mgr inż. Bartłomiej Stasiak Instytut Informatyki Wydział Fizyki Technicznej, Informatyki i Matematyki Stosowanej Politechnika Łódzka Data i miejsce urodzenia 27.05.1977, Łódź Adres zamieszkania ul. Czajkowskiego 8 m. 6, 92-511 Łódź Telefon 501-302-682 Wykształcenie 2000 – 2004 1999 – 2000 1996 – 2001 1990 – 1996 Zatrudnienie Studia dzienne magisterskie – od drugiego roku – na Wydziale Fizyki Technicznej, Informatyki i Matematyki Stosowanej Politechniki Łódzkiej (kierunek: Informatyka) Ukończony pierwszy rok studiów dziennych magisterskich na Wydziale Matematyki Uniwersytetu Łódzkiego (kierunek: Matematyka). Studia dzienne magisterskie na Wydziale Wykonawstwa Instrumentalnego i Wokalno – Aktorskiego Akademii Muzycznej im. Grażyny i Kiejstuta Bacewiczów w Łodzi (kierunek: Instrumentalistyka) Państwowe Liceum Muzyczne im. Henryka Wieniawskiego w Łodzi (sześcioletnie). Instytut Informatyki Politechniki Łódzkiej (na stanowisku asystenta).
Działalność naukowa – publikacje [1] Stasiak, B., Yatsymirskyy, M.: Recursive Learning of Fast Orthogonal Neural Networks. In: Proc. of International Conference on Signals and Electronic Systems ICSES06, Łódź 2006. pp. 653-656 [2] Stasiak, B., Yatsymirskyy, M.: Fast orthogonal neural networks. In: Proc. of the 8th International Conf. on Artificial Intelligence and Soft Computing ICAISC, Zakopane 2006, LNAI 4029 Springer-Verlag, pp. 142-149 [3] Stasiak, B., Yatsymirskyy, M.: Application of Fourier-Mellin Transform to Categorization of 3D Objects. (in Polish) In: Proc. of the 3rd Conference on Information Technologies, Gdansk 2005, pp. 185-192. [4] Stasiak, B., Yatsymirskyy, M.: Analiza porównawcza deskryptorów obrazu opartych na transformacie Fouriera-Mellina. In: Proc. of the 1st Polish and International PD Forum - Conference on Computer Science, Bronisławów – Łódź 2005. [5] Jacymirski, M., Stasiak, B.: Wyszukiwanie obrazów w multimedialnych bazach danych. Zeszyty Naukowe AGH Automatyka, 2003-2004, pp. 339 – 349.
Tytuł pracy: Szybkie ortogonalne sieci neuronowe w zagadnieniach klasyfikacji i rozpoznawania wzorców. Tezy pracy: 1.Wykorzystanie ortogonalności operacji bazowych umożliwia uzyskanie istotnej poprawy efektywności nauczania w stosunku do istniejących szybkich sieci neuronowych, przy zachowaniu możliwości realizacji znanych szybkich przekształceń ortogonalnych. 2.Szybkie ortogonalne sieci neuronowe posiadają własności kwalifikujące do zastosowań w zadaniach klasyfikacji danych i rozpoznawaniu wzorców. Cele pracy: 1.Opracowanie, implementacja i weryfikacja metod konstrukcji i nauczania szybkich ortogonalnych sieci neuronowych 2.Zademonstrowanie skuteczności szybkich ortogonalnych sieci neuronowych w klasyfikacji wzorców.