Prace dyplomowe - propozycje | ZBUM - Strona Zespołu Biometrii i Uczenia Maszynowego

Najbliższe seminarium

Na najbliższym seminarium
12. grudnia 2019
o godz. 12:15 w sali seminaryjnej 569 Michał Hałoń wygłosi prezentację pt. "Generative Adversarial Networks for speech enhancement" oraz Paweł Kaźmierczyk przedstawi prezentację pt. "Wood boards defects detection".

Serdecznie zapraszamy do uczestnictwa w seminarium.

Wiadomości

W dniu 18 czerwca 2019 Mateusz Trokielewicz obronił z wyróżnieniem rozprawę doktorską na Wydziale Elektroniki i Technik Informacyjnych Politechniki Warszawskiej. Praca pod tytułem „Iris Recognition Methods Resistant to Biological Changes in the Eye” była przygotowana pod opieką dr. hab. inż. Adama Czajki oraz profesora Andrzeja Pacuta.

Karolina Gabor-Siatkowska, doktorantka naszego Zespołu, reprezentując Politechnikę Warszawską, zdobyła II miejsce w skali ogólnopolskiej podczas XIV Ogólnopolskiej Olimpiady J. Niemieckiego dla Studentów Wyższych Szkół Technicznych. Olimpiada odbyła się 17.05.2019 w Studium Języków Obcych Politechniki Śląskiej, w Gliwicach.
Serdecznie gratulujemy i życzymy kolejnych sukcesów!

Michał Hałoń, doktorant naszego Zespołu dostał się z drużyną SKA Robotics na zawody robotów mobilnych University Rover Challenge 2019. Odbędą się one na przełomie maja oraz czerwca w USA, na pustyni w stanie Utah, w okolicach symulowanej bazy marsjańskiej. Gratulujemy kolejnego osiągnięcia, a także życzymy dalszych sukcesów!

Michał Hałoń, doktorant naszego Zespołu otrzymał Nagrodę Naukową Prezesa Polskiej Agencji Kosmicznej I stopnia za pracę magisterską pt. ,,Wykrywanie i rozpoznawanie znaczników na zawody robotów mobilnych European Rover Challenge''. Serdecznie gratulujemy i życzymy kolejnych sukcesów!

Iris scanner can distinguish dead eyeballs from living ones: MIT Technology Review podsumowuje najnowsze prace Zespołu w dziedzinie testowania żywotności tęczówki w przypadkach, gdy próbki mogą pochodzić od osób zmarłych.

8 listopada oraz 13 grudnia 2017 r. w ramach projektu AMBER. dołączyli do nas doktoranci Mohammadreza Azimi i Jalil Nourmohammadi Khiarak. Ich prace dotyczące biometrii mobilnej: " Making mobile biometrics more reliable" i " Countermeasure algorithms against subterfuge in mobile biometric systems" będą realizowane pod opieką profesora Andrzeja Pacuta.

Witamy serdecznie i życzymy sukcesów naukowych.

english version

Prace dyplomowe - propozycje

Opiekun: prof. dr hab. inż. Andrzej Pacut

Uczenie w głębokich sieciach neuronowych

Wykorzystanie uczenia nienadzorowanego do uczenia wielowarstwowych sieci neuronowych jest nowym i popularnym trendem w konstrukcji sieci neuronowych o wielu (>2) warstwach ukrytych (sieci głębokie), stosowanym m.in. przez duże firmy internetowe do reprezentacji informacji i przeszukiwania sieci (obrazy, mowa). Przedmiotem pracy będzie porównanie kilku koncepcji uczenia głębokiego do zadań klasyfikacji obrazów i porównanie ich ze standardowym uczeniem przy użyciu propagacji wstecznej.

Pre-trening sieci neuronowej z zastosowaniem auto-enkoderów

Jednym z zadań sieci neuronowych jest klasyfikacja obrazów, wymagająca uczenia przy użyciu zbioru obrazów i odpowiadających im klas. Wykorzystanie auto-enkodera (odtwarzanie na wyjściu warstwy obrazu wejściowego) jest wykorzystywane do pretreningu sieci neuronowej przy zastosowaniu uczenia nienadzorowanego, nie wymagającego znajomości klas obrazów. Podejście to umożliwia efektywne uczenie sieci,
których warstwy odpowiadają za cechy obrazów o różnym stopniu szczegółowości.

Głębokie sieci przekonań

Głębokie sieci przekonań (Bayesa) są wielowarstwowymi sieciami neuronowymi, które trenowane są warstwa po warstwie bez nadzoru i konstrukcji sieci wielowarstwowej przy użyciu takich warstw. Podejście to jest jednym ze sposobów uczenia sieci wielowarstwowych (sieci głębokich) zmniejszające problem minimów lokalnych i skracające czas uczenia w porównaniu z sieciami propagacji wstecznej.