TEMATY PRAC DOKTORSKICH - AVAILABLE TOPICS OF PHD THESES

Wsparcie dla doktorantów w postaci stypendium dla każdego doktoranta wg nowego projektu Ministerstwa Nauki i Szkolnictwa Wyższego od 01.10.2018!

Ponadto dostępne są stypendia wydziałowe, naukowe, ministerialne i wsparcie socjalne dla doktorantów... Jeśli kochasz naukę, technikę i sztuczną inteligencję umów się, przyjdź i porozmawiamy o swoim doktoracie! Zapraszam. Adrian Horzyk

Konstytucja dla Nauki wprowadza szkoły doktorskie, które zastąpią studia doktoranckie i nie będą oferowały niestacjonarnego trybu studiowania. Kluczowe jest jednak zapewnienie znaczącego wsparcia przyszłych doktorantów. Każdy z nich otrzyma stypendium. Ustawa wprowadza urlopy rodzicielskie (macierzyńskie i ojcowskie) dla doktorantów udzielane na zasadach identycznych jak w przypadku osób zatrudnionych na umowę o pracę. To ostatnie rozwiązanie jest wynikiem konsultacji społecznych. Ustawa ma wejść w życie 1 października 2018 roku. Ponadto dostępna jest cała gama stypendiów dla doktorantów za osiągnięcia w nauce i publikacje naukowe!

Coroczny konkurs na najlepszą pracę doktorską organizowany przez Polskie Stowarzyszenie Sztucznej Inteligencji (PSSI).

Część tematów prac doktorskich może być wspierana przez projekty badawcze i granty lub inwestorów zewnętrznych. W przypadku zainteresowania napisz do mnie i porozmawiamy o dalszych perspektywach Twojego rozwoju i realnych możliwościach! Zapraszam. Adrian Horzyk

Możliwe do uzgodnienia również inne tematy prac doktorskich zgodnych z tematyką prowadzonych przeze mnie badań naukowych w zakresie sztucznej inteligencji, inteligencji obliczeniowej, systemów asocjacyjnych i kognitywistycznych, modelowania pamięci, uczenia maszynowego, rozpoznawania wzorców (obrazów, akustycznych, biomedycznych o strukturze wzorców klasycznych, sekwencyjnych i strukturalnych).


