Systemy sztucznej inteligencji

Wydział prowadzi zaawansowane badania w dziedzinie systemów inteligencji obliczeniowej i uczenia maszynowego oraz hybrydowych systemów sztucznej inteligencji. Pracownicy posiadają znakomite doświadczenie w modelach głębokich sieci neuronowych, systemów rozmytych oraz algorytmów heurystycznych stosowanych w modelach detekcji i rozpoznawania obiektów graficznych, systemach expertowych, symulacjach komputerowych i optymalizacji wielokryterialnej. Opracowane modele znalazły wiele zastosowań w zaawansowanych systemach informatycznych, IoT (internecie rzeczy), medycynie, technice i komunikacji. Pracownicy Wydziału posiadają wiele publikacji w najbardziej prestiżowych czasopismach o zasięgu światowym, a wśród nich m.in.:

• Woźniak et. al : 6G-enabled IoT Home Environment control using Fuzzy Rules. IEEE Internet of Things Journal, IEEE, USA 2021.
• Woźniak et. al : Recurrent Neural Network model for IoT and networking malware threads detection. IEEE Transactions on Industrial Informatics, IEEE, USA 2021.
• Woźniak et. al : Body Pose Prediction Based on Motion Sensor Data and Recurrent Neural Network. IEEE Transactions on Industrial Informatics, IEEE, USA 2021.
• Połap et. al : An adaptive genetic algorithm as a supporting mechanism for microscopy image analysis in a cascade of convolution neural networks. Applied Soft Computing, Elsevier 2020.
• Połap et. al : Bio-inspired Voice Evaluation Mechanism. Applied Soft Computing, Elsevier 2019, pp. 342-357.
• Marszałek et. al : Fully flexible parallel merge sort for multicore architectures. Complexity, Hindawi-John Wiley & Sons, Inc. 2018.
• Marszałek et. al : Parallelization of Modified Merge Sort Algorithm. Symmetry, MDPI, 2017.