Supervised PhD theses
- Algorithms for Test-based Problems, by Wojciech Jaśkowski, defended in September 2011
- Semantic Extensions of Genetic Programming, by Bartosz Wieloch, defended in June 2013
- Coevolutionary Shaping for Reinforcement Learning, by Marcin Szubert, defended in September 2014
- Competent Algorithms for Geometric Semantic Genetic Programming, by Tomasz P. Pawlak, defended in September 2015
- Heuristic Discovery of Underlying Objectives for Test-based Problems, by Paweł Liskowski, defended in September 2018
- Machine Learning and Formal Verification for Acquisition of Knowledge in Heuristic Program Synthesis, by Iwo Błądek, to be defended in 2021
Supervised Master's theses
- Krzysztof Nawrocik, Acquisition of similarity relation from trained neural networks (Pozyskiwanie modelu relacji podobieństwa z przykładów za pośrednictwem sieci neuronowej), 2002
- Izabela Boguszyńska, Acquisition of similarity relation from examples using minimum description length principle (Pozyskiwanie modelu relacji podobieństwa z przykładów za pośrednictwem zasady minimalnej długości opisu), 2002
- Piotr Gąbka, Pattern recognition methods for measurement and analysis of selected features of crops (Pomiar i analiza wybranych cech roślin uprawnych metodami rozpoznawania obrazów), 2003
- Leszek Włodarski, Coevolutionary algorithms for decomposition of machine learning problems (Koewolucja w dekompozycji problemów uczenia maszynowego), 2003
- Jarosław Kucier, Implementation of interactive queries for image databases (Realizacja interaktywnych zapytań w obrazowych bazach danych), 2003
- Maciej Borkowski, Adaptive recognition of emotions based on facial expressions (Adaptacyjna metoda rozpoznawania emocji na podstawie obrazu twarzy), 2004
- Jarosław Puszczyński, Cellular genetic programming (Komórkowe programowanie genetyczne), 2004
- Patryk Lijewski, Automatic Decomposition of Problem Representation in Coevolutionary Algorithms, 2005
- Mikołaj Antoniewicz, Virtual machine for image analysis and recognition programs (Wirtualna maszyna programów analizy i rozpoznawania obrazów), 2005
- Paweł Gajda, Visual Navigation Module for PPRK Mobile Robot, 2006
- Wojciech Jaśkowski, Genetic Programming with Cross-task Knowledge Sharing for Learning of Visual Concepts, 2006
- Bartosz Wieloch, Genetic Programming with Knowledge Modularization for Learning of Visual Concepts, 2006
- Bartosz Mierzejewski, Image processing and analysis library for low-performance mobile devices (Biblioteka przetwarzania i analizy obrazów dla urządzeń mobilnych o niskiej mocy obliczeniowej), 2007
- Paweł Lichocki, Evolving Players for a Real-Time Strategy Game using Gene Expresion Programming (Ewolucja graczy dla strategicznej gry czasu rzeczywistego z wykorzystaniem Gene Expression Programming), 2008 (co-supervised by Wojciech Jaśkowski),
- Przemysław Polewski, Potential Fitness for Genetic Programming (Potencjalna funckcja oceniająca dla programowania genetycznego), 2008
- Szymon Szafraniec, Time Series Prediction using Genetic Programming (Prognozowanie szeregów czasowych z wykorzystaniem programowania genetycznego), 2008
- Piotr Hołubowicz, Gene Fragment Programming (Programowanie na fragmentach genetycznych), 2008
- Jan Kuźniak, Gesture Recognition in Video Sequences (Rozpoznawanie gestów w sekwencjach wideo), 2008
- Marcin Szubert, Coevolutionary Reinforcement Learning and its Application to Othello (Koewolucyjne uczenie się ze wzmocnieniem i jego zastosowanie do gry Othello), 2009
- Jan Polak, Evolving Strategy for a Tactical Game using Genetic Programming (Ewolucja strategii gry taktycznej z wykorzystaniem programowania genetycznego), 2009
- Witold Szymaniak, Evolving Simulated Car Controller using Cartesian Genetic Programming (Ewolucja sterownika pojazdu z wykorzystaniem Kartezjańskiego programowania genetycznego), 2009
- Maciej Mietliński, Wykorzystanie programowania genetycznego przy budowie asystentów inwestycyjnych, 2009
