Oddělení statistického modelování a umělé inteligence
Oddělení statistického modelování a umělé inteligence (SMAIL) rozvíjí pokročilé metody umělé inteligence, statistické, výpočetní a logické přístupy pro analýzu a porozumění komplexním datům. Náš výzkum propojuje statistické modelování, strojové učení, algoritmické přístupy a formální logické metody, což odráží rozmanité metodologické základy oddělení.
Zabýváme se teoretickými základy umělé inteligence a statistiky, navrhujeme inovativní modely, vyvíjíme efektivní metody odhadu a učení a implementujeme nové postupy ve vědeckém softwaru. Náš výzkum je založen na pevných teoretických základech a je ověřován pomocí simulačních studií i analýzy reálných dat. Metodologicky usilujeme o vědeckou excelenci a vyvíjíme přístupy, které posouvají stav poznání v umělé inteligenci, ve statistickém modelování, a výpočetních metodách založených na datech.
Máme rozsáhlé zkušenosti s aplikací metod umělé inteligence a statistické analýzy reálných dat v různých oblastech. Naše přístupy nacházejí uplatnění například ve společenských vědách a psychometrii, biomedicínském výzkumu, environmentálních a energetických systémech i v dalších oborech, kde hrají pokročilé metody analýzy dat a inteligentní algoritmy klíčovou roli.
- Applied Artificial Intelligence: Tato skupina se zaměruje především na vývoj a zdokonalování metod umělé inteligence a zároveň na jejich uplatnění při řešení reálných problémů, přičemž kombinuje strojové učení, statistické modelování a algoritmy založené na datech.
- Automated Reasoning: Tato skupina vyvíjí nástroje, které počítačům umožňují matematicky přesně uvažovat, což je nezbytné pro spolehlivý návrh automatizovaných systémů. Skupina proto posouvá hranice současného stavu poznání v oblastech, jako jsou dokazovací asistenti, induktivní logické programování, plánování, formální verifikace a SMT řešiče.
- Computational Psychometrics: Tato skupina se zaměřuje na vývoj pokročilých výpočetních a statistických modelů pro analýzu hodnocení a měřících dat v oblasti vzdělávání, psychologie a spoločenských věd, přičemž klade důraz na spolehlivost, validitu a získávání podrobných poznatků prostřednictvím nových odhadovacích metod a reprodukovatelných softwarových nástrojů.
- Statistical Modeling: Tato skupina se zaměřuje na vývoj a aplikaci statistických modelů na reálné mezioborové problémy a zároveň provádí metodologický výzkum s cílem rozvíjet statistickou metodologii.
- Cerna, D.M., Buran, M.One or nothing: Anti-unification over the simply-typed lambda calculus. ACM Transactions on Computational Logic 25, 16 (2024).
- Fejlek, J., Ratschan, S. Computation of feedback control laws based on switched tracking of demonstrations. European Journal of Control 80, Part B, 101118 (2024).
- Kůrková, V., Sanguineti, M.Approximation of classifiers by deep perceptron networks. Neural Networks 165, 654-661 (2023).
- Figueroa-Garcia, J.C., Neruda, R., Hernandez–Pérez, G.A genetic algorithm for multivariate missing data imputation.Information Sciences 619, 947-967 (2023).
- Dudášová, J., Valenta, Z., Sachs, J. R.Improving precision of vaccine efficacy evaluation using immune correlate data in time-to-event models. npj Vaccines 9, 214 (2024).
- Kalina, J., Kukal, J., Vyšata, O.A novel class of rank tests for high-dimensional data with an application to Alzheimer's disease. Biocybernetics and Biomedical Engineering 45, 707-717 (2025).
- Martinková, P., Hladká, A.Computational aspects of psychometric methods with R. CRC Press (Taylor & Francis Group, LLC), Boca Raton (2023).
- Hladká, A., Martinková, P., Magis, D.Combining item purification and multiple comparison adjustment methods in detection of differential item functioning. Multivariate Behavioral Research 59, 46-61 (2024).