!!Research output per year
!!Research output per year
Profil jednostki
Profil organizacji
W Katedrze Modelowania Sztucznej Inteligencji prowadzimy zaawansowane badania w dziedzinie systemów inteligencji obliczeniowej i uczenia maszynowego oraz hybrydowych systemów sztucznej inteligencji. Pracownicy posiadają znakomite doświadczenie w modelach głębokich sieci neuronowych, systemów rozmytych oraz algorytmów heurystycznych stosowanych w modelach detekcji i rozpoznawania obiektów graficznych, systemach ekspertowych, symulacjach komputerowych i optymalizacji wielokryterialnej. Opracowane modele znalazły wiele zastosowań w zaawansowanych systemach informatycznych, IoT (internecie rzeczy), medycynie, technice i komunikacji. Pracownicy Wydziału posiadają wiele publikacji w najbardziej prestiżowych czasopismach o zasięgu światowym.
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 1 Brak ubóstwa -
Cel 2 Zero głodu -
Cel 3 Dobre zdrowie i dobre samopoczucie -
Cel 4 Jakościowa edukacja -
Cel 5 Równość płci -
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 11 Zrównoważone miasta i społeczności -
Cel 12 Odpowiedzialne zużycie i produkcja -
Cel 13 Działanie na rzecz klimatu -
Cel 14 Życie pod wodą -
Cel 15 Życie na lądzie -
Cel 16 Pokój, sprawiedliwość i silne instytucje -
Cel 17 Partnerstwa na rzecz celów
Fingerprint
Sprawdź w jakich obszarach tematycznych Katedra Modelowania Sztucznej Inteligencji (RMS/RMS2) 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
-
2D SMOKE PRESSURE SOLVING USING CUSTOM TRANSFORMER-BASED DEEP NEURAL NETWORK
Wieczorek, M. & Woźniak, M., 2026, 40th ECMS International Conference on Modelling and Simulation, ECMS 2026. Sanfilippo, F., Demrozi, F., Sgarbossa, F., Poursina, M., Al-Begain, K. & Iacono, M. (red.). European Council for Modelling and Simulation, str. 540-546 7 str. (Proceedings - European Council for Modelling and Simulation, ECMS; tom 2026-June).Wyniki badań: Rozdział w książce/raport/materiał konferencyjny › Wkład w konferencję › recenzja
Otwarty dostęp -
3D SMOKE UPSCALING USING LIGHTWEIGHT DNN
Wieczorek, M. & Woźniak, M., 2026, 40th ECMS International Conference on Modelling and Simulation, ECMS 2026. Sanfilippo, F., Demrozi, F., Sgarbossa, F., Poursina, M., Al-Begain, K. & Iacono, M. (red.). European Council for Modelling and Simulation, str. 533-539 7 str. (Proceedings - European Council for Modelling and Simulation, ECMS; tom 2026-June).Wyniki badań: Rozdział w książce/raport/materiał konferencyjny › Wkład w konferencję › recenzja
Otwarty dostęp -
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
Oferta badawcza
-
Zespół badawczy: AI Modeling Nexus
Woźniak, M. (Lider zespołu badawczego) & Połap, D. (Członek zespołu badawczego)
Wydział Matematyki Stosowanej (RMS)Obiekt/wyposażenie: Zespół badawczy