Zespół Biometrii i Uczenia Maszynowego
Wiadomości
Marzec 2023: Michał Hałoń wraz z drużyną SKA PW zajął pierwsze miejsce podczas zawodów MathWorks Minidrone Competition Poland 2023. Zadaniem uczestników było zaprojektowanie algorytmu umożliwiającego dronowi autonomiczne poruszanie się po wyznaczonej ścieżce oraz wylądowanie we wskazanym miejscu w jak najkrótszym czasie. Gratulujemy!
Wrzesień 2022: Michał Hałoń wraz z drużyną SKA Robotics zdobył nagrodę w konkursie "Bonus Competition Task – path optimization for a rover" podczas ósmej edycji zawodów robotów mobilnych European Rover Challenge. Zadaniem konkursowym była optymalizacja trasy łazika na powierzchni planetoidy Vesta z wykorzystaniem oprogramowania MATLAB&Simulink. Gratulujemy!
Listopad 2021: Wykorzystanie metod Deep Learningu do rozpoznawania markerów realizowane przez Michała Hałonia zostało opisane na blogu MathWorks Student Lounge
Lipiec 2021: Czasopismo recenzowane: Ewelina Bartuzi, Mateusz Trokielewicz "Multispectral hand features for secure biometric authentication systems", Concurrency Computat Pract Exper. 2021, DOI: 10.1002/cpe.6471 (Wiley Online Library)
Wrzesień 2020: Czasopismo recenzowane: Mateusz Trokielewicz, Adam Czajka, Piotr Maciejewicz "Post‐mortem Iris Decomposition and its Dynamics in Morgue Conditions", Journal of Forensic Sciences (Volume 65: 1530-1538, Issue 5, September 2020), DOI: 10.1111/1556-4029.14488 (Wiley Online Library)
Wrzesień 2020: Michał Hałoń wraz z drużyną SKA Robotics zdobył nagrodę specjalną 'Special Prize MathWorks' za najlepsze zastosowanie Toolboxów firmy MathWorks podczas szóstej edycji zawodów robotów mobilnych European Rover Challenge (wykorzystanie metod deep learningu do rozpoznawania markerów). Gratulujemy!
Sierpień 2020: Michał Hałoń został laureatem konkursu MathWorks "Make IT ROS!", w którym uczestnicy konkursu mieli za zadanie wykazać się wiedzą dotyczącą oprogramowania ROS (Robot Operating System) oraz zaproponować wykorzystanie tej platformy w projekcie studenckim. Gratulujemy!
Sieci neuronowe i uczenie maszynowe
- Rekurencyjne sieci neuronowe, np. Long-Short-Term Memory i Echo State Network
- Impulsowe sieci neuronowe (ang. spiking neural networks)
- Efektywna implementacja sieci neuronowych na kartach graficznych nVidia i AMD
- Algorytmy mrówkowe
- Uczenie się przez wzmacnianie
- Abstrakcja stanu
Prace doktorskie:
,,Ant Algorithms for Adaptive Routing in Telecommunication Networks'', Małgorzata Kudelska (A. Pacut, 2012)
,,Learning mechanisms with geographical localization of knowledge for adaptive routing control in mobile ad-hoc networks'', Michał Kudelski (A. Pacut, 2010)
,,Intensive Reinforcement Learning'', Paweł Wawrzyński (A. Pacut, 2005)
,,State abstraction in reinforcement learning'', Bartosz Papis (A. Pacut)
Wybrane prace magisterskie:
,,Modelowanie pamięci krótkookresowej przy użyciu rekurencyjnych sieci neuronowych"
,,Aproksymacja funkcji w oparciu o impulsową sieć neuronową"
,,Wykorzystanie algorytmów mrówkowych do problemu adaptacyjnego rutingu w sieciach" (2005)
,,Uczenie się reaktywnej polityki sterowania dla symulowanego zwierzęcia.''
,,Metody hierarchiczne w uczeniu przez wzmacnianie'' (2005)
,,Zastosowanie uczenia przez wzmacnianie do adaptacyjnego rutingu w sieciach'' (2005)
,,The adaptive critics' designs'' (2004)
,,Aproksymacja w algorytmach uczenia przez wzmacnianie'' (2003)
Wybrane prace inżynierskie:
,,Efektywna implementacja sieci neuronowej na karcie graficznej i procesorze wielordzeniowym" (2011)
,,Efektywna implementacja Impulsowej Sieci Neuronowej w technologii nVidia CUDA" (2011)
,,Particle swarm optimization in multiparameter problems'' (2011)
,,Algorytm sterowania neuronowego nieliniowymi obiektami dynamicznymi'' (2000)
,,Automatyczny dobór parametru kroku w uczącej się sieci neuronowej."