Deep Recommendation Based on Collective Knowledge

Kierownik projektu: Prof. dr hab. inż. Ngoc Thanh Nguyen, dr hab. inż. Dariusz Król 
Finansowanie: Ministerstwo Nauki i Szkolnictwa Wyższego i DAAD (Niemcy)
Program: Bilateralny Program Polsko-Niemiecki
Czas realizacji: 2018-2019

Metody zarządzania ewolucją ontologii i ich odwzorowań

Kierownik projektu: dr inż. Marcin Pietranik
Finansowanie: Narodowe Centrum Nauki
Program: SONATA
Czas realizacji: 2018-2021

Opracowanie metody do oceny potencjalnego obiektywnego przyrostu wiedzy po integracji ontologii na poziomie relacji

Kierownik projektu: dr inż. Adrianna Kozierkiewicz
Finansowanie: Narodowe Centrum Nauki
Program: MINIATURA
Czas realizacji: 2018

Wpływ dyfuzji wiedzy w grupach na kompletność wyszukiwania informacji

Kierownik projektu: dr inż. Marcin Maleszka
Finansowanie: Narodowe Centrum Nauki
Program: MINIATURA
Czas realizacji: 2018

Production Unit Performance Management Tool (PUPMT)

Kierownik projektu: Dr inż. Marek Krótkiewicz 
Finansowanie: Narodowe Centrum Badań i Rozwoju
Program: Szybka Ścieżka
Czas realizacji: 2018

Summer School on Collective Intelligence

Kierownik projektu: Prof. Ngoc Thanh Nguyen, dr inż. Marcin Maleszka  
Finansowanie: IEEE System Man and Cybernetics Society
Program: IEEE SMC Outreach
Czas realizacji: 2017-2018

Zastosowania systemów wieloagentowych do różnych zadań integracji wiedzy i podejmowania decyzji grupowych

Kierownik projektu: Prof. Ngoc Thanh Nguyen 
Finansowanie: Ministerstwo Nauki i Szkolnictwa Wyższego
Program: Uniwersytet Młodych Wynalazców
Czas realizacji: 2016-2017

ICT COST Action IC1302: Semantic Keyword-based Search on Structured Data Sources (KEYSTONE)

(KEYSTONE - Semantyczne wyszukiwanie na podstawie słów kluczowych w źródłach danych mających strukturę)

Realizacja systemu wieloagentowego oraz jego wykorzystanie do analizy różnych procesów integracji wiedzy i podejmowania grupowej decyzji

Kierownik projektu: Profesor Ngoc Thanh Nguyen
Finansowanie: Ministerstwo Nauki i Szkolnictwa Wyższego
Program: Uniwersytet Młodych Wynalazców
Czas realizacji: 2014-2015

Celem projektu jest opracowanie modelu systemu wieloagentowego oraz jego implementacja, który zostanie wykorzystany do analizy procesów integracji wiedzy i podejmowania decyzji grupowych. Projekt jest realizowany we współpracy z III LO we Wrocławiu. Uczniowie pod opieką pracowników naukowych naszej Katedry będą pracowali w grupach. Efektem pracy każdego zespołu będzie zaimplementowany system wieloagentowy, opracowana metoda integracji wiedzy i rozwiązywania problemu niespójności wiedzy kolektywu oraz analiza jakości tej wiedzy.

W jakim stopniu zjawisko propagacji błędów występujące w inteligentnych i inspirowanych przyrodą strukturach sieciowych można wykorzystać do projektowania złożonych systemów informatycznych?

Kierownik projektu: Dr inż. Dariusz Król
Finansowanie: Komisja Europejska, Marie Curie Action: Intra-European Fellowship
Czas realizacji: 2012-2014
http://cordis.europa.eu/project/rcn/101627_en.html

Projekt realizowany w ramach wniosku FP7-PEOPLE - 2010 - IEF - 274375 - EPL dotyczył kwestii, czy i w jakim stopniu zasady projektowania złożonych systemów informatycznych można określić badając zjawisko propagacji błędów występujące w strukturach biologicznych, transportowych i komunikacyjnych.
Do najważniejszych wyników projektu można zaliczyć przygotowanie numeru specjalnego czasopisma New Generation Computing pt. "Propagation Phenomenon in Complex Networks: Theory and Practice”, jak również redakcję książki pt. "Propagation Phenomena in Real World Networks” opublikowanej przez wydawnictwo Springer w serii Intelligent Systems Reference Library.

Metody odwzorowywania ontologii uwzględniające semantykę i wartościowanie atrybutów

Kierownik projektu: mgr inż. Marcin Pietranik
Finansowanie: Narodowe Centrum Nauki
Program: PRELUDIUM
Czas realizacji: 2011-2013

Głównym celem projektu jest opracowanie metod mapowania ontologii. Najważniejszym wkładem do tej szeroko omawianej w literaturze dziedziny jest rozszerzenie definicji ontologii o semantyki najmniejszych elementów występujących w takich strukturach jakimi są atrybuty. Następnie formalne kryteria wykrywania relacji pomiędzy atrybutami są wykorzystywane w procesie wyznaczania poprawnych mapowań.

Metoda wyznaczania personalizowanego scenariusza uczenia w systemach E-learning

Kierownik projektu: Prof. dr hab. inż. Ngoc Thanh Nguyen
Finansowanie: Ministerstwo Nauki i Szkolnictwa Wyższego
Nr projektu: N N516 041937
Typ: promotorski
Czas realizacji: 2009-2011

Głównym celem projektu jest opracowanie metody wyznaczenia efektywnego scenariusza uczenia dla studenta z wykorzystaniem metod personalizacji. Następnie metoda zostanie implementowana w inteligentnym systemie e-learning.

