Pracownia Zastosowań Optymalizacji i Sztucznej Inteligencji
Katedra Informatyki Stosowanej i Modelowania
Wydział Inżynierii Metali i Informatyki Przemysłowej
Akademia Górniczo-Hutnicza

 

Obszar zainteresowań i badań Pracowni Zastosowań Optymalizacji i Sztucznej Inteligencji:

  • Zastosowania sztucznej inteligencji w (meta)modelowaniu procesów. 

    • sztucznych sieci neuronowych,
    • systemów ekspertowych,
    • eksploracji danych w tym algorytmów statystycznych,
    • inteligencji rozproszonej w tym technologii agentowych.
  • Strategie optymalizacji oraz optymalizacja procesów z zastosowaniem technik:

    • konwencjonalnych,
    • opartych o naturę.
  • Wnioskowanie i formalizacja wiedzy z zastosowaniem:

    • wnioskowania epizodycznego,
    • indukcji reguł,
    • machine learning,
    • logiki rozmytej,
    • ontologii.

Pracownia Zastosowań Optymalizacji i Sztucznej Inteligencji jest organizatorem Seminarium NeuroMet 
corocznej serii spotkań, których celem jest stworzenie platformy do wymiany doświadczeń
w zakresie zastosowania sztucznej inteligencji do symulacji i sterowania procesami metalurgicznymi.

Przewodniczący Komitetu Organizacyjnego - prof. dr hab. inż. Jan Kusiak

 

Pracownicy PZOISI od wielu lat uczestniczą w projektach naukowych, polskich i międzynarodowych,
w zakresie modelowania i metamodelowania procesów przetwórstwa metali.
Rozwijane przez pracowników PZOISI metody metamodelowania, takie jak Sztuczne Sieci Neuronowe (ANN)
algorytmy genetyczne (GA) stanowią najpopularniejsze przemysłowe zastosowania osiągnięć badań nad sztuczną inteligencją.

 

Ważnym elementem badań PZOISI jest problem wnioskowania w systemach inteligentnych.
Rozwijane są techniki
wnioskowania epizodycznego (CBR), czy systemy regułowe.

 

Idea Semantic Web przenika również do sfer przemysłowych, a w ślad za nią PZOISI rozwija również metody
formalizacji wiedzy jak
ontologie i techniki semantyczne w klasyfikacji dokumentów.

 

 

 

Uzupełnieniem metod metamodelowania i wnioskowania są techniki data mining i machine learning wykorzystywane w badaniach pracowni.