LP. TEMAT PRACY DOKTORSKIEJ CEL, TEZA I ZAKRES PRACY DOKTORSKIEJ STATUS
6. Rozwój głębokich asocjacyjnych grafowych baz danych i relacji oraz szybkich skojarzeniowych algorytmów wyszukiwania, klasteryzacji, klasyfikacji, predykcji, wnioskowania i rekomendacji z wykorzystaniem mechanizmów neuronowych i sztucznej inteligencji.
Development of deep associative graph databases and relationships as well as fast association search, clustering, classification, prediction, inference, and recommendation algorithms using neural mechanisms and artificial intelligence.
Zagadnienie badawcze obejmuje opracowanie nowych skojarzeniowych baz danych przechowujących oprócz danych dużą ilość relacji łączących dane oraz obiekty w grafowych głębokich strukturach opartych o mechanizmy neuronowe oraz grafowe skojarzeniowego głębokie struktury neuronowe. Celem jest rozszerzenie klasycznego pojęcia baz danych do baz danych i relacji oraz wykorzystanie tych relacji do stworzenia algorytmów znacząco przyspieszających procesy wyszukiwania, wnioskowania, klasteryzacji, klasyfikacji, predykcji itd. Prace badawcze będą również porównać opracowane struktury, metody, modele i algorytmy do obecnie stosowanych w sztucznej inteligencji, inteligencji obliczeniowej, inżynierii wiedzy, bazach danych oraz kognitywistyce. Badania rozwijać będą też struktury, metody i algorytmy sztucznej inteligencji oparte o asocjacyjny model wiedzy.
The research issue includes the development of new associative databases storing in addition to data a large number of relationships connecting data and objects in graph deep structures based on neuronal mechanisms and graph associative deep neuronal structures. The goal is to extend the classic concept of databases to databases and relationships and to use these relationships to create algorithms that significantly accelerate the processes of searching, inference, clustering, classification, prediction, etc. Research work will also compare developed structures, methods, models, and algorithms to those currently used in artificial intelligence, computational intelligence, knowledge engineering, databases, and cognitive science. The research will also develop artificial intelligence structures, methods, and algorithms based on an associative knowledge model.
DOSTĘPNY/AVAILABLE
5. Rozwój asocjacyjnych struktur reprezentacji wiedzy oraz asocjacyjnych metod tworzenia i uczenia sieci neuronowych i systemów kognitywnych.
Development of associative knowledge representation structures and associative methods for creating and learning neural networks and cognitive systems.
Zagadnienie badawcze obejmuje opracowanie nowych oraz uogólnienie istniejących struktur asocjacyjnych w kontekście modelowania i automatycznego tworzenia struktur zdolnych przechowywać wiedzę w sposób skojarzeniowych odwzorowujących działanie neuronowych struktur biologicznych oraz metod uczenia takich struktur w sposób skojarzeniowy. Celem jest oparte na wiedzy czerpanej z biologii i neurofizjologii stworzenie skojarzeniowych struktur kognitywnych zdolnych do formowania i wykorzystania wiedzy. Prace badawcze będą również porównać opracowane struktury, metody, modele i algorytmy do obecnie stosowanych w sztucznej inteligencji, inteligencji obliczeniowej, inżynierii wiedzy, biocybernetyce oraz kognitywistyce. Badania zmierzać będą do rozwoju sztucznej inteligencji opartej o asocjacyjny model wiedzy.
The research issue includes the development of new and generalization of existing associative structures in the context of modeling and automatic creation of structures capable of storing knowledge in an associative manner mapping the operation of neuronal biological structures and methods of teaching such structures in an associative way. The goal is to create associative cognitive structures capable of forming and using knowledge-based on biology and neurophysiology knowledge. The research will also compare the developed structures, methods, models, and algorithms to those currently used in artificial intelligence, computational intelligence, knowledge engineering, biocybernetics, and cognitive science. The research will aim to develop artificial intelligence based on an associative knowledge model.
DOSTĘPNY/AVAILABLE
4. Zastosowanie innowacyjnych metod uczenia maszynowego, w tym uczenia asocjacyjnego i motywowanego, do tworzenia inteligentnych, kognitywnych, samouczących się agentów.
The use of innovative machine learning methods, including associative and motivated learning, to create intelligent, cognitive, self-learning agents.
Zagadnienie badawcze obejmuje opracowanie nowych oraz rozwinięcie istniejących modeli szeroko pojętej sztucznej inteligencji, inteligencji obliczeniowej, inżynierii wiedzy w celu umożliwienia automatycznej adaptacji, tworzenia wiedzy i inteligentnego zachowania się agentów. Prace badawcze będą również porównać opracowane metody, modele i algorytmy do obecnie stosowanych. Kryterium porównawczym będzie zdolność agentów do samoorganizacji oraz kreacji bazy wiedzy na podstawie ich interakcji ze środowiskiem. Po za klasycznymi modelami i metodami uczenia maszynowego do realizacji zagadnienia zastosowane zostaną asocjacyjne struktury danych i ich sieci neuronowe oraz metody uczenia motywowanego.
The research issue includes the development of new and extension of existing models of broadly understood artificial intelligence, computational intelligence, knowledge engineering in order to enable automatic adaptation, creation of knowledge and intelligent behavior of agents. Research work will also compare the developed methods, models and algorithms to those currently used. The comparative criterion will be the agents' ability to self-organize and create a knowledge base based on their interaction with the environment. After the classic models and methods of machine learning, the implementation of the problem will be applied to associative data structures and their neural networks and motivated learning methods.
DOSTĘPNY/AVAILABLE
3. Wykorzystanie innowacyjnych metod głębokiego uczenia, w tym splotowych sieci neuronowych i uczenia się w trybie kontradyktoryjnym, w celu poprawy jakości obrazu i wideo oraz wykorzystania w problemach z wizji komputerowej.
● The use of innovative deep learning methods, including convolutional neural networks and adversarial learning to improve Image and video quality and use to computer vision problems.
