Laureaci konkursu PSSI na najlepszą rozprawę doktorską w dziedzinie Sztucznej Inteligencji w roku 2013

dr inż. Tomasz Kajdanowicz, Politechnika Wrocławska
za pracę „Classification Methods based on Multi-label Problem Transformation”
promotor: dr hab. inż. Przemysław Kazienko.

Rozprawa doktorska dotyczy zagadnień związanych z klasyfikacją wieloetykietową. Klasyfikacja wieloetykietowa pozwala na mapowanie wielu etykiet klas przypisanych jednocześnie do pojedynczej instancji danych. Aby sprostać problemom występującym w klasyfikacji wieloetykietowej bazującej na transformacji problemu, w pracy zaproponowano kilka nowych rozwiązań zapewniających bardziej dokładną klasyfikację dostępną w akceptowalnym czasie: Classifier Chain, AdaBoostSeq i uczenie się z kodami samokorygującymi. W pracy doktorskiej przedstawiono ocenę proponowanych metod, jak również przeprowadzono dyskusję na temat ich efektywności i złożoności obliczeniowej w porównaniu do innych aktualnych metod.

dr inż. Piotr Bigaj, Instytut Badań Systemowych PAN
za pracę „A memetic algorithm for the global path planning with movement constraints for a non-holonomic mobile robot”
promotor: prof. dr hab. inż. Janusz Kacprzyk

Praca przedstawia nowatorskie rozwiązanie jednego z najistotniejszych problemów robotyki mobilnej jakim jest globalne planowanie ścieżki (ang. Global Path Planning GPP). Zagadnienie to to w ogólności sprowadza się do rozwiązania problemu optymalizacyjnego z ograniczeniami. Ograniczenia wiążą się z zestawem zasad planowania ścieżki w tym ograniczeniami ruchu jakie narzuca nieholonomiczność robota, natomiast aspekt optymalizacyjny uwidacznia się w fakcie poszukiwania najkrótszej, najbardziej „efektywnej” ścieżki. W rozprawie postawiona została i udowodniona teza iż algorytmy inspirowanie biologiczne, a w szczególności algorytmy memetyczne, mogą być efektywnym narzędziem do globalnego planowania ścieżki robotów, zarówno w przypadku holomicznych jak nieholonomicznych robotów mobilnych.

dr inż. Michał Lech, Politechnika Gdańska
za pracę „Metody i algorytmy sterowania procesami miksowania dźwięku za pomocą gestów w oparciu o analizę obrazu wizyjnego”
promotor: dr hab. inż. Bożena Kostek

W ramach rozprawy opracowano nowatorski system miksowania dźwięku za pomocą gestów rąk rozpoznawanych na tle zmiennego obrazu wyświetlanego za pomocą projektora multimedialnego. Model rozpoznawania gestów oparty na analizie porównawczej strumieni wizyjnych – wyświetlanego przez projektor i pozyskanego z kamery – w którym zastosowano metody logiki rozmytej, maszyny wektorów nośnych i autorską metodę przetwarzania obrazu, zapewnił wysoką skuteczność bez konieczności stosowania elementów akwizycji takich jak emitery i czujniki podczerwieni.

dr inż. Krystyna Napierała, Politechnika Poznańska
za pracę „Improving Rule Classifiers For Imbalanced Data”
promotor: dr hab. inż. Jerzy Stefanowski

Rozprawa dotyczy uczenia klasyfikatorów regułowych z danych, w których jedna z klas jest dużo mniej liczna niż pozostałe. Takie rozkłady często występują m.in. w medycynie, bankowości i diagnostyce technicznej, i stanowią problem dla standardowych metod uczenia. W pierwszej części pracy przeanalizowano źródła trudności w uczeniu z danych niezrównoważonych. Następnie opracowano dwa nowe algorytmy regułowe: (1) wykorzystujący eksperckie wyjaśnienia przypadków oraz (2) analizujący lokalne rozkłady przykładów.