Zespół Uczenia Maszynowego
Katedry Systemów i Sieci Komputerowych
explainable ai machine learning classification imbalanced data classification multi-objective optimization classifier ensemble data stream classification ensemble learning 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 pattern recognition data stream mining

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, "Algorithms for classification of inbalanced data streams"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

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

Grzyb, Joanna and Woźniak, Michał

Applied Intelligence, 2022
W ramach projektu MOO

Multicriteria Classifier Ensemble Learning for Imbalanced Data

Wegier, Weronika and Koziarski, Michal and Wozniak, Micha

IEEE Access, 2022
W ramach projektu MOO

Hybrid Regression Model for Link Dimensioning in Spectrally-Spatially Flexible Optical Networks

Wojciechowski, Szymon and Goscien, Roza and Ksieniewicz, Pawel and Walkowiak, Krzysztof

IEEE Access, 2022

Adapting K-Means Algorithm for Pair-Wise Constrained Clustering of Imbalanced Data Streams

Wojciechowski, Szymon and González-Almagro, Germán and García, Salvador and Woźniak, Michał

Hybrid Artificial Intelligent Systems, 2022
W ramach projektu IDSTREAM

The impact of the COVID-19 pandemic on the mental health of children with psychiatric diagnoses – multidimensional CCPCA Model

Kalenik, Anna Maria and Topolski, Mariusz and Górnik, Justyna and Wolańczyk, Tomasz

BMC Psychiatry, 2022

Application of Multi-objective Optimization to Feature Selection for a Difficult Data Classification Task

Grzyb, Joanna and Topolski, Mariusz and Woźniak, Michał

Lecture Notes in Computer Science, 2021

Hellinger Distance Weighted Ensemble for imbalanced data stream classification

Grzyb, Joanna and Klikowski, Jakub and Woźniak, Michał

Journal of Computational Science, 2021
W ramach projektu IDSTREAM

Novel feature extraction method for signal analysis based on independent component analysis and wavelet transform

Topolski, Mariusz and Kozal, Jędrzej

PLOS ONE, 2021

Application of Feature Extraction Methods for Chemical Risk Classification in the Pharmaceutical Industry

Topolski, Mariusz

Sensors, 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

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

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

Aktualności

Archiwum

Obrona doktorska mgr inż. Joanny Klikowskiej

Już w najbliższy czwartek, 5 grudnia, odbędzie się obrona doktorska mgr inż. Joanny Klikowskiej. #klikowska #zum

Nagroda Rektora dla mgr. inż. Jędrzeja Kozala

Nasz doktorant, mgr inż. Jędrzej Kozal, otrzymał nagrodę Rektora Politechniki Wrocławskiej za wybitne osiągnięcie naukowe w roku akademickim 2023/2024. #zum #kozal

Wykład prof. Woźniaka na AERFAI

Profesor Woźniak wygłosił wykład na AERFAI Seminar Series on Topics in Machine Learning organizowanym w Hiszpanii. #wozniak #zum

Spotkanie Międzynarodowej Rady Doradczej Politechniki w Ostrawie

W dniach 15–17 maja 2024 miało miejsce pierwsze spotkanie Międzynarodowej Rady Doradczej Politechniki w Ostrawie (VSB-TUO). #zum #mwozniak

Stopień doktora habilitowanego dla Mariusza Topolskiego

28 lutego 2024 r. Rada Dyscypliny Naukowej Informatyka Techniczna i Telekomunikacja przyznała stopień doktora habilitowanego Mariuszowi Topolskiemu, pracownikowi naszej Katedry. #topolski #zum

Nasi pracownicy w komitetach naukowych PAN

Dwóch naszych pracowników wybranych zostało do komitetów naukowych PAN - prof. Krzysztof Walkowiak do Komitetu Elektroniki i Telekomunikacji, a prof. Michał Woźniak do Komitetu Informatyki. #wozniak #walkowiak #zum #zsk