Seminarium Sieci Neuronowe i Statystyka (SSNiS) sem. letni 2008
Tematyka: Różnorodna. W szczególności: zagadnienia biometryczne,
wizualizacja danych wielozmiennych, analiza danych typu 'image'.
Niektore propozycje tematow: Proposals for SSNiS
(A majority of the methods may be applied to consideration
of the amino-acids distribution in DNA sequences called
ORFs or genes)
- Khaled Alsabti, Sanjay Ranka, Vineet Singh:
An efficient K-means algorithm
- Lingsong Zhang, et al.: Singular Value Decomposition and Its Visualization
- Berndt Fritzke: A Growing Neural Gas Learns Topologies
- A.K. Quin, P.N. Suganthan:
Robust growing neural gas algorithm with applications
in cluster analysis
- A.K. Quin, P.N. Suganthan:
Enhanced neural gas network for prototype-based clustering
- Abhishek Jaiantila and Atam P. Dhawan:
Fuzzy Clustering Using Topological Properties
- Mihran Tuceryan: Moment Based Texture Segmentation
- Mario A.T. Figueiredo and Anil K. Jain
Unsupervised Learning of Finite Mixture Models
- Colin Fyfe: Two Topographic Maps for Data Visualisation
- Colin Fyfe:
Making the Generative Topographic Mapping more responsive
to the data
- Colin Fyfe:
Stochastic Process Methods for Context-Assisted Information Extraction
- Colin Fyfe:
Reinforcement Learning for Unsupervised Data Exploration
- Marian Pe~na:
Latent Variable Spaces For The Construction Of Topology
Preserving Mappings
- Some Chapters from the book by Colin Fyfe
Hebbian Learning and Negative Feedback Networks,
Springer 2005.
CZAS PRZESZŁY, HISTORIA SEMINARIUM
Seminarium Sieci Neuronowe i Statystyka (SSNiS) 2004/2005
Seminarium odbywa się w poniedziałki, g. 12:15 - 14, s. 36.
Warunki zaliczenia zaliczenie.htm
Daty i program seminarium
- 13. 03. 2006: Marek Langiewicz: Mining distance-based outliers in near
linear time with randomization and a simple pruning rule.
Autorzy: Stephen D. Bay, Mark Schwabacher. Publikacja: SIGKDD'03, August 24-27, 2003, Washington DC.
http://newatlantis.isle.org/~sbay/papers/BaySchwabacher.pdf
- 20. 03. 2006. Marta Wilczak: The cascade-correlation learning architecture
Na podstawie pracy autorstwa: Scott E. Fahlman, Ch. Lebiere,
The cascade-correlation learning architecture.
Technical Report CMU-CS-90-100, School of Computer Science, Carnegie
Mellon University, August 1991. Manuscript 1--13.
prezentacja.ppt
- 27.03. 2006. Włodzimierz Bielski:
Autoregressive Tree Models for Time-Series Analysis.
praca autorstwa: C. Meek, D.M. Chickering and D. Heckerman (2002),
pp. 1--16.
http://research.microsoft.com/~dmax/publications/dmart-final.pdf
prezentacja BielskiArt.ppt
- 3.03. 2006. Piotr Kroll. Outlier detection.
prezentacja.pdf
Na podstawie prac:
11. Charu C. Aggarwal, Philip S. Yu,
Outlier Detection for High Dimensional Data.
ACM SIGMOD Conf. 2001
citeseer.ist.psu.edu/aggarwal01outlier.html
Amitabh Chaudhary, Alexander S. Szalay, Andrew W. Moore,
Very Fast Outlier Detection in Large Multidimensional Data.
citeseer.ist.psu.edu/649786.html
- 10.04. 2006. Ewelina Bednarz: Programowanie w języku R.
prezentacja.pdf lub
prezentacja.doc
- 24.04. 2006. Michał Kowalczykiewicz:
Time series forcasting using a hybrid ARIMA and a Neural Network model.
prezentacja.ppt
- 08.05. 2006. Jakub Białe: Spam or not spam: that is the question.
prezentacja.pdf (z beamer-a)
- 15.05. 2006. Tomasz Rybarczyk
- 22.05. 2006. Piotr Nowak:
Porównanie skuteczności sieci MLP z regresją liniową na przykładzie danych epidemiologicznych.
prezentacja.pdf
Na podstawie pracy: Jean Gaudart, Bernard Giusiano, Laetitia Huiart, 2004. Comparsion of the performance of multi-layer perceptron and linear regression for epidemiological data. Computional Statistics & Data Analysis 44, 547-570.
- 29.05. 2006. Tomasz Kotowoda:
Texture Based MRI Segmentation with a Two-Stage Hybrid Neural Classifier
prezentacja.ppt –
na podstawie pracy 'Texture Based MRI Segmentation with a Two-Stage Hybrid Neural Classifier' autorstwa:
Alain Pitiot, Arthur W. Toga, Nicholas Ayache, Paul Thompson (z afiliacją w
1 INRIA-EPIDAURE Sophia Antipolis France i 2 UCLA School of Medicine, USA
Z historii seminarium . . .