katarzyna Gawlak, Wydział Transportu i Inżynierii Lotniczej, Politechnika Śląska
Data:
03/03/2022 - 11:00
Abstrakt:
Innowacyjność i poszukiwanie nowych rozwiązań jest kluczowym elementem ciągłego doskonalenia systemów zarządzania bezpieczeństwem przewoźników kolejowych. Z tego względu wspieranie posiadanych systemów rozwiązaniami informatycznymi daje szerokie i zupełnie nowe możliwości prezentacji i analizy danych gromadzonych w różnych obszarach funkcjonowania spółek kolejowych. Taka sytuacja ma miejsce między innymi w przypadku informacji dotyczących zdarzeń i wydarzeń zaistniałych na sieci kolejowej.
Konrad Jałowiecki, Uniwersytet Śląski w Katowicach
Data:
13/11/2019 - 13:00
Abstrakt:
Przedstawiamy w jaki sposób można znaleźć niskoenergetyczne spektrum dla małych (N < 50) szkieł spinowych o dowolnej strukturze, używając nowoczesnych GPU lub podobnej heterogenicznej architektury. Prezentowany algorytm wykonuje pełny przegląd po wszystkich możliwych konfiguracjach układu, w celu wybrania l << 2N stanów o najniższej energii, wraz z odpowiadającymi im energiami.
Kacper Pilarczyk, Akademia Górniczo-Hutnicza w Krakowie
Data:
21/10/2019 - 13:00
Abstrakt:
Rosnące wymagania stawiane systemom obliczeniowym katalizują prace nad niekonwencjonalnymi układami przetwarzającymi informację. Obserwuje się ciągły wzrost zainteresowania alternatywnymi – względem klasycznych rozwiązań opartych na krzemie – gałęziami elektroniki, które mogłyby znaleźć zastosowanie w budowie biosensorów, wyświetlaczy cienkowarstwowych, pamięci molekularnych, materiałów inteligentnych, etc.
W ostatnich dekadach możemy zauważyć wzmożone zainteresowanie różnymi technikami uczenia maszynowego, stosowanymi do rozwiązywania problemów z wszystkich dziedzin życia. Tak duża popularność jest spowodowana faktem, że metody uczenia maszynowego potrafią radzić sobie z problemami, które są trudne do rozwiązania w konwencjonalny sposób, z powodu nieznajomości reguł nimi rządzącymi. Ze względu na właściwości uczenia się i uogólniania wiedzy, metody te są w stanie rozwiązać wiele problemów. Techniki sztucznej inteligencji osiągają wysoką wydajność w różnych dziedzinach nauki.
Piotr Bełdowski, Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy
Data:
17/09/2019 - 13:00
Abstrakt:
Płyn stawowy obecny w naturalnych stawach składa się w ponad 70% wody, ale wykazuje niezwykłe właściwości smarujące, które są częściowo wynikiem interakcji między kwasem hialuronowym i zwykłymi fosfolipidami. W trakcie seminarium przedstawiony zostanie aktualny stan wiedzy na temat mechanizmu smarowania w chrząstce stawowej. Następnie zaprezentowane zostaną wyniki symulacji dynamiki molekularnej, eksperymentalne pomiary interakcji kwasu hialuronowego i fosfolipidów. Wyniki te omówione zostaną w odniesieniu do mechanizmu smarowania w układzie chrząstki stawowej.
Temat interfejsów mózg-komputer wrócił do świadomości publicznej kilka tygodni temu po prezentacji dokonań firmy Neuralink. Na prezentacji pod przewodnictwem Elona Muska zabrakło jednak szczegółow dotyczących analizy komputerowej sygnałów neuronalnych. W moim wystąpieniu postaram się rozwinąć ten temat bazując na badaniach i publikacjach związanych z moim przewodem doktorskim. Zaczynając od podstaw neuronauki i technik pomiaru aktywności mózgu, kończąc na obecnych trendach i aplikacjach, ze szczególnym uwzględnieniem metod uczenia głębokiego dla sygnału EEG.
We will present in this talk some new ideas and features pertaining to Higher Order Quantum Walks (also known as Quantum Walks with memory). It is known that quantum walks play a very important role in the design of algorithms for our "soon to arrive at a store near you" quantum computers. Because of this, there is an active research community constructing various different types of quantum walks with different properties.
W czasie seminarium omówione zostaną wybrane rodzaje sztucznych sieci neuronowych: grafowe sieci konwolucyjne (Graph Convolutional Networks), sieć konwolucyjna VGG-16 oraz binarne sieci neuronowe (Binary Neural Networks). Sieci grafowe mogą być wykorzystane w uczeniu półnadzorowanym m.in. w zadaniu klasyfikacji wierzchołków w grafie. Architektura VGG-16 zostala zdefiniowana przez Visual Geometry Group. Jest to typowa sieć konwolucyjna stosowana do klasyfikacji obrazów.
