Główne kierunki badawcze
rozwijane w Instytucie

Opracowywanie systemów wspomagania badań naukowych i zarządzania badaniami w oparciu o nowe metody i narzędzia informatyczne
Rozwijanie nowoczesnych systemów wspomagających nauczanie
Tworzenie systemów zarządzania informacją w oparciu o technologie semantyczne
Nowoczesne technologie sieciowe i wdrażanie systemów otwartych
Rozwój metod uczenia maszynowego i ich zastosowania
Tworzenie inteligentnych systemów hybrydowych
Generatywna sztuczna inteligencja

INSTYTUT TECHNOLOGII INFORMATYCZNYCH (ITI)

Jest jednostką organizacyjną Społecznej Akademii Nauk w Łodzi. Powołany został decyzją Senatu SAN (SWSPiZ) we wrześniu 2008 roku.

Zgodnie z zasadami oceny jednostek naukowych określonymi przez Ministerstwo Nauki i Szkolnictwa Wyższego, Instytutowi przyznana została w roku 2017 kategoria naukowa B.

W latach 2017-2021 ewaluacja jakości działalności naukowej była przeprowadzona w ramach dyscyplin naukowych, a nie jednostek organizacyjnych uczelni. W wyniku tej ewaluacji Społeczna Akademia Nauk uzyskała kategorię naukową A w dyscyplinie „Informatyka techniczna i telekomunikacja”. Tak wysoka ocena została przyznana przede wszystkim dzięki znaczącym osiągnięciom naukowym pracowników Instytutu Technologii Informatycznych, co znalazło odzwierciedlenie w dorobku publikacyjnym o wysokiej punktacji. W kategorii publikacji Społeczna Akademia Nauk może się wykazać najlepszym wynikiem spośród wszystkich uczelni w Polsce. Jest to w ogromnym stopniu rezultatem działalności naukowej prowadzonej w Instytucie Technologii Informatycznych.

Zachęcamy od odwiedzenia zakładki Ewaluacja 2017-2021

Profil naukowy Instytutu ściśle nawiązuje do najnowszych trendów badawczych w obszarze rozwijania i wdrażania nowoczesnych technologii informatycznych. W dużym stopniu dotyczy to inżynierii oprogramowania, baz danych, sieci komputerowych, itp. Istotnym aspektem innowacyjności w szeroko pojętej informatyce są zagadnienia sztucznej inteligencji. W szczególności takie metody jak sztuczne sieci neuronowe, systemy ekspertowe i systemy rozmyte wykorzystywane są w różnych zastosowaniach, m.in. w edukacji, medycynie, czy biznesie. Przedmiotem badań naukowych prowadzonych w Instytucie są także problemy dotyczące przetwarzania obrazów, zarówno w ujęciu klasycznym, jak też ich rozpoznawania, klasyfikacji i „rozumienia” z perspektywy sztucznej inteligencji. Pracownicy Instytutu w swojej działalności naukowo-badawczej starają się rozwiązywać problemy i wykorzystywać metody stanowiące istotny nurt w rozwoju informatyki i jej zastosowań na świecie. Dlatego tak ważne miejsce w profilu naukowym Instytutu zajmują prace związane ze sztuczną inteligencją. Ponadto istotną rolę w prowadzonych badaniach naukowych i praktycznych zastosowaniach pełni generatywna sztuczna inteligencja, intensywnie rozwijana przy wykorzystaniu transformerów i wielkich modeli językowych, takich jak GPT.

zamknij

1. Opracowywanie systemów wspomagania badań naukowych i zarządzania badaniami w oparciu o nowe metody i narzędzia informatyczne

Uwzględnienie aktualnych tendencji w zakresie prowadzenia prac naukowo-badawczych, takich jak działalność zespołowa (duże zespoły badawcze); rozproszenie zespołów badawczych, zasobów materialnych i unikalność aparatury badawczej prowadzi do konieczności opracowania, w oparciu o technologie informatyczne, nowych modeli i narzędzi dla pracy badawczej. Działania Instytuty zmierzają do opracowania i wdrożenia systemowej platformy elektronicznej, która wykorzystując technologie sieciowe, wspierać będzie działalność badawczą rozproszonych zespołów naukowych. Jej celem będzie również inicjowanie i stymulowanie badań naukowych, jak również wspomaganie wdrażania wyników badań w gospodarce poprzez transfer nowo opracowanych rozwiązań do firm i przedsiębiorstw.

2. Rozwijanie nowoczesnych systemów wspomagających nauczanie

Potrzeba kształcenia coraz większej części społeczeństwa, podnoszenia jakości i efektywności nauczania, dostosowania profilu kształcenia do potrzeb gospodarki i zapotrzebowania społecznego wymaga tworzenia coraz doskonalszych, bardziej wydajnych metod i systemów przekazywania wiedzy i umiejętności. W tym zakresie technologie informatyczne tworzą nową jakość. Instytut podejmie badania, których celem jest opracowanie nowych rozwiązań w tym zakresie. W szczególności prace koncentrują się nad tworzeniem rozproszonych środowisk e-learningowych z uwzględnieniem technologii mobilnych. Oddzielnym kierunkiem badań w tym obszarze są badania zmierzające do wykorzystania metod inteligentnych – wnioskujące systemy rozmyte, metody wnioskowania w warunkach wysokiej niepewności – do ewaluacji przyswajanej wiedzy i umiejętności.

