Pokaż stronęPoprzednie wersjeOdnośnikiDo góry Ta strona jest tylko do odczytu. Możesz wyświetlić źródła tej strony ale nie możesz ich zmienić. ~~NOTOC~~ ====== Laureaci konkursu PSSI na najlepszą rozprawę doktorską w dziedzinie Sztucznej Inteligencji w roku 2012 ====== {{ :pl:konkurs:belter.jpg|Dominik Belter}} ===== Nagroda PSSI za najlepszą polską pracę doktorską ze Sztucznej Inteligencji w roku 2012 ===== **dr inż. Dominik Belter**, Politechnika Poznańska \\ za pracę "//[[http://www.monoscience.com/public/pssi2012konkurs-Belter-rozprawa.pdf|Gait control of the six-legged robot on a rough terrain using computational intelligence learning and optimization methods]]//" \\ promotor: **prof. Piotr Skrzypczyński** Rozprawa doktorska dotyczy zagadnień związanych z systemem sterowania i percepcją sześcionożnego robota kroczącego poruszającego się w nieznanym środowisku o nieuporządkowanej strukturze. Pokazano, że wykorzystanie metod inteligencji obliczeniowej w systemie sterowania robota umożliwia jego efektywne poruszanie się w zróżnicowanym środowisku. \\ \\ {{ :pl:konkurs:andruszkiewicz.jpg|Piotr Andruszkiewicz}} ===== Wyróżnienie w konkursie PSSI na najlepszą rozprawę doktorską w dziedzinie Sztucznej Inteligencji roku 2012 ===== **dr inż. Piotr Andruszkiewicz**, Politechnika Warszawska \\ za pracę "//[[http://home.elka.pw.edu.pl/~pandrusz/phd/pssi2012konkurs-andruszkiewicz-rozprawa.pdf|Privacy Preserving Classification and Association Rules Mining over Centralised Data]]//" \\ promotor: **prof. Marzena Kryszkiewicz** Praca jest poświęcona zagadnieniu zapewniania prywatności w odkrywaniu reguł asocjacyjnych oraz klasyfikacji z wykorzystaniem danych scentralizowanych, które zostały zmodyfikowane przy użyciu metody zakłócania oryginalnej wartości. Metoda ta polega na modyfikacji poszczególnych oryginalnych wartości w losowy sposób. W pracy zaproponowana zostały nowe rozwiązania uwzględniające zapewnianie prywatności i pozwalające na zmniejszenie złożoności odkrywania reguł asocjacyjnych, uwzględnienie atrybutów porządkowych w klasyfikacji oraz uzyskanie większego wzrostu jakości klasyfikacji. \\ \\ {{ :pl:konkurs:chojnacki.jpg|Szymon Chojnacki}} ===== Wyróżnienie w konkursie PSSI na najlepszą rozprawę doktorską w dziedzinie Sztucznej Inteligencji roku 2012 ===== **dr Szymon Chojnacki**, Instytut Podstaw Informatyki PAN \\ za pracę "//[[http://www.ipipan.eu/~sch/publications/rozprawa.pdf|Analiza technicznych własności systemów rekomendujących za pomocą grafów losowych]]//" \\ promotor: **prof. Mieczysław Kłopotek** W rozprawie analizuję szybkość działania systemów rekomendujących. Systemy takie stają się coraz bardziej popularne m.in. w handlu elektronicznym. Celem systemu jest wyświetlenie użytkownikowi produktów interesujących dla niego. Rekomendacje tworzone są na podstwie danych historycznych. Krótki czas działania algorytmu jest ważny, aby tworzyć rekomendacje na podstawie aktualnych danych. W rozprawie przedstawione są nowe metody szacowania złożoności systemów rekomendujących. Oraz propozycje przyspieszenie obecnie stosowanych algorytmów. \\ \\ {{ :pl:konkurs:wiech.jpg|Przemysław Więch}} ===== Wyróżnienie w konkursie PSSI na najlepszą rozprawę doktorską w dziedzinie Sztucznej Inteligencji roku 2012 ===== **dr inż. Przemysław Więch**, Politechnika Warszawska \\ za pracę "//[[http://staff.ii.pw.edu.pl/~pwiech/pssi2012konkurs-wiech-rozprawa.pdf|Distributed Default Reasoning in the Semantic Web]]//" \\ promotor: **prof. Henryk Rybiński** Rozprawa przedstawia nowatorskie podejście do rozproszonego wnioskowania w systemie wieloagentowym, w którym bazy wiedzy agentów wyrażone są przy pomocy logik opisowych z domniemaniami. Praca przedstawia formalizm transformacji domniemań, który może zostać wykorzystany do przekazywania pomiędzy agentami komunikatów zawierających domniemania. Takie rozwiązanie pozwala na sprawniejsze przekazywanie wiedzy pomiędzy agentami oraz na uniknięcie wyciągania wniosków na podstawie zbyt szybko przyjętych założeń. \\ \\ pl/konkurs/laureaci2012.txt ostatnio zmienione: 4 lat temuprzez 127.0.0.1
127.0.0.1