Seminaria

Niekonwencjonalne podejście do przetwarzania informacji z wykorzystaniem Słoneczników van Gogha

Prelegent: 

Kacper Pilarczyk, Akademia Górniczo-Hutnicza w Krakowie

Data: 

21/10/2019 - 13:00

Abstrakt: 

Rosnące wymagania stawiane systemom obliczeniowym katalizują prace nad niekonwencjonalnymi układami przetwarzającymi informację. Obserwuje się ciągły wzrost zainteresowania alternatywnymi – względem klasycznych rozwiązań opartych na krzemie – gałęziami  elektroniki, które mogłyby znaleźć zastosowanie w budowie biosensorów, wyświetlaczy cienkowarstwowych, pamięci molekularnych, materiałów inteligentnych, etc.

Rozwój metod uczenia maszynowego bazujących na uczeniu zespołowym, głębokim i obliczeniach ewolucyjnych oraz ich fuzji

Prelegent: 

Paweł Pławiak, Politechnika Krakowska

Data: 

10/10/2019 - 13:00

Abstrakt: 

W ostatnich dekadach możemy zauważyć wzmożone zainteresowanie różnymi technikami uczenia maszynowego, stosowanymi do rozwiązywania problemów z wszystkich dziedzin życia. Tak duża popularność jest spowodowana faktem, że metody uczenia maszynowego potrafią radzić sobie z problemami, które są trudne do rozwiązania w konwencjonalny sposób, z powodu nieznajomości reguł nimi rządzącymi. Ze względu na właściwości uczenia się i uogólniania wiedzy, metody te są w stanie rozwiązać wiele problemów. Techniki sztucznej inteligencji osiągają wysoką wydajność w różnych dziedzinach nauki.

Synergia w biolubrykacji

Prelegent: 

Piotr Bełdowski, Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy

Data: 

17/09/2019 - 13:00

Abstrakt: 

Płyn stawowy obecny w naturalnych stawach składa się w ponad 70% wody, ale wykazuje niezwykłe właściwości smarujące, które są częściowo wynikiem interakcji między kwasem hialuronowym i zwykłymi fosfolipidami. W trakcie seminarium przedstawiony zostanie aktualny stan wiedzy na temat mechanizmu smarowania w chrząstce stawowej. Następnie zaprezentowane zostaną wyniki symulacji dynamiki molekularnej, eksperymentalne pomiary interakcji kwasu hialuronowego i fosfolipidów. Wyniki te omówione zostaną w odniesieniu do mechanizmu smarowania w układzie chrząstki stawowej.

Deep Learning w EEG

Prelegent: 

Krzysztof Kotowski, Politechnika Śląska

Data: 

21/08/2019 - 13:00

Abstrakt: 

Temat interfejsów mózg-komputer wrócił do świadomości publicznej kilka tygodni temu po prezentacji dokonań firmy Neuralink. Na prezentacji pod przewodnictwem Elona Muska zabrakło jednak szczegółow dotyczących analizy komputerowej sygnałów neuronalnych. W moim wystąpieniu postaram się rozwinąć ten temat bazując na badaniach i publikacjach związanych z moim przewodem doktorskim. Zaczynając od podstaw neuronauki i technik pomiaru aktywności mózgu, kończąc na obecnych trendach i aplikacjach, ze szczególnym uwzględnieniem metod uczenia głębokiego dla sygnału EEG.

Reversibility and Hierarchy in Higher Order Quantum Walks

Prelegent: 

Michael McGettrick, NUI Galway

Data: 

06/08/2019 - 13:00

Abstrakt: 

We will present in this talk some new ideas and features pertaining to Higher Order Quantum Walks (also known as Quantum Walks with memory). It is known that quantum walks play a very important role in the design of algorithms for our "soon to arrive at a store near you" quantum computers. Because of this, there is an active research community constructing various different types of quantum walks with different properties.

Analiza wybranych sieci neuronowych - GCN, VGG i BNN

Prelegent: 

Kamil Książek

Data: 

30/07/2019 - 12:00

Abstrakt: 

W czasie seminarium omówione zostaną wybrane rodzaje sztucznych sieci neuronowych: grafowe sieci konwolucyjne (Graph Convolutional Networks), sieć konwolucyjna VGG-16 oraz binarne sieci neuronowe (Binary Neural Networks). Sieci grafowe mogą być wykorzystane w uczeniu półnadzorowanym m.in. w zadaniu klasyfikacji wierzchołków w grafie. Architektura VGG-16 zostala zdefiniowana przez Visual Geometry Group. Jest to typowa sieć konwolucyjna stosowana do klasyfikacji obrazów.

Extremal Markov chains driven by the Kendall convolution and their applications

Prelegent: 

Barbara Jasiulis-Gołdyn, Uniwersytet Wrocławski

Data: 

29/05/2019 - 13:00

Abstrakt: 

Research goals of this talk are focused on the renewal theory, some aspects of the fluctuation theory and asymptotic properties for the first order maximal autoregressive processes of the Kendall type, which are discrete time Lévy processes under the Kendall convolution. Since most of the considered processes have heavy tailed distributions, then we rely on the use of results in the theory of extreme event modeling.

Wykorzystanie problemu QUBO do symulacji dynamiki systemu kwantowego

Prelegent: 

Konrad Jałowiecki, Uniwersytet Śląski w Katowicach

Data: 

10/05/2019 - 13:00

Abstrakt: 

Wprowadzamy nowatorskie podejście do symulowania dynamicznych (liniowych) systemów (kwantowych lub innych) równolegle w czasie za pomocą wyżarzaczy kwantowych. W szczególności opisujemy, w jaki sposób można znaleźć wektor stanu rozwiązania, rozwiązując specjalnie spreparowany system równań liniowych. Ponadto wykazujemy, że takie systemy mogą w rzeczywistości być skutecznie rozwiązane (do określonej precyzji) dzięki Quadratic Unconstrained Binary Optimization.

Algorytmy równoczesnego wyznaczania przepustowości kanałów oraz przepływów typu unicast oraz anycast w sieciach wielowarstwowych

Prelegent: 

Jakub Gładysz

Data: 

10/04/2019 - 13:15

Abstrakt: 

W czasie seminarium przedstawioną zostaną modele, proponowane algorytmy oraz wyniki badań dla problemu jednoczesnego wyznaczania przepustowości kanałów oraz przepływów typu unicast i anycast w wielowarstwowej sieci komputerowej opartej o technologię MPLS over DWDM.

Kwantowe sieci neuronowe do symulacji wielociałowych układów kwantowych

Prelegent: 

Bartłomiej Gardas, Uniwersytet Jagielloński

Data: 

05/04/2019 - 13:00

Abstrakt: 

Zaprezentowane zostaną eksperymentalne symulacje układów kwantowych wielu ciał przy użyciu hybrydowego algorytmu kwantowo-klasycznego. W naszym układzie funkcja falowa modelu kwantowego Isinga pola poprzecznego jest reprezentowana przez ograniczoną maszynę Boltzmanna. Ta sieć neuronowa jest następnie uczona przy użyciu wariacyjnego Monte Carlo wspomaganego przez próbnik kwantowy z falą D w celu znalezienia energii stanu podstawowego.

Strony