Efektywne przetwarzanie i dystrybucja wiedzy wymaga wdrożenia metod zapewniających pozyskiwanie wiarygodnych informacji, ich odpowiedniego agregowania, strukturyzacji i hierarchizowania. W tym zakresie najbardziej perspektywiczne wydają się metody wykorzystujące ideę sieci semantycznych oraz technologię języka RDF uzupełnione metodami sztucznej inteligencji. Tego typu systemy zaawansowanego zarządzania informacją mogą być wykorzystywane w wielu obszarach ludzkiej działalności w tym w zarządzaniu nauką i zasobami wiedzy dla potrzeb e-learningu. Celem badań jest opracowanie inteligentnego systemu zarządzania informacją. W szczególności system ten będzie wykorzystany przy tworzeniu własnych wiarygodnych zasobów wiedzy dla e-learningu.

4. Badania w zakresie nowoczesnych technologii sieciowych i wdrażania systemów otwartych

Technologie sieciowe obejmują ogromny obszar wdrożeń i zastosowań. W Instytucie prowadzone są badania w zakresie rozwijania nowych rozwiązań sieciowych dla potrzeb różnych gałęzi gospodarki i instytucji zewnętrznych, ze szczególnym uwzględnieniem technologii inteligentnych. Rozwijane są również narzędzia i metody wykorzystujące systemy otwarte.

5. Rozwój metod uczenia maszynowego i ich zastosowania

Metody uczenia maszynowego, w szczególności głębokie sieci neuronowe są obecnie wykorzystywane w wielu zastosowaniach, dając spektakularne rezultaty. W zależności od problemu i przetwarzanych danych, różne struktury takich sieci są proponowane. Analizuje się wyniki uczenia na podstawie ogromnych zbiorów danych, które często wymagają specjalnych metod na etapie wstępnego przygotowania. Prowadzi się też badania w kierunku łączenia głębokich sieci neuronowych z innymi metodami sztucznej inteligencji. Rozważa się też aspekt interpretowalności i wyjaśnialności działania proponowanych metod.

6. Tworzenie inteligentnych systemów hybrydowych z wykorzystaniem różnych metod sztucznej inteligencji

Metody sztucznej inteligencji obejmują uczenie maszynowe, wymagające dużych zbiorów danych, jak również systemy wnioskujące na podstawie wiedzy reprezentowanej na przykład w postaci reguł. Poza tym metody ewolucyjne, m.in. algorytmy genetyczne, czy też inne populacyjne, inspirowane naturą, np. algorytmy mrówkowe, zaliczane są do sztucznej inteligencji. Te ostatnie należą do tzw. inteligencji kolektywnej. W zależności od rozwiązywanego problemu i dostępności wiedzy lub danych, proponuje się stosowanie systemów hybrydowych, tworzonych przy wykorzystaniu różnych metod sztucznej inteligencji. W szczególności w wielu zastosowaniach dominującą rolę odgrywają systemy rozmyte lub rozmyto-neuronowe, a także inne metody zaliczane do tzw. „miękkich obliczeń” (soft computing).

7. Badania w zakresie generatywnej sztucznej inteligencji

W badaniach naukowych, włączając się w najnowsze trendy rozwoju sztucznej inteligencji, szczególne zainteresowanie jest kierowane na osiągnięcia w zakresie generowania multimedialnych treści: tekstu, obrazu, wideo, czy dźwięku, za sprawą systemów generatywnej sztucznej inteligencji, w tym wielkich modeli językowych, takich jak GPT. Korzystając z możliwości, jakie posiadają boty konwersacyjne, np. ChatGPT, działalność badawcza skupia się m.in. na tworzeniu tzw. inteligentnych agentów i komunikacji z wykorzystaniem odpowiednio formułowanych promptów, nie tylko w celu generowania treści, ale też wnioskowania i wyjaśniania. Dużą wagę przywiązuje się do etycznych aspektów generowanych multimedialnych treści oraz tzw. zaufanej sztucznej inteligencji.

