MISANU

PROGRAM

Plan rada Seminara iz veštačke inteligencije za APRIL 2024.

Registraciona forma za učesće, i link na predavanje ako ste već registrovani:
https://miteam.mi.sanu.ac.rs/asset/CW5nJWDSEZDj7p32p
Ukoliko želite samo da gledate predavanje bez mogućnosti aktivnog učešća, prenos će biti dostupan na:
https://miteam.mi.sanu.ac.rs/asset/4LNW8WtML7rLKojoz
Na ovom linku se mogu pronaci kratka uputstva na srpskom i engleskom:
https://miteam.mi.sanu.ac.rs/asset/Kc7qJtEvoMFx9MFnz

Sreda, 03.04.2024. u 19:00, Online
Milan Tuba, Singidunum Univerzitet, Beograd, Srbija; Sinergija Univerzitet, Bijeljina, BiH
ALGORITMI INTELIGENCIJE ROJEVA I VEŠTAČKA INTELIGENCIJA PREMENJENI NA MODELIRANJE I PREDVIĐANJE KVALITETA VAZDUHA
Algoritmi inteligencije rojeva koriste se za rešavanje optimizacionih problema koji su nerešivi konvencionalnim optimizacionim metodama. Ideja kod ovih algoritama je da se iskoristi efikasnost, prilagodljivost i robustnost pronađena u prirodnim sistemima za modeliranje srži ovih algoritama što su operatori eksploracije i eksploatacije. Ovi operatori koriste se za generisanje nove populacije rešenja u svrhu iterativnog poboljšanja rezultata pretrage. Aktuelne teme istraživanja u ovoj oblasti uključuju primenu modela mašinskog učenja za automatsko dizajniranje algoritama. Zbog svoje efikasnosti, algoritmi inteligencije rojeva se sve više primenjuju za poboljšanje performansi i efikasnosti AI sistema, posebno konvolucionih neuronskih mreža (CNN). Kada se primene na CNN, algoritmi inteligencije rojeva doprinose nekoliko ključnih oblasti: optimizacija arhitekture mreže, fino podešavanje hiperparametara i, u nekim slučajevima, poboljšanje procesa selekcije atributa. Ova integracija poboljšava njihovu tačnost i sposobnosti generalizacije u zadacima kao što su klasifikacija slika, prepoznavanje i analiza.
Jedna inovativna primena CNN je u oblasti nauke o životnoj sredini, posebno za modeliranje i predviđanje kvaliteta vazduha. Iskorištavanjem moći CNN, identifikacija izvora zagađenja, razumevanje obrazaca disperzije i predviđanje kvaliteta vazduha mogu biti značajno poboljšani.

Sreda, 10.04.2024. u 19:00, Online
Goce Trajcevski, Department of Electrical and Computer Engineering, Iowa State University
LINK PREDICTION IN HETEROGENEOUS EVOLVING NETWORKS
Link prediction aims at identifying missing links, or links that are likely to be formed at some future evolution of a given graph/network. It is at the core of many applications, including prediction of a friendship in a social network, relations between entities in a knowledge graph, affinities between users and items in a recommender system, and potential biological interactions between drugs and diseases. In particular, the Temporal Heterogeneous Networks (THNs) investigate the structural interactions and their evolution in graphs with multiple types of nodes and edges. More often than not, THNs describe the evolving networks as a sequence of graph-snapshots and adopt mechanisms from static heterogeneous networks to capture spatio-temporal correlations. However, this confines the evolution to discrete-time settings often yielding an implementation of stacked mechanisms that introduce a high level of complexity. In this talk, after an overview of the problem-domain, we will focus on STHN (Simplified THN) that aims at enabling a continuous-time links prediction. We will discuss the encodings/representation that captures the evolving interactions and present an approach based on patching techniques, followed by experimental observations for both transductive and inductive scenarios. Subsequently, we will touch upon the aspect of explainability in the context of THNs.

