SEMINARIUM
Oddziału Fizyki Magnetyków i Zjawisk Kooperatywnych

Dnia: 31.05.2019 roku (piątek)
o godzinie 10:00 w auli

referat pt.:

Transport elektryczny przez urządzenia nanoelektromechaniczne w zakresie silnych korelacji

wygłosi

mgr inż. Patryk Florków

doktorant

SEMINARIUM
Oddziału Fizyki Dielektryków i Spektroskopii Molekularnej

Dnia: 27.05.2019 roku (poniedziałek)
o godzinie 10:00 w auli

referat pt.:

Kinetyka procesów termicznych w nanokompozytowym przewodniku protonowym CNC/Im

wygłosi

dr hab. inż. Michał Bielejewski

SEMINARIUM
Oddziału Fizyki Magnetyków i Zjawisk Kooperatywnych

Dnia: 24.05.2019 roku (piątek)
o godzinie 10:00 w auli

referat pt.:

Oddziaływanie wymienne typu „exchange bias” w układach warstwowych NiO/Co/Au i NiO/Co/NiO wykazujących prostopadłą anizotropię magnetyczną

wygłosi

mgr inż. Mateusz Kowacz

doktorant

SEMINARIUM
Oddziału Fizyki Miękkiej Materii i Materiałów Funkcyjnych

Dnia: 23.05.2019 roku (czwartek)
o godzinie 09:30 w sali 227

referat pt.:

Właściwości układu twardych sfer – weryfikacja za pomocą symulacji komputerowych dużej skali

wygłosi

dr inż. Sławomir Pieprzyk

SEMINARIUM
Oddziału Fizyki Dielektryków i Spektroskopii Molekularnej

Dnia: 20.05.2019 roku (poniedziałek)
o godzinie 10:00 w auli

referat pt.:

Efekty nielokalne w złączu Josephsona z podwójną kropką kwantową

wygłosi

dr inż. Damian Tomaszewski

SEMINARIUM
Oddziału Fizyki Magnetyków i Zjawisk Kooperatywnych

Dnia: 17.05.2019 roku (piątek)
o godzinie 10:00 w auli

referat pt.:

Badania STM wzrostu Cu na powierzchni Si(100)-(2x1)

wygłosi

mgr inż. Paweł Wojciechowski

doktorant

SEMINARIUM
Oddziału Fizyki Dielektryków i Spektroskopii Molekularnej

Dnia: 13.05.2019 roku (poniedziałek)
o godzinie 10:00 w auli

referat pt.:

Electrocaloric and magnetocaloric properties of Pb(Fe_0.5Nb_0.5)O₃ - based ceramic materials

wygłosi

dr Hana Ursic

Jožef Stefan Institute, Ljubljana, Slovenia

SEMINARIUM
Oddziału Fizyki Magnetyków i Zjawisk Kooperatywnych

Dnia: 10.05.2019 roku (piątek)
o godzinie 10:00 w auli

referat pt.:

Przewodnictwo elektryczne oraz struktura elektronowa domieszkowanych pochodnych polipirolu

wygłosi

mgr inż. Adam Mizera

doktorant

SEMINARIUM
Oddziału Fizyki Miękkiej Materii i Materiałów Funkcyjnych

Dnia: 09.05.2019 roku (czwartek)
o godzinie 09:30 w sali 227

referat pt.:

Elektrooptyczny efekt Kerra w błękitnych fazach ciekłokrystalicznych

wygłosi

mgr inż. Tetiana Yevchenko

doktorantka

SEMINARIUM ODWOŁANE:

SEMINARIUM
Oddziału Fizyki Dielektryków i Spektroskopii Molekularnej

Dnia: 06.05.2019 roku (poniedziałek)
o godzinie 10:00 w auli

referat pt.:

Lepkościowe konsekwencje samoorganizacji molekuł dioli

wygłosi

dr Jolanta Świergiel

SEMINARIUM
Oddziału Fizyki Dielektryków i Spektroskopii Molekularnej

Dnia: 06.05.2019 roku (poniedziałek)
o godzinie 10:00 w auli

referat pt.:

Who is the winner? Artificial Intelligence and Machine Learning in the Science of Rating and Ranking

wygłosi

dr Hanna Kujawska

University of Bergen, Norway

We are living in a data-driven world. Advances in artificial intelligence (AI) could impact nearly all aspects of society: the labor market, transportation, healthcare, education, and national security. The booming IT industry collects large amounts of user preference and behavioral data to make various decisions. In many cases, these data are in diverse rank format instead of numerical values over alternatives – for example, how voters rank candidates, consumers choose one product over another, search engines rank webpages. Ratings and rankings are everywhere, but how exactly do they work? Who is the winner? This seminar presentation aims to share and discuss recent progress in machine learn-ing and decision-making from rank-data as well as provide an overview of the funda-mental ideas behind mathematical rating systems, i.e. reference to classical properties and algorithms for handling rank data.
Preference aggregation is the process of combining multiple individually ranked lists (of alternatives) towards choosing a winner from the list of options. The question we ex-plore here is can winners or representative rankings be predicted using machine learn-ing methods. The primary research objective conducted in experimental study is learna-bility of linear ranking of the alternatives in pairwise comparison. With its different con-figurations, the set of agents (voters) have preferences (votes) over a set of alternatives (candidates). Taking as input the preferences of all agents (so called profile), the mech-anism outputs an aggregated preference ranking of all alternatives or calculate the out-come as a single winner. Specifically, we focus on winner prediction based on the fol-lowing voting rules:
1. Kemeny voting (chooses the ranking which is closest to the individual rankings based on the total number of pairwise switches.)
2. Borda voting (which assigns n-1 points to a top ranked choice, n-2 points to sec-ond ranked choice, down to 0 points for a bottom ranked alternative. Finally, ranks alternatives of n candidates according to total number of points.)
3. Dodgson voting (which elects Condorcet winner by making swaps of adjacent candidates. The winner is the candidate that needs the minimum number of swaps).
Clearly, aggregated rank learning problem has a strong impact on identifying the winner, as determining Kemeny winner is NP-hard (over 4 candidates). The experimental study performs a comparison of several machine learning methods. In particular we explore XGBoost, Linear Support Vector Machines, Multilayer Perceptron and regularized linear classifiers with stochastic gradient descent for Borda, Kemeny and Dodgson methods with the goal of establishing the best trade-offs between search time and performance. We analyze the performance of our approaches on two datasets: one obtained from Spotify and a high-dimension synthetic dataset.
Key words: rank aggregation, preference aggregation, supervised machine learning, multi-agent systems, computational social choice