Skład Rady Naukowej Instytutu Technologii Informatycznych

Przewodniczący:

prof. dr hab. inż. Leszek Rutkowski

Członkowie:

dr hab. inż. Andrzej Cader, prof. SAN
prof. dr hab. inż. Marek Reformat
prof. dr hab. inż. Mirosław Pawlak
prof. dr hab. inż. Danuta Rutkowska
prof. dr hab. inż. Bolesław Szymański
prof. dr inż. Jacek Żurada
prof. dr hab. inż. Pavel Sevastjanov
prof. dr hab. inż. Ludmila Dymova
dr Krzysztof Przybyszewski, prof. SAN
dr inż. Agnieszka Siwocha, prof. SAN
dr inż. Konrad Grzanek

Zadania Rady

Rada Naukowa jest organem opiniodawczo-kontrolnym ITI. W zakresie funkcji opiniodawczej Rada opiniuje plan badań Instytutu oraz wszelkie podejmowane przez Instytut działania (na przykład aplikowanie o środki na badania naukowe). W zakresie funkcji kontrolnych Rada ocenia poziom naukowy wyników badań oraz prawidłowość metodologiczną ich prowadzenia. Rada może także z własnej inicjatywy wskazywać zalecane kierunki badań.

Szczegółowe zadania Rady Naukowej są następujące:

  1. Wskazywanie kierunków badań dla Instytutu w obszarach związanych z przyjętą strategią badawczo-rozwojową
  2. Nadzór nad rzetelnością i jakością prowadzonych w Instytucie badań oraz troska o ich właściwe umocowanie metodologiczne
  3. Ocena wyników tych badań oraz pomoc w upowszechnianiu wyników badań
  4. Dbanie o poziom naukowy prowadzonych badań poprzez opiniowanie prac zgłaszanych do druku przez pracowników ITI
  5. Ocena pracowników oraz dążenie do promocji kadr naukowych Instytutu. Dotyczy to zwłaszcza pomocy w zdobywaniu stopni naukowych przez pracowników Instytutu
  6. Inicjowanie i merytoryczne nadzorowanie współpracy pomiędzy Instytutem a Ośrodkami Badawczymi reprezentowanymi przez Członków Rady, między innymi poprzez wspólne projekty badawcze, wspólne aplikowanie o granty krajowe i międzynarodowe, wspólne ubieganie się o projekty zamawiane, itp.
  7. Promowanie Instytutu oraz jego działalności w kraju i za granicą.

W skład Instytutu wchodzą cztery zakłady:

Zajmuje się różnymi aspektami inżynierii wiedzy, zarówno w odniesieniu do sztucznej inteligencji, gdzie inżynier wiedzy pełni kluczową rolę w systemach ekspertowych, jak też w zastosowaniu do zarządzania wiedzą przy wykorzystaniu różnych systemów informatycznych. W szczególności problematyka prowadzonych badań dotyczy pozyskiwania wiedzy, tworzenia baz wiedzy i dystrybucji wiedzy, między innymi w systemach wspomagających nauczanie. Ważnym zagadnieniem jest też transparentność wiedzy przetwarzanej w rożnych systemach sztucznej inteligencji. Dotyczy to na przykład sztucznych sieci neuronowych, w których wiedza jest ukryta, natomiast możliwość jej przedstawienia w czytelnej, najczęściej regułowej postaci, ma ogromne znaczenie z punktu widzenia zrozumiałego dla użytkownika wyjaśniania działania i potwierdzania poprawności otrzymanych wyników. W aspekcie zastosowań istotne są też badania prowadzone w odniesieniu do wiedzy pozyskiwanej z „Internetu Rzeczy” („Internet of Things”).


Zajmuje się różnymi metodami przetwarzania informacji multimedialnych. Dotyczy to przetwarzania z wykorzystaniem systemów informatycznych, umożliwiających m.in. inteligentne rozpoznawanie, klasyfikację, grupowanie, jak również wnioskowanie na podstawie informacji zawartej w obrazach graficznych oraz innego typu danych. Ważnym aspektem jest wizualizacja danych oraz interpretacja analizowanych informacji. W zakładzie prowadzi się badania z wykorzystaniem różnych metod cyfrowej obróbki obrazu, animacji komputerowej oraz wirtualnej rzeczywistości. Ponadto ważnym elementem praktycznym jest tworzenie interfejsów graficznych. Z punktu widzenia sztucznej inteligencji, zastosowanie algorytmów ewolucyjnych zajmuje też znaczące miejsce w profilu realizowanych badań naukowych. Takie podejście jest w różnych aspektach wykorzystywane w grafice komputerowej.

Ponadto istotną rolę w prowadzonych badaniach naukowych i praktycznych zastosowaniach pełni generatywna sztuczna inteligencja, intensywnie rozwijana przy wykorzystaniu transformerów i wielkich modeli językowych, takich jak GPT.


Prowadzi badania naukowe związane z rozwojem i zastosowaniami metod sztucznej inteligencji, w szczególności tzw. inteligencji obliczeniowej, do której zalicza się przede wszystkim sztuczne sieci neuronowe (w tym głębokie sieci neuronowe), a także systemy rozmyte, jak również systemy inteligentne tworzone z wykorzystaniem np. zbiorów przybliżonych. Ważną rolę w tych badaniach przypisuje się hybrydowym systemom inteligentnym, w szczególności rozmyto-neuronowym, często też w połączeniu z zastosowaniem zbiorów przybliżonych, czy algorytmów ewolucyjnych. W rozwoju metod sztucznej inteligencji, odnoszących się do tzw. „miękkich obliczeń” („Soft Computing”), istotne jest też podejście probabilistyczne. Jest ono stosowane na przykład w prowadzonych w Zakładzie badaniach dotyczących przetwarzania danych strumieniowych, co wpisuje się w nurt najnowszych światowych działań naukowych związanych z „Big Data”. Jednocześnie z działalnością naukową w zakresie głębokich sieci neuronowych i ich uczenia („Deep Learning”), także inne metody uczenia maszynowego („Machine Learning”) są rozwijane i stosowane.