- Bartosz Gołek, Wykorzystanie sztucznych sieci neuronowych do prognozowania szeregów czasowych w systemach informatycznych klasy ERP, 2010
- Maciej Janiszewski, Ewolucyjna konstrukcja cech dla wieloklasowych problemów rozpoznawania obrazów, 2010
- Adam Rybicki, Algorytmy koewolucyjne w uczeniu strategii gier, 2010
- Karolina Stanisławska, Genetic Programming for Global Temperature Modelling (Modelowanie zmian temperatury globalnej z wykorzystaniem programowania genetycznego), 2011
- Tomasz Pawlak, Automated Design of Semantically Smooth Instruction Spaces for Genetic Programming (Metody automatycznego projektowania semantycznie gładkich przestrzeni instrukcji dla programowania genetycznego), 2011
- Artur Osesik, Image Processing Algorithms for Optical Coherence Tomography (OCT) (Algorytmy przetwarzania i analizy obrazów dla optycznej tomografii koherencyjnej), 2012,
- Artur Jaworski, Committee-based Approach to Evolutionary Learning of Game Strategies (Podejście komitetowe w ewolucyjnym uczeniu się strategii gier), 2012 (consulted by Marcin Szubert)
- Piotr Jessa, Estimation of Distribution Algorithms for Linear Genetic Programming, 2012
- Tomasz Kamiński, Semantically Medial Crossover Operators for Genetic Programming using Push Language (Operatory semantycznego krzyżowania medialnego w programowaniu genetycznym z wykorzystaniem języka Push), 2012
- Magda Przygórzewska, Algorithms for detection of corpus callosum in magnetic resonance imaging, 2013
- Wojciech Ślusarczyk, Ensemble Approach to Reinforcement Learning in Othello Game (Podejście komitetowe w uczeniu ze wzmocnieniem gracza Othello), 2013
- Michał Turek, Detection and Exploitation of Modularity in Genotype-phenotype Mappings for Genetic Algorithms (Detekcja i eksploatacja modularności w odwzorowaniach genotyp-fenotyp dla algorytmów genetycznych), 2013
- Lidia Brzezińska, Coevolutionary algorithms for training neural networks of varying topology (Koewolucyjne algorytmy uczenia sieci neuronowych o zmiennej topologii), 2013
- Łukasz Brzeziński, Coevolutionary algorithms for test-based problems with applications to density classification task (Algorytmy koewolucyjne dla problemów opartych na testach z zastosowaniem do problemu klasyfikacji gęstości), 2013
- Tomasz Ziętkiewicz, Optimization of SVM Classifiers using Genetic Programming (Optymalizacja klasyfikatora SVM za pomocą programowania genetycznego), 2013
- Jan Łukaszewicz, Algorithms for Processing of 3D Optical Coherence Tomography Images and their Implementation for GPU (Algorytmy przetwarzania trójwymiarowych obrazów optycznej tomografii koherencyjnej z implementacją na GPU), 2014
- Iwo Błądek, Automatic Program Synthesis in Conventional Programming Languages (Automatyczna synteza programów w konwencjonalnych językach programowania), 2015
- Sebastian Gośka, Synthesis of recursive programs using non-recursive substitution (Synteza programów rekurencyjnych z wykorzystaniem nierekurencyjnego podstawienia), 2015
- Aleksander Grzyb, Spatial coregistration algorithms for angiographic imaging with optical coherence tomography (Algorytmy korejestracji przestrzennej dla angiograficznego obrazowania w optycznej tomografii koherencyjnej), 2015
- Mateusz Piecuch, Output Correction Algorithms for Neural Networks in Application to Blood Vessel Detection in Optical Coherence Tomography Imaging (Algorytmy korekcji odpowiedzi sieci neuronowej dla problemu detekcji naczyń krwionośnych w obrazowaniu optycznej tomografii koherencyjnej), 2016
- Robert Głowski, Distributed Evolutionary Algorithms for the Apache Spark Platform (Metody rozpraszana algorytmów ewolucyjnych w środowisku Apache Spark), 2016
- Jakub Guner, Research into Implementation of Explanatory Modeling Based on Genetic Programming in a Distributed Environment of Apache Spark (Badania implementacji modelowania wyjaśniającego z wykorzystaniem programowania genetycznego w rozproszonym środowisku Apache Spark), 2017
- Szymon Tuzel, