Zespół Uczenia Maszynowego
Katedry Systemów i Sieci Komputerowych
machine learning pattern recognition classification imbalanced data classification multi-objective optimization classifier ensemble data stream classification ensemble learning classification and segmentation in computer vision imbalanced stream data one-class classification data stream concept drift problem complexity open set recognition deep learning life-long learning multimodal data object detection Machine Learning Image Classification Image Segmentation Image Processing Inference Optimization ML-enabled Systems pattern classification feature extraction and selection explainable AI artificial intelligence systems data mining multidimensional data analysis deep neural networks imbalanced data data stream mining dynamic classifier selection multi-dimensional encoding

O zespole

We are member of [Confederation of Laboratories for Artificial Intelligence Research in Europe CAIRNE]((https://cairne.eu/research-network/)

Conferences:

6th Polish Conference on Artificial Intelligence PP-RAI 2025, April 7-9, 2025, Katowice

Research interests

  • Machine learning and data mining
  • Information fusion and combined classifiers (multiple classifier systems, classifier ensembles)
  • Big data analytics
  • Data stream classification and concept drift (novelty) detection
  • One-class classification
  • Imbalanced data analysis
  • Methods of improving and stabilizing weak classifiers
  • Hybrid and compound classification
  • Active learning
  • Distributed and parallel computing systems for data mining
  • Applications to real-life problems

PhD theses

  1. Dr. Konrad Jackowski, PhD - thesis „Adaptive evelutionary classifier learning method based on feature space splitting and classifier selection” supervisor: Prof. Michał Woźniak
  2. Dr. Tomasz Wilk, PhD, thesis „Fuzzy combination of one-class classifiers” supervisor: Prof. Michał Woźniak
  3. Dr. Marcin Zmyślony, PhD - thesis „Combined classifiers with the trainable fusers” supervisor: Prof. Michał Woźniak
  4. Dr. Bartosz Krawczyk, PhD, thesis „Forming and pruning one-class classifier ensembles" supervisors: Prof. Francisco Herrera (University of Granada, Spain) and Prof. Michał Woźniak
  5. Dr. Piotr Sobolewski, PhD, thesis „Improving classification of data streams with the presence of concept drift by simulating concept recurrence" supervisor: Prof. Michał Woźniak
  6. Dr. Dariusz Jankowski, PhD, thesis "Evolutionary decision tree induction methods based on streaming data" supervisor: Prof. Boguslaw Cyganek
  7. Dr. Paweł Ksieniewicz, PhD, thesis „Multidimensional data representation and analysis" supervisor: Prof. Michał Woźniak
  8. Dr. Paweł Zyblewski, PhD, thesis, "Classifier selection for imbalanced data stream classification"supervisor: Prof. Michał Woźniak
  9. Dr. Jakub Klikowski, PhD., thesis, "Ensemble methods for imbalanced data stream classification"supervisor: Prof. Michał Woźniak
  10. Dr. Amgad M. Mohammed, PhD, thesis "Enhancement of Ensemble Data Mining Techniques via Soft Computing"supervisors: Prof. Enrique Onieva (DEUSTO University), Prof. Michał Woźniak

Projekty badawcze

lmlds

Lifelong Machine Learning on Data Stream

Kierownik prof. dr hab. inż. Michał Woźniak

2021-02-01—2024-02-16
finansowanie 596 700 [NCN]

moo

Wykorzystanie optymalizacji wielokryterialnej w uczeniu klasyfikatorów dla wybranych zadań decyzyjnych

Kierownik prof. dr hab. inż. Michał Woźniak

2020-10-01—2025-09-30
finansowanie 1 402 512 [NCN]

idstream

Algorytmy klasyfikacji niezbalansowanych strumieni danych

Kierownik prof. dr hab. inż. Michał Woźniak

2018-04-09—2022-03-09
finansowanie 613 920 [NCN]

id

Metody klasyfikacji wieloklasowej danych niezbalansowanych

Kierownik prof. dr hab. inż. Michał Woźniak

2016-07-22—2020-01-21
finansowanie 440 044 [NCN]

ds

Złożone metody klasyfikacji danych strumieniowych wykorzystujące paradygmaty uczenia nienadzorowanego i aktywnego