Działalność Zakładu jest ukierunkowana na badania sieci komputerowych, przede wszystkim nowoczesnych bezprzewodowych rozwiązań mobilnych - modelowanie, wymiarowanie, zagadnienia bezpieczeństwa w sieciach. Prowadzone są badania dotyczące transmisji danych w sieciach mobilnych. W tym zakresie Zakład współpracuje z ośrodkiem Nokia Solutions and Networks we Wrocławiu. Innym ważnym obszarem są badania związane z wdrażaniem i rozwijaniem oprogramowania oraz systemów otwartych.

W działalności Zakładu widoczne jest zainteresowanie nowymi technologiami w zakresie praktycznych zastosowań sieciowych, jak też na przykład metod analizy sieci i wykorzystania algorytmów sztucznej inteligencji.


Badania naukowe

Aktualnie prowadzone badania naukowe wpisują się w nurt głównych kierunków badawczych, rozwijanych w latach 2013 – 2021, kontynuowanych z nastawieniem na wykorzystanie w szczególności metod sztucznej inteligencji, w tym uczenia maszynowego. Zadania badawcze realizowane w latach 2021 – 2024 skupiają się w ogromnym stopniu na zastosowaniu sztucznych sieci neuronowych (w tym głębokich – Deep Learning) oraz systemów rozmytych i algorytmów ewolucyjnych. Znajduje to odzwierciedlenie w publikacjach pracowników Instytutu, jak też innych formach działalności naukowej.

Badania te są kontynuowane w kolejnych latach, a jednocześnie rozwijane są badania w zakresie generatywnej sztucznej inteligencji.

Prace naukowo-badawcze prowadzone od wielu lat w Instytucie Technologii Informatycznych ogniskowano w następujących obszarach tematycznych, związanych z rozwijanymi kierunkami badawczymi oraz tematyką seminarium doktorskiego:

I Metody i algorytmy uczenia maszynowego i ich zastosowania

  • Rozwój różnych metod uczenia maszynowego.
  • Projektowanie różnych struktur głębokich sieci neuronowych oraz badanie ich własności.
  • Rozwój metod uczenia maszynowego w zastosowaniu do przetwarzania i klasyfikacji strumieni danych.
  • Zastosowanie sieci neuronowych w zadaniach prognozy szeregów czasowych.
  • Analiza efektywności działania wybranych sieci rekurencyjnych w zadaniach rozpoznawania mowy.
  • Zastosowanie głębokich sieci neuronowych do wykrywania anomalii w diagnostyce technicznej, medycznej i bankowości.
  • Zastosowanie głębokich sieci neuronowych do analizy sentymentu.
  • Monitorowanie działania programowalnych sieci komputerowych SDN z wykorzystaniem metod uczenia maszynowego.
  • Analiza sieci społecznych z wykorzystaniem metod uczenia maszynowego.
  • Projektowanie głębokich sieci neuronowych do przetwarzania/rozpoznawania/segmentacji obrazów wizyjnych z wykorzystaniem metod transferu wiedzy (ang. transfer learning).


II Inżynieria oprogramowania

  • Projektowanie, badanie i wdrażanie aplikacji biznesowych (desktopowych i sieciowych) z wykorzystaniem współczesnych środowisk (framework’ów) dla języków: C++, C#, Java, Clojure, Python, PHP, Perl.
  • Badanie, projektowanie i wdrażanie systemów informatycznych (zintegrowanych i rozproszonych).
  • Opracowywanie systemów wspomagania badań naukowych i zarządzania badaniami w oparciu o nowe metody i narzędzia informatyczne.
  • Rozwijanie nowoczesnych systemów wspomagających nauczanie.
  • Projektowanie, badanie i wdrażanie systemów zarządzania informacją w oparciu o technologie semantyczne.
  • Projektowanie i wdrażanie nowych systemów przetwarzania, analizy oraz kodowania danych obrazowych i dźwiękowych.
  • Zastosowanie metod reprezentowania wiedzy do analiz oprogramowania.


III Eksploracja zbiorów danych o dużej liczebności

  • Zastosowanie nowoczesnych metod analizy danych i wnioskowania, z wykorzystaniem wybranych metod sztucznej inteligencji oraz metod niekonwencjonalnych.
  • Projektowanie systemów ekspertowych ze szczególnym uwzględnieniem struktury i właściwości dedykowanych do nich baz reguł (baz wiedzy).
  • Projektowanie i aplikacja systemów bazodanowych (desktopowych i rozproszonych).
  • Projektowanie i aplikacja spójnych systemów analizy danych (regularnych, nieregularnych i niepewnych).


