PROGRAM

3 grudnia 2021 r. TBA

Ze względu na pogarszającą się sytuację epidemiczną, po konsultacjach z władzami rektorskimi, zdecydowaliśmy się na przełożenie II edycji warsztatów brAIn. W tej chwili nie podajmy kolejnego terminu Warsztatów uzależniając to od poprawy sytuacji epidemicznej. Jednocześnie informujemy, że Call for Potential Applications jest nadal otwarty.

Centrum Wykładowe Politechniki Poznańskiej (CW 2)

1130-1135 Otwarcie Warsztatów

1135-1300 AI : problemy 

Prezentacja problemów, wyzwań, tez badawczych i dostępnych danych.

(TBA, nadal trwa Call for Problems)

1300-1415 Sesja networkingowa / kawa 

1415-1545 AI: możliwości 

Prezentacja technik, narzędzi i metodyk uczenia maszynowego.

• Identyfikacja zaburzeń jakości energii elektrycznej i ich źródeł [electrical energy]

Piotr Kuwałek, Instytut Elektrotechniki i Elektroniki Przemysłowej/Zakład Metrologii, Elektroniki i Techniki Świetlnej

W ramach prezentacji zaprezentowane zostaną obecne osiągnięcia naukowe oraz profil naukowy. Podczas prezentacji osiągnięć z zakresu jakości energii elektrycznej, przedstawione zostaną wybrane dalsze problemy i wyzwania z tego zakresu.

• Przetwarzanie polskiego języka naturalnego z wykorzystaniem sztucznych sieci neuronowych

Aleksandra Świetlicka, Instytut Automatyki i Robotyki

Przetwarzanie języka naturalnego (NLP - Natural Language Processing) jest jednym z zagadnień, którym zajmują się naukowcy na całym świecie. Wśród problemów związanych z tym zagadnieniem znaleźć można m.in. ekstrakcję informacji z tekstu, tłumaczenia językowe, czy określanie części mowy poszczególnych słów w zdaniu. O ile istnieje wiele rozwiązań dotyczących języka angielskiego, to wciąż jeszcze nie wszystkie te rozwiązania da się w bezpośredni sposób przełożyć na język polski. W niniejszej prezentacji opowiem o tym w jaki sposób przekształcić zdania w języku naturalnym do postaci możliwej do odczytania przez algorytmy uczenia maszynowego oraz przedstawię wybrane problemy wraz ze sposobem ich rozwiązania z wykorzystaniem sztucznych sieci neuronowych.

• Inteligentna percepcja wizyjna w zadaniach autonomicznej manipulacji obiektów

Rafał Staszak, Instytut Robotyki i Inteligencji Maszynowej

Rozwój robotyki oraz sztucznej inteligencji stawia nowe wyzwania w sferze inteligentnej percepcji środowiska pracy oraz autonomicznej interakcji z obiektami w zmiennych warunkach. Dostępność sensorów wyposażonych w detektor głębi oraz głębokie sieci neuronowe otwierają nowe możliwości dla dynamicznej interpretacji parametrów obiektów co do ich kształtu, orientacji oraz rodzaju. Informacje te wspomagają i poprawiają efektywność algorytmów manipulacji. W prezentacji zostaną przedstawione przykłady rozwijanych rozwiązań oraz badane zagadnienia z tej dziedziny.

• Increasing Energy Efficiency of Massive-MIMO Network via Base Stations Switchingusing Reinforcement Learning and Radio Environment Maps

Marcin Hoffmann, Instytut Radiokomunikacji

Energy Efficiency (EE) is of high importance while considering Massive Multiple-Input Multiple-Output (M-MIMO) networkswhere base stations (BSs) are equipped with an antenna array composed of up to hundreds of elements. M-MIMO transmission,although highly spectrally efficient, results in high energy consumption growing with the number of antennas. This paper investi-gates EE improvement through switching on/offunderutilized BSs. It is proposed to use the location-aware approach, where dataabout an optimal active BSs set is stored in a Radio Environment Map (REM). For efficient acquisition, processing and utilizationof the REM data, reinforcement learning (RL) algorithms are used. State-of-the-art exploration/exploitation methods including e-greedy, Upper Confidence Bound (UCB), and Gradient Bandit are evaluated. Then analytical action filtering, and an REM-basedExploration Algorithm (REM-EA) are proposed to improve the RL convergence time. Algorithms are evaluated using an advanced,system-level simulator of an M-MIMO Heterogeneous Network (HetNet) utilizing an accurate 3D-ray-tracing radio channel model.The proposed RL-based BSs switching algorithm is proven to provide 70% gains in EE over a state-of-the-art algorithm using ananalytical heuristic. Moreover, the proposed action filtering and REM-EA can reduce RL convergence time in relation to thebest-performing state-of-the-art exploration method by 60% and 83%, respectively.

• TAISTI - rekomendowanie zamienników składników w przepisach za pomocą technologii opartych na AI

Agnieszka Ławrynowicz, Instytut Informatyki

W projekcie TAISTI rozwijamy i stosujemy technologie AI w celu rozwiązywania praktycznych problemów związanych z wykrywaniem składników w przepisie, które powinny zostać zastąpione ze względu na specjalną dietę, rodzaj potrawy lub inne ograniczenia i rekomendowanie ich prawidłowych zamienników.

Osiągnięcie zamierzonych efektów wymaga zastosowania technologii AI z różnych jej obszarów: 1) integrowania zasobów wiedzy (takich jak grafy wiedzy) i danych na temat przepisów kulinarnych i ich składników, aby zasilić algorytmy sztucznej inteligencji, 2) metod opartych uczeniu maszynowym, aby rekomendować potencjalne zamienniki składników i przewidzieć ich właściwości, 3) metod opartych na wnioskowaniu logicznym, aby podjąć i wyjaśnić decyzję co do wyboru składników do wymiany i ich substytutów.

Poza dziedziną przepisów kulinarnych, podobna technologia może być potencjalnie zastosowana do innych problemów związanych z reformulacją produktów w takich dziedzinach jak przemysł spożywczy, kosmetyczny, itp.

Potencjalna współpraca, np.: chemia, materiałoznawstwo, inżynieria farmaceutyczna.

• Unsharpness of Thermograms in Thermography Diagnostics of Electronic Elements

Krzysztof Dziarski, Instytut Elektroenergetyki/ Zakład Urządzeń Rozdzielczych i Instalacji Elektrycznych

Work temperature is a factor, which has a strong influence on the work of a semiconductor electronic element. Operation of an electronic element in an excessive temperature causes the element not to work correctly. For this reason, monitoring the temperature of the element is necessary. One of the methods, which allows the monitoring of electronic element temperature is thermography. This non-contact method can also be used during the operation of the electronic element. The reading of a thermal camera depends on several factors. One of these factors is the sharpness of the registered thermograms. For this reason, research was carried out to develop a simple tool that allows a clear classification of thermograms of electronic elements into sharp and unsharp thermograms. In the research carried-out, the sharpness of the registered thermograms of electronic elements was determined by different sharpness measures. In the research, it was shown that in the case of thermograms classified as sharp, a smaller error of temperature measurement was obtained with the use of a thermal imaging camera.