Sreda, 17.04.2024. u 19:00, Knez Mihailova 36, sala 301f i Online
Dipak Kumar Jana, Gangarampur College, D/Dinajpur, India; Former HOD of School of Applied Science & Humanities, Haldia Institute of Technology, Haldia
COMPARATIVE STUDY ON TYPE-2 AND TYPE-3 FUZZY LOGIC INFERENCE SYSTEMS AND ITS APPLICATION IN POLYPROPYLENE BUSINESS
The polypropylene is a versatile thermoplastic resin available in a wide range of formulations for engineering applications. This research work presents a new approach to predict the quality of polypropylene in chemical plants. A model is constructed based on a large number of data collected from a renowned petrochemical plant in India and used to predict the polypropylene quality through the proposed approach. The quality of polypropylene depends on the indices like melt flow index and the xylene solubility of the product. The parameters controlling these two indices are hydrogen flow, donor flow, pressure and temperature of polymerization reactors. Using these four input and two output parameters, four Mamdani type-2 and type-3 fuzzy inference systems are constructed depending on the different membership functions of the variables. The model outcomes are then compared with the collected plant data and a sequence of statistical data analyses selects the most suitable model among them. Some sensitivity analyses with respect to some parameters are also performed to validate the proposed models. The raw materials for producing polypropylene are very much costly specially the catalyst teal. So the desired grade of PP is not achieved by the trial and error run then the production cost becomes uncontrollable. With the help of our proposed approach by controlling some parameters during the production phase, the quality of polypropylene can be improved.

Sreda, 24.04.2024. u 19:00, Online
Aldina Avdić, Državni univerzitet u Novom Pazaru, Departman za tehničko-tehnološke nauke, Novi Pazar, Srbija
KLASIFIKACIJA BIOMEDICINSKIH PODATAKA U REALIZACIJI ZDRAVSTVENIH SERVISA
U digitalnom dobu, biomedicinski podaci predstavljaju ključnu resurs u pružanju zdravstvenih usluga. U ovom predavanju, biće prikazane primene klasifikacionih tehnika u procesu analize i obrade biomedicinskih podataka sa ciljem unapređenja kvaliteta i efikasnosti postojećih, kao i kreiranja novih zdravstvenih servisa. Prvi deo predavanja odnosi se na klasifikaciju slobodnog teksta u lekarskim izveštajima na srpskom jeziku. Biće prikazane metode za obeležavanje medicinskih i nemedicinskih termina u lekarskim izveštajima na srpskom jeziku, namenjenih pretvaranju nestrukturiranih podataka u strukturirane. Ove metode mogu kasnije biti upotrebljene i u svrhe bržeg kreiranja medicinske dokumentacije korišćenjem ASR-a. Još jedna primena jeste u deidentifikaciji ličnih podataka u tekstu sa slika lekarskih izveštaja postavljenih na društvenim mrežama, čime se osigurava privatnost pacijenata i poštovanje propisa o zaštiti podataka. U drugom delu prikazana je primena klasifikacije demografskih i biomedicinskih podataka za predikciju bolesti u trudnoći. Koristeći skupove podataka sa mnogo atributa, najpre se analizira biranje onih najznačajnijih, a zatim primenjuju metode mašinskog učenja za identifikaciju faktora rizika i predikciju komplikacija tokom trudnoće, što može unaprediti prenatalnu negu i smanjiti rizik za majku i dete.

Ovaj onlajn seminar nastao je kao nastavak sastanka “Serbian AI Meeting” i zamišljen je da na njemu istraživači iz Srbije i iz dijaspore, kao i istraživači sa univerzteta, naučnih instituta i iz prakse predstavljaju naučne teme i rezultate iz oblasti veštačke inteligencije.
Link za svako pojedinačno predavanje biće dostavljen dan pre održavanja predavanja.

Andreja Tepavčević
Rukovodilac seminara