IV Projektowanie, badania i wdrażanie interfejsów użytkownika systemów informatycznych (zintegrowanych i rozproszonych)

  • Projektowanie, badanie i aplikacja nowoczesnych technologii grafiki komputerowej jako narzędzia do budowy interfejsów użytkownika systemów informatycznych.
  • Projektowanie, badanie i aplikacja nowoczesnych i responsywnych interfejsów zdalnych (witryn internetowych).
  • Projektowanie, badanie i aplikacja dedykowanych interfejsów użytkownika systemów komputerowych ze szczególnym uwzględnieniem grup społecznych zagrożonych wykluczeniem cyfrowym.
  • Projektowanie, badanie i wdrażanie interfejsów użytkownika i aplikacji wspierających e-nauczanie (e-learning).


V Projektowanie i administracja systemami komputerowymi i sieciowymi

  • Badania w zakresie nowoczesnych technologii sieciowych i wdrażania systemów otwartych.
  • Projektowanie sieci komputerowych w oparciu o nowoczesne technologie sieciowe.


VI Badania z zakresu technologii społeczeństwa informacyjnego

  • Zagadnienia wykluczenia cyfrowego.
  • Wdrażanie technologii informatycznych wspierających zarządzanie jakością.
  • Wdrażanie technologii informatycznych w administracji publicznej.
  • Zastosowanie nowoczesnych technologii informatycznych w geodezji i kartografii.

W wymienionych obszarach zostały wykonane (potwierdzenia w postaci publikacji, prac doktorskich i wdrożeń) lub przewidziane do wykonania następujące zadania badawcze:

1. Nowa metoda kodowania obrazów cyfrowych

Cel badań:
Zaproponowano nowy format kodowania obrazów, w założeniach różniącego się od stosowanych metod. Sposób zapisu obrazu pozwala zmniejszyć rozmiar pliku wynikowego, co ma istotne znaczenie przy archiwizacji obrazów cyfrowych oraz transmisji danych multimedialnych.

Wyniki naukowe i praktyczne:
Opracowywana metoda pozwala zapisać obraz cyfrowy w pliku, którego wielkość jest o kilkadziesiąt % mniejsza niż przy kompresji najbardziej wydajnymi metodami (jpg), przy zachowaniu podobnej jakości odtwarzanego obrazu. Ma to duże znaczenie przy archiwizacji obrazów cyfrowych i transmisji danych obrazowych (statycznych i video).
Efektami praktycznymi były: doktorat, wystąpienie na konferencji, publikacja w czasopiśmie recenzowanym.

2. Automatyzacja wyboru indywidualnej ścieżki kształcenia w oparciu o dedykowany system ekspertowy.

Cel badań:
Opracowano dla potrzeb e-learningu wstępną koncepcję regułowego systemu ekspertowego pozwalającego na podstawie osiąganych przez studenta wyników kształcenia, tempa przyswajania wiedzy oraz predyspozycji osobowych kształtować indywidualną ścieżkę nauczania.

Wyniki naukowe i praktyczne:
Przy masowym, w chwili obecnej, wykorzystywaniu metod e­learningu, koniecznym staje się indywidualizacja procesu kształcenia. Opracowany system pozwoli w sposób wszechstronny z uwzględnieniem najważniejszych czynników kształtujących przyswajanie wiedzy i umiejętności przez studenta optymalizować ten proces. Student będzie mógł w odpowiednim dla niego tempie i na właściwym poziomie realizować cele programowe z zachowaniem odpowiedniej satysfakcji podczas studiowania.
Efektami praktycznymi były: wystąpienie na konferencji, dwie publikacje.

3. Reguły baz wiedzy i ich implementacja w systemach wspomagających zarządzanie jakością kształcenia.

Cel badań:
Celem prowadzonych prac było opracowanie dedykowanych reguł dla baz wiedzy w systemach wspomagających zarządzanie jakością kształcenia. Z informatycznego punktu widzenia, problem implementacji takich reguł (najczęściej dobrze zdefiniowanych z punktu widzenia pedagogiki, psychologii i socjologii) polega na odpowiednim wyborze reprezentacji parametrów w nich występujących. Proponujemy reprezentację parametrów opartą na zbiorach rozmytych i reguły wykorzystujące logikę rozmytą.

Wyniki naukowe i praktyczne:
Opracowane reguły zostały zaimplementowane w systemach wspomagających zarządzanie jakością kształcenia dla wybranych jednostek edukacyjnych.
Efektami praktycznymi były: dwa wystąpienia na konferencji, dwie publikacje.

