Szanowni Państwo,

 

22 maja organizujemy jednodniowe seminarium na temat zbiorów przybliżonych i uczenia maszynowego. Krótki opis i plan seminarium znajdują się poniżej. 

 

Opis i plan seminarium: 

Podstawą teorii zbiorów przybliżonych są dane, dlatego też w naturalny sposób różne narzędzia oparte na zbiorach przybliżonych często stają się przydatne w uczeniu maszynowym. W pierwszej części seminarium prelegenci skupią się na tym, jak za pomocą narzędzi aproksymacyjnych opartych na zbiorach przybliżonych można rozwijać różne systemy logiczne, zbliżone do rozumowania ludzkiego. Z kolei w drugiej części seminarium prelegenci zaprezentują praktyczne zastosowanie narzędzi opartych na zbiorach przybliżonych do granulacji i redukcji danych. Harmonogram przedstawia się następująco.

10:10-10:40: Wprowadzenie do programu (A1/22)

Następne wykłady odbędą się w auli C1.

10:45-11:40: Prof. Mohua Banerjee (IIT Kanpur) (Title: Reasoning with Rough truth and Rough Consequence)

11:45-12:40: Prof. Mohammad Aquil Khan (IIT Indore) (Title: Multigranulation Rough Sets and Modal Logic)

13:45-14:40: Dr. Krzysztof Ropiak (WMII, UWM) (Title: An Application of Knowledge Granulation Methods based on Rough Set Theory)

14:45-16:00: Dr. Sebastian Stawicki (Knowledge Grid)  (Title: Algorithms for Approximate Reducts: Iterative Attribute Selection)

Serdecznie zapraszamy wszystkich,

P. Artiemjew, S. Dutta