Kierownik prof. dr hab. inż. Michał Woźniak

2014-03-12—2017-03-11
finansowanie 669 292 [NCN]

Wybrane publikacje

Alphabet Flatting as a variant of n-gram feature extraction method in ensemble classification of fake news

Ksieniewicz, Paweł and Zyblewski, Paweł and Borek-Marciniec, Weronika and Kozik, Rafał and Choraś, Michał and Woźniak, Michał

Engineering Applications of Artificial Intelligence, 2023

problexity—An open-source Python library for supervised learning problem complexity assessment

Komorniczak, Joanna and Ksieniewicz, Paweł

Neurocomputing, 2023
W ramach projektu MOO

Stream-learn — open-source Python library for difficult data stream batch analysis

Ksieniewicz, P. and Zyblewski, P.

Neurocomputing, 2022
W ramach projektu IDSTREAM

Concept drift detector based on centroid distance analysis

Klikowski, Jakub

2022 International Joint Conference on Neural Networks (IJCNN), 2022
W ramach projektu IDSTREAM

Statistical Drift Detection Ensemble for batch processing of data streams

Komorniczak, Joanna and Zyblewski, Paweł and Ksieniewicz, Paweł

Knowledge-Based Systems, 2022
W ramach projektu IDSTREAM

SVM ensemble training for imbalanced data classification using multi-objective optimization techniques

Grzyb, Joanna and Woźniak, Michał

Applied Intelligence, 2022
W ramach projektu MOO

Dynamic Ensemble Selection for Imbalanced Data Stream Classification with Limited Label Access

Zyblewski, Paweł and Woźniak, Michał

Lecture Notes in Computer Science, 2021
W ramach projektu IDSTREAM

Multi-objective Evolutionary Undersampling Algorithm for Imbalanced Data Classification

Wojciechowski, Szymon

Lecture Notes in Computer Science, 2021
W ramach projektu MOO

Employing Decision Templates to Imbalanced Data Classification

Wojciechowski, Szymon and Woźniak, Michał

Hybrid Artificial Intelligent Systems, 2020
W ramach projektu IDSTREAM

Application of the Stochastic Gradient Method in the Construction of the Main Components of PCA in the Task Diagnosis of Multiple Sclerosis in Children

Topolski, Mariusz

Computational Science – ICCS 2020, 2020

Employing dropout regularization to classify recurring drifted data streams

Guzy, Filip and Wozniak, Michal

2020 International Joint Conference on Neural Networks (IJCNN), 2020

Application of Imbalanced Data Classification Quality Metrics as Weighting Methods of the Ensemble Data Stream Classification Algorithms

Wegier, Weronika and Ksieniewicz, Pawel

Entropy, 2020
W ramach projektu IDSTREAM

Aktualności

Archiwum

Jak sztuczna inteligencja może pomóc pingwinom?

W ramach współpracy z ZOO Wrocław nasi naukowcy zaprzęgają sztuczną inteligencję do pomocy pingwinom przylądkowym. #zum #borek #zyblewski

Obrona doktorska mgr inż. Joanny Komorniczak

21 listopada odbyła się obrona doktorska mgr inż. Joanny Komorniczak. #jkomorniczak #zum

Akademicki Gryf dla dr inż. Michała Panka

Dr inż. Michał Panek został laureatem tegorocznej edycji konkursu „Dolnośląski Gryf – Nagroda Gospodarcza”. #panek #zum

Polska zbyt mało wydaje na kadry IT - Filary Biznesu

Profesor Michał Woźniak udzielił komentarza do artykułu Filarów Biznesu. #wozniak #zum

Obrona doktorska mgr inż. Bogdana Gulowatego

20 marca odbędzie się obrona pracy doktorskiej mgr inż. Bogdana Gulowatego. #zum #gulowaty

Obrona doktorska mgr inż. Michała Panka

18 marca odbędzie się obrona pracy doktorskiej mgr inż. Michała Panka. #panek #zum