4. Projekt kokpitu edukacyjnego wspomagającego zarządzanie wiedzą i trenowanie umiejętności.

Cel badań:
Projekt multimedialnego systemu informatycznego wspomagającego różne formy prowadzenia zajęć szkoleniowych na wzór kokpitów menadżerskich oraz technologii jego wykorzystania. Jednoczesna praca na komputerze z trzema rzutnikami multimedialnymi. W przeciwieństwie do popularnych systemów informatycznych LMS (Learning Management System) ukierunkowanych na kursy, zaprojektowany system informatyczny pozwoli zarządzać wiedzą kierunkową i trenować umiejętności w postaci różnych form zajęć.

Wyniki naukowe i praktyczne:
Opracowywanie projektu systemu informatycznego wzorowanego na kokpicie menadżerskim wspomagającego różne formy prowadzenia zajęć szkoleniowych oraz technologii jego wykorzystania.
Efektami praktycznymi są: projekt systemu informatycznego oraz technologii jego wykorzystania, wystąpienie na konferencji oraz dwie publikacje w czasopismach recenzowanych.

1. Zastosowanie metod fraktalnych w kodowaniu i kompresji obrazów cyfrowych

Cel realizacji zadania:
Celem zadania jest analiza możliwości wykorzystania w różnych dyscyplinach nauki nowo opracowanej w Instytucie Technologii Informatycznych SAN metody kodowania obrazów cyfrowych.

Planowane efekty naukowe i praktyczne:
Opracowana w Instytucie Technologii Informatycznych nowa metoda kodowania obrazów cyfrowych w oparciu o fraktalne spliny bazowe pozwala w wielu przypadkach uzyskiwać o wiele mniejszy plik wynikowy aniżeli inne najbardziej nawet zaawansowane metody kompresji, przy czym im rozdzielczość obrazu wyższa tym bardziej rośnie efektywność pojemnościowa kodowania. Ma to ogromne znaczenie w przypadku obrazów gigapikselowych, np. W medycynie, geodezji i kartografii, obserwacjach satelitarnych itp. Możliwe jest nawet wykorzystanie metody w strumieniowaniu danych video.

Efektem praktycznym będzie: Opracowanie algorytmu produkcyjnego nowej metody kodowania obrazów dla potrzeb wybranych obszarów zastosowania i publikacja naukowa ukazująca możliwości metody.

2. Spójny system analizy danych nieregularnych

Cel realizacji zadania:
Opracowanie dla potrzeb analizy zbiorów danych wielokryterialnego, komplementarnego systemu metod pozwalającego efektywnie budować modele danych nieregularnych dla potrzeb ich analizy i predykcji.

Planowane efekty naukowe i praktyczne:
Rozwój nowych metod analizy danych pozwala obecnie konstruować o wiele bardziej zaawansowane i efektywne modele niż kilkanaście lat temu, szczególnie jeśli chodzi o dane silnie nieregularne. Metody wywodzące się z analizy multifraktalnej pozwalają opisywać złożone zachowania skomplikowanych systemów oraz ich właściwości i prognozować zachowanie w średnim horyzoncie czasowym, co dotąd w wielu przypadkach było niemożliwe. Z wielu jednak przyczyn metody te nie są powszechnie wykorzystywane - brak wiedzy w tym zakresie, dobrych narzędzi informatycznych oraz fragmentaryczność stosowanych metod. Celem badań jest opracowanie systemu pozwalającego efektywnie stosować tego typu metody z możliwością wyboru sposobu podejścia w zależności od specyfiki rozwiązywanego problemu.

Efektem praktycznym będzie: Opracowanie i implementacja oprogramowania komputerowego do analizy danych nieregularnych oraz dwie publikacje naukowe prezentujące możliwości tego oprogramowania.

3. Wspomaganie aktywizacji zawodowej osób 45+ w oparciu o narzędzia i metody informatyczne

Cel realizacji zadania:
Celem jest ocena sytuacji badanej grupy na rynku pracy i zebranie informacji pozwalających opracować optymalne metody i narzędzia komputerowe umożliwiające dopasowanie kompetencji osób 45+ do zmieniającego się rynku pracy, opartych w dużej mierze na technologiach i systemach informatycznych zapewniających automatyzację całego procesu.

Planowane efekty naukowe i praktyczne:
Propozycja metody i projektu systemu umożliwiających podniesienie kompetencji cyfrowych przystosowanych dla osób 45+.

Efektem praktycznym będzie: Wystąpienie na konferencji oraz publikacja w czasopiśmie recenzowanym.

4. Struktura bazy wiedzy systemów wspomagających zarządzanie jakością kształcenia

Cel realizacji zadania:
Celem prowadzonych prac jest opracowanie projektu struktury bazy wiedzy zawierającej opracowane w poprzednich etapach prac reguły dedykowane dla systemu wspomagającego zarządzanie jakością kształcenia w jednostce edukacyjnej. Pozwoli to częściowo zautomatyzować działanie systemów wspomagających ten proces w jednostkach edukacyjnych i eksplorację rozproszonych w tych systemach dużej ilości danych (najczęściej nieregularnych). W efekcie powinno to umożliwić synchronizację programów kształcenia z zapotrzebowaniem rynku pracy lub rynku usług edukacyjnych (dalszych etapów kształcenia).

