!!Research output per year
!!Research output per year
Profil jednostki
Profil organizacji
W Katedrze Metod Matematycznych w Technice i Informatyce nasze główne zainteresowania naukowe koncentrują się na szeroko rozumianym zastosowaniu matematyki w naukach technicznych, ekonomii, medycynie i innych dziedzinach. Pracujemy nad dostosowaniem metod numerycznych, technik optymalizacyjnych oraz modelowania matematycznego do potrzeb praktycznych. Wykorzystujemy i rozwijamy metody sztucznej inteligencji, metody numeryczne, heurystyki oraz klasyczną matematykę do rozwiązywania problemów formułowanych zarówno jako problemy bezpośrednie, jak i odwrotne.
Nasze badania przyczyniają się do rozwiązywania problemów związanych z mechaniką, przepływem ciepła, detekcją obrazu oraz medycyną. Bogate doświadczenie w zastosowaniach matematyki w problemach inżynierskich poparte jest licznymi publikacjami w czasopismach naukowych o zasięgu międzynarodowym.
Cele zrównoważonego rozwoju ONZ
W 2015 r. państwa członkowskie ONZ przyjęły 17 globalnych celów zrównoważonego rozwoju (Sustainable Development Goals, SDG), aby położyć kres ubóstwu, chronić planetę i zapewnić wszystkim dobrobyt. Praca tej osoby przyczynia się do realizacji następujących celów SDG:
-
Cel 3 Dobre zdrowie i dobre samopoczucie -
Cel 4 Jakościowa edukacja -
Cel 6 Czysta woda i higiena -
Cel 7 Przystępna i czysta energia -
Cel 8 Godna praca i wzrost gospodarczy -
Cel 9 Przemysł, innowacje i infrastruktura -
Cel 10 Ograniczenie nierówności -
Cel 11 Zrównoważone miasta i społeczności -
Cel 12 Odpowiedzialne zużycie i produkcja -
Cel 13 Działanie na rzecz klimatu -
Cel 15 Życie na lądzie -
Cel 17 Partnerstwa na rzecz celów
Fingerprint
Sprawdź w jakich obszarach tematycznych Katedra Metod Matematycznych w Technice i Informatyce (RMS/RMS3) prowadzi działalność. Poniższe hasła pochodzą z prac członków tej jednostki. Razem tworzą niepowtarzalny odcisk palca - Fingerprint.
Współpraca i główne obszary badawcze z ostatnich pięciu lat
Ostatnia współpraca zewnętrzna na poziomie krajowym/terytorium. Zgłębiaj szczegóły, klikając w punkty lub
Naukowcy
Wyniki badań
-
A Centralized Federated Learning Framework with Security Aspects Against Byzantine and Sybil Attacks
Jaszcz, A., Woźniak, M., Pleszczyński, M. & Zielonka, A., 2026, Artificial Intelligence and Soft Computing - 24th International Conference, ICAISC 2025, Proceedings. Rutkowski, L., Scherer, R., Korytkowski, M., Pedrycz, W., Tadeusiewicz, R. & Zurada, J. M. (red.). Springer Science and Business Media Deutschland GmbH, str. 102-113 12 str. (Lecture Notes in Computer Science; tom 15948 LNCS).Wyniki badań: Rozdział w książce/raport/materiał konferencyjny › Wkład w konferencję › recenzja
1 Cytowanie z bazy Scopus -
A comprehensive analysis of machine learning algorithms for noisy image classification in astronomy
Ntolkeras, G., Moysis, L., Lawnik, M., Maraslidis, G., Choumpaev, A., Manakitsa, N., Asimopoulos, D. C. & Fragulis, G. F., 16 cze 2026, W: AIP Conference Proceedings. 3432, 1, 050029.Wyniki badań: Wkład do czasopisma › Artykuł z konferencji › recenzja
-
A dictionary algorithm for the solution to the generalized quickest path reliability problem
Kozyra, P. M., kwi 2026, W: Reliability Engineering and System Safety. 268, 112035.Wyniki badań: Wkład do czasopisma › Artykuł › recenzja
2 Cytowania z bazy Scopus