Metody integracji wiedzy w wybranych zadaniach kolektywnej inteligencji

Kierownik projektu: Prof. dr hab. inż. Ngoc Thanh Nguyen
Finansowanie: Ministerstwo Nauki i Szkolnictwa Wyższego
Nr projektu: N N519 407437
Typ: własny
Czas realizacji: 2009-2012

Głównym celem projektu jest opracowanie wachlarzu metod integracji wiedzy opartych o metody kolektywnej inteligencji. Nacisk jest położony na takie aspekty jak przetwarzanie niespójności wiedzy, języki komunikacji w środowiskach wieloagentowych, systemach rekomendacji i przetwarzanie danych niekompletnych.

Modelowanie Kolektywnej Inteligencji Obliczeniowej poprzez Zastoswanie Teorii Konsensusu

Kierownik projektu: Professor Ngoc Thanh Nguyen
Polska Akademia Nauk (PAN) i National Research Foundation (NRF-Korea)
Czas realizacji: 2010-2011

Głównym celem projektu jest opracowanie metod dla kolektywnej inteligencji z wykorzystaniem teorii Consensusu. Główny nacisk jest położony na przetwarzanie niespójności wiedzy w systemach webowych i integracji ontologii.

Wielomodelowe metody predykcji dla dynamicznych problemów regresyjnych

Kierownik projektu: Dr inż. Bogdan Trawiński
Finansowanie: Narodowe Centrum Nauki
Nr projektu: N N516 483840
Typ: własny
Czas realizacji: 2011-2014

Głównym celem projektu jest opracowanie nowych modeli i metod predykcji, opartych na podejściu wielomodelowym i hybrydowym. Przewiduje się opracowanie metod, które zapewniałyby niezbędną równowagę pomiędzy czterema zasadniczymi warunkami: były wystarczająco dokładne, stabilne, interpretowalne oraz efektywne. Kryteria te są bardzo ważne w niektórych obszarach zastosowań, w szczególności w przypadku długookresowych wycen wartości, np. wartości nieruchomości, czy wartości pakietów długów sprzedawanych i kupowanych na wolnym rynku.

W związku z właściwością przyrostowego pojawiania się informacji służących do generalizacji na systemy uczące nałożone jest wymaganie rewizji dotychczas nauczonej wiedzy jak tylko pojawiają się nowe obserwacje. Zatem istotnym problemem w predykcji dynamicznych zagadnień regresyjnych jest niestacjonarność danych. Celem wnioskowanego projektu jest opracowanie metod ewoluującego i inkrementacyjnego uczenia dla predykcji zagadnień regresyjnych, które pozwolą na odzwierciedlanie zmiennej w czasie charakterystyki danych.

Można wymienić pięć zasadniczych obszarów badawczych rozważanych w ramach projektu: ewoluujące systemy rozmyte zastosowane w systemach wielomodelowych, samoadaptujące algorytmy genetyczne wykorzystywane do optymalizacji systemów rozmytych, inkrementacyjne algorytmy dla zespołów modeli, wielomodelowa predykcja struktur złożonych (sekwencji, grafów, multigrafów), uczenie inkrementacyjne z wykorzystaniem podprzestrzeni cech i zawężonych próbek danych.

Metody propagacji danych w rozwiązywaniu zadań kolektywnej inteligencji

Kierownik projektu: Dr. Dariusz Król
Finansowanie: Ministerstwo Nauki i Szkolnictwa Wyższego
Nr projektu: N N516 448538
Typ: habilitacyjny
Czas realizacji: 2010-2011

Podstawowym celem projektu jest opracowanie efektywnych metod propagacji danych w nowoczesnych systemach sieciowych i ich zastosowanie w rozwiązywaniu wybranych zadań kolektywnej inteligencji. Takie metody są stosowane, gdy podmioty tworzą autonomiczne i rozproszone źródła danych (wiedzy) a do wykonania zadania potrzebują integracji tych danych (wiedzy). Z powodu dużej złożoności dzisiejszych systemów sieciowych, do których zaliczamy sieci P2P, sieci społeczne czy systemy wieloagentowe projekt wymaga zastosowania algorytmów inspirowanych przyrodą, wielokryterialnej optymalizacji oraz zaawansowanego programowania sieciowego.
W ramach projektu zostaną wykonane następujące zadania:
1. Opracowanie ogólnego modelu propagacji, typów propagacji dla różnych rodzajów danych oraz schematów integracji danych. Ogólna analiza procesów propagacyjnych została już opracowana przez autora wniosku w 3 pracach z tzw. listy filadelfijskiej. Ponadto, zostanie zdefiniowany zbiór możliwych typów propagacji dla danych "pozytywnych" i "negatywnych". Zostaną opracowane algorytmy do wyznaczania wyniku propagacji.
2. Opracowanie algorytmów propagacji consensusu w różnych systemach sieciowych. Propagacja consensusu pozwala na dystrybucję wiedzy na różne platformy implementacyjne. Podobnie jak system z integrowaną wiedzą ma wyższą inteligencję niż systemy składowe tak samo system z możliwością propagacyjną jest efektywniejszy ("pozytywnie" lub "negatywnie") niż systemy bez tej cechy.
3. Opracowanie metod rozwiązywania konfliktów w sieciowym procesie propagacyjnym. Wykorzystana zostanie na tym etapie teoria consensusu, która pozwoli na uniknięcie niepotrzebnych czy szkodliwych.