Planowane efekty naukowe i praktyczne:
Opracowane struktury zostaną zaimplementowane w wybranych systemach wspomagających zarządzanie jakością kształcenia i wykorzystane do podniesienia ich efektywności w obszarze dostosowania programów kształcenia do potrzeb rynku pracy i rynku edukacyjnego.

Planowane efekty praktyczne: Wystąpienia na konferencjach i publikacje w recenzowanych czasopismach.

5. Zastosowanie metod reprezentowania wiedzy do analiz oprogramowania

Cel realizacji zadania:
Wypracowanie metod i algorytmów pozwalających na efektywne gromadzenie faktów o oprogramowaniu badanym z wykorzystaniem analizy statycznej. Opracowane mechanizmy i ich implementacje powinny umożliwić szybkie tworzenie analizatorów statycznych zgodnych ze specyfikacjami języków programowania oraz stanowić grunt pod konstrukcję solidnych metod wydobywania wiedzy o oprogramowaniu. Elementem tego przedsięwzięcia jest implementacja transakcyjnej realizacji algorytmu Rete oraz opracowanie sposobu jego użycia do gromadzenia faktów o badanym oprogramowaniu. W dalszej kolejności planowane jest opracowanie grafowej reprezentacji specyfikacji języka Java (Java Language Specification v. 3) na podbudowie istniejącego systemu zarządzania wymaganiami. Sugerowane jest wykorzystanie metod analizy języka naturalnego oraz klasteryzacji kategorycznej.

Planowane efekty naukowe i praktyczne:
Opracowywane metody mają umożliwić badanie istniejących systemów informatycznych ze szczególnym uwzględnieniem ich jakości, podatności na testowanie i modyfikowanie. Mają również pozwolić na skuteczne przeprowadzanie niektórych analiz w warunkach braku pełnej informacji o badanych obiektach.

Efektem praktycznym będzie: Wystąpienie na konferencji, publikacja w czasopiśmie recenzowanym.

Ważne linki

Journal of Artificial Intelligence and Soft Computing Research (140p.)

ICAISC Zakopane


Opis dorobku naukowego Instytutu, z wykazem publikacji za lata 2017-2021, znajduje się tutaj.

Konferencje

Instytut Technologii Informatycznych SAN, wraz z Polskim Towarzystwem Sieci Neuronowych, Instytutem Inteligentnych Systemów Informatycznych Politechniki Częstochowskiej oraz „IEEE Neural Network Society”, od wielu lat ma udział w organizacji cyklicznej, międzynarodowej konferencji „International Conference on Artificial Intelligence and Soft Computing” (ICAISC), odbywającej się corocznie w Zakopanem. Konferencja ta ma długą tradycję (od 1994 r.), wcześniej (przed rokiem 2012) była organizowana co dwa lata. Pierwsze edycje, pod nazwą „Neural Networks and Their Applications” odbywały się także w innych miejscach w Polsce.

Tematyka tych konferencji początkowo dotyczyła przede wszystkim sztucznych sieci neuronowych i ich zastosowań. Potem stopniowo zakres tematyczny rozszerzono do zagadnień związanych ze sztuczną inteligencją i metodami tzw. „miękkich obliczeń” (soft computing). Pod obecną nazwą konferencja ICAISC jest znana od roku 2004.

Mimo, że ten cykl konferencji odbywa się w Polsce, jest to w pełni międzynarodowe wydarzenie naukowe, z udziałem wybitnych naukowców z różnych części świata, zarówno jako zaproszonych do wygłoszenia plenarnych wykładów, jak też uczestników występujących z różnymi artykułami prezentowanymi podczas sesji konferencyjnych.

Warto też zwrócić uwagę na liczny skład międzynarodowego komitetu programowego oraz publikacje prac konferencyjnych w znaczącym wydawnictwie „Springer”.

Instytut Technologii Informatycznych SAN był także organizatorem innych konferencji naukowych. Można tu wymienić specjalną edycję międzynarodowej konferencji o tematyce „Computer Science”, adresowanej głównie do doktorantów i młodych pracowników naukowych, w roku 2011 w Łodzi.

Inna międzynarodowa konferencja, pod nazwą „Computer Methods for Business, Technology and Science”, została zorganizowana przez Instytut Technologii Informatycznych w roku 2012. Było to znaczące forum wymiany informacji i doświadczeń w zakresie nowych technologii, z udziałem przedstawicieli różnych firm związanych z technologiami informatycznymi i telekomunikacyjnymi, m.in. Nokia Siemens. Tematyka dotyczyła zastosowań informatyki, przede wszystkim w obszarze biznesu i wdrożeń technologicznych.