Zadania badawcze obejmować będą opracowanie nowych i rozszerzenie istniejących modeli zadań z zakresu widzenia komputerowego z algorytmami głębokiego uczenia się w celu podniesienia jakości obrazów i filmów, a także klasyfikacji, wykrywania i opisu semantycznego obiektów. Prace badawcze porównają również opracowane metody, modele i algorytmy z obecnie stosowanymi. Kryteria porównawcze zostaną wykonane na podstawie znanych wskaźników jakości obrazu, takich jak stosunek sygnału szczytowego do szumu (PSNR) i podobieństwo strukturalne (SSIM). Ponadto osiągnięte ulepszenia zostaną uwzględnione w aplikacji komputerowej i internetowej, aby udostępnić te metody do użytku publicznego.
The research issue includes the development of new and extension of existing models for computer vision tasks with deep learning algorithms in order to increase the quality of images and videos as well as classification, detection, and semantic description of the objects. Research work will also compare the developed methods, models, and algorithms to those currently used. The comparative criteria will be done by known image quality metrics such as Peak Signal to Noise Ratio (PSNR) and Structural Similarity (SSIM). More, the achieved improvements will be included in a desktop and web application in order to share these methods for public usage.
DOSTĘPNY/AVAILABLE
2. Zastosowanie nowych asocjacyjnych modeli i metod sztucznej inteligencji do automatycznej analizy i klasyfikacji obrazów medycznych, sygnałów EKG oraz badania jednostek chorobowych.
Application of new associative models and methods of artificial intelligence for automatic analysis and classification of medical images, ECG signals and examination of disorders.
Badania będą zorientowane na opracowanie nowych modeli obliczeniowych opartych na asocjacyjnych grafowych strukturach danych i sieciach neuronowych służących do przeprowadzania analizy danych medycznych w postaci szeregów czasowych oraz serii obrazów. Efektem tej analizy będzie m.in. przeprowadzanie klasyfikacji pod kątem wybranych jednostek chorobowych a także eksploracja wiedzy zawartej w analizowanych danych. Modele te, wraz z operującymi na nich algorytmami, a w szczególności ich praktyczne implementacje, będą miały za zadanie wspomóc pracowników służby zdrowia oraz pacjentów w nietrywialnych zagadnieniach diagnostycznych. W proponowanych modelach będą wykorzystane także znane rozwiązania m.in. konwolucyjne i rekurencyjne sieci neuronowe oraz algorytmy uczenia maszynowego. Ponadto zostaną wykorzystane istniejące asocjacyjne modele i metody inteligencji obliczeniowej. Opracowane modele zostaną porównane z innymi dostępnymi metodami analizy danych medycznych i klasyfikacji jednostek chorobowych.
The research will focus on the development of new computational models based on associative graph data structures and neural networks for medical data analysis in the form of time series and images. The result of the analysis will be the classification of certain disorders as well as an exploration of knowledge contained in the analyzed data. These models, along with algorithms operating on them, and their practical implementations, in particular, will be designed to help healthcare professionals and patients in non-trivial diagnostic issues. The proposed models will use known solutions, including convolutional and recursive neural networks and machine learning algorithms. In addition, existing associative models and methods of computational intelligence will be used. The developed models will be compared with other available methods of analysis of medical data.
W TRAKCIE REALIZACJI/
IN PROGRESS
1. Tworzenie, usprawnianie i adaptacja nowych asocjacyjnych i kognitywnych metod sztucznej inteligencji do modelowania wiedzy, klasteryzacji i klasyfikacji danych oraz szybkiego przetwarzania dużych zbiorów danych do sterowania robotami w środowisku wirtualnym i rzeczywistym.
Creation, improvement and adaptation of new associative and cognitive methods of artificial intelligence for knowledge modeling, clustering and classification of data, and fast processing of large data sets to control robots in a virtual and real environments.
Celem pracy Jest wykorzystanie asocjacyjnych metod sztucznej inteligencji oraz asocjacyjnych grafowych struktur danych (tj. AGDS, MAGDS, DASNG, APNN, AANG), różnych biologicznie inspirowanych modeli neuronów, symbol groundingu, asocjacyjnych pamięci semantycznych i epizodycznych, uczenia maszynowego oraz uczenia motywowanego do szybkiego przetwarzania danych oraz modelowania wiedzy w systemach robotycznych. Zakres pracy obejmuje stworzenie grafowych asocjacyjnych struktur danych umożliwiających zagregowaną i skojarzeniową reprezentację danych, szybki dostęp do nich i dalsze przetwarzanie oraz wnioskowanie na ich podstawie. Planowane jest również wykorzystanie różnych metod asocjacyjnych oraz sztucznej inteligencji do klasteryzacji i klasyfikacji danych. Badane rozwiązania będą stosowane w systemach pomiarowych, eksperckich i diagnostyce medycznej. Planowana jest implementacja rozwiązań asocjacyjnych w chmurze i stworzenie systemu rozwiązań asocjacyjnych baz danych. Zakres pracy obejmuje również stworzenie i implementację algorytmów związanych z odczytywaniem danych z różnych czujników robota, sterowaniem jego silnikami i wysięgnikami, symbol groundingiem, rozpoznawaniem, klasteryzacją i klasyfikacją obrazów, tworzeniem czasowo-przestrzennych związków asocjacyjnych pomiędzy obiektami, pamięciami semantycznymi, uczeniem maszynowym i tworzeniem systemu kognitywistycznego.
The work aims to use associative methods of artificial intelligence and associative graph data structures (i.e. AGDS, MAGDS, DASNG, APNN, AANG), various biologically inspired models of neurons, grounding symbol, associative semantic and episodic memories, machine learning and motivated learning for fast data processing and knowledge modeling in robot systems. The scope of the work includes the creation of associative graph data structures enabling the aggregated and associative representation of data, quick access, and further processing, as well as conclusions based on them. It is also planned to use various association and artificial intelligence methods to cluster and classify data. The researched solutions could be applied in measurement systems, expert systems, and medical diagnostics. It is planned to implement association solutions in the cloud and create a system of association database solutions. The scope of work also includes the creation and implementation of algorithms related to reading data from various sensors of the robot, controlling its motors and arms, grounding symbol, recognition, clustering and classification of images, creating temporal-spatial association relationships between objects, semantic memories, machine learning and cognitive system creation.
DOSTĘPNY/AVAILABLE