Linki do stron Konferencji ICAISC

ICAISC 2024

ICAISC 2023

ICAISC 2022

ICAISC 2021

ICAISC 2020

ICAISC 2019

ICAISC 2018

Wcześniejsze edycje (ICAISC 1994-2017)

Czasopisma naukowe

Czasopismo międzynarodowe JAISCR (Journal of Artificial Intelligence and Soft Computing Research) jest wydawane przez Polskie Towarzystwo Sieci Neuronowych (Polish Neural Network Society) i Społeczną Akademię Nauk w Łodzi. Redaktorem naczelnym jest Prof. Leszek Rutkowski. Z czasopismem tym współpracuje liczny zespół naukowców, pełniących role „associate editors’, z różnych ośrodków naukowych na świecie. JAISCR ma wysoką rangę na listach wielu baz indeksujących. Metryki czasopisma, takie jak Impact Factor, czy wskaźnik cytowań, są wysokie. Czasopismo JAISCR ukazuje się 4 razy w roku od grudnia 2014 r. Najwyższe notowania ma od roku 2017 i widoczny jest dynamiczny rozwój, ukierunkowany na najnowsze rezultaty naukowe i metody z zakresu klasycznej sztucznej inteligencji (Artificial Intelligence) oraz tzw. „miękkich obliczeń” (Soft Computing). Zgodnie z wykazem punktowanych czasopism naukowych (Ministra Edukacji i Nauki), za publikację artykułu w JAISCR przyznawanych jest 140 punktów.

Znaczny udział w redakcji tego Czasopisma ma - reprezentująca nasz Instytut - Pani dr inż. Agnieszka Siwocha, prof. SAN, opiekun kierunku „Informatyka”.



W latach 2012-2017 pracownicy Instytutu Technologii Informatycznych SAN przygotowywali do druku kolejne wydania międzynarodowego czasopisma naukowego ACSM (International Journal of Applied Computer Science Methods), pełniąc rolę głównych redaktorów i współpracując z międzynarodowym zespołem redakcyjnym (associate editors). Czasopismo to ukazywało się dwa razy w roku i było publikowane w języku angielskim przez Społeczną Akademię Nauk w Łodzi. Zakres tematyczny tego czasopisma wskazywał, choć nie ograniczał się, do następujących obszarów: „Knowledge Engineering and Information Management”, „Intelligent Systems”. „Image Understanding and Processing”, „Computer Modeling, Simulation and Soft Computing”, “Applied Computer Methods and Computer Technology”. Opublikowano w tym czasopiśmie ciekawe artykuły, zarówno autorów krajowych, w tym też pracowników ITI, jak też naukowców zagranicznych. Prace te stanowią często inspirację do dalszej działalności naukowej.

Czasopismo ACSM po okresie zawieszenia, od roku 2024 będzie ponownie wydawane.

Linki do stron naszych czasopism

Journal of Artificial Intelligence and Soft Computing Research
Journal of Applied Computer Science Methods

Dydaktyka

Studia I stopnia

Studia II stopnia


Z pełnym opisem specjalności na studiach I stopnia można się zapoznać tutaj.


Z pełnym opisem specjalności na studiach II stopnia można się zapoznać tutaj.

Zachęcamy do odwiedzenia sekcji "Dydaktycy kierunku Informatyka SAN Łódź" znajdującej się pod tym linkiem.

Informacje o stronach WWW pracowników ITI można znaleźć w linku podanym wyżej, jak również w zakładce "Seminarium doktorskie".

Seminarium doktorskie

Społeczna Akademia Nauk posiada od roku 2012 uprawnienia do nadawania stopnia doktora w zakresie informatyki. Wychodząc naprzeciw potrzebie ciągłego rozwoju wiedzy i kwalifikacji, nasza uczelnia oferuje seminarium doktorskie, które przygotowuje do uzyskania stopnia doktora w dyscyplinie informatyka techniczna i telekomunikacja.

Więcej informacji na ten temat znajdziecie Państwo pod tym linkiem.

Instytut Technologii Informatycznych zapewnia osoby z grona profesorów, którzy w oparciu o swój dorobek naukowy mogą pełnić rolę promotora w przewodach doktorskich. Każda z tych osób proponuje zakres tematyczny potencjalnych rozpraw doktorskich. Szczegółowe informacje można znaleźć pod wyżej wskazanym linkiem. Jednakże częstą praktyką jest uzgadnianie tematów z osobami zainteresowanymi działalnością naukową w obszarze własnych zainteresowań i wspólne wypracowanie problematyki doktoratu. Listę potencjalnych promotorów rozpraw doktorskich znajdziecie państwo w odpowiedniej sekcji niniejszej strony.

Instytut Technologii Informatycznych może się wykazać przykładami wypromowania młodych osób, których praca naukowo-badawcza w zakresie informatyki doprowadziła do uzyskania stopnia naukowego doktora. Kolejne osoby przygotowują się do doktoratu i mamy nadzieję, że chętnych informatyków do skorzystania z naszej oferty seminarium doktorskiego będzie coraz więcej. Bardzo do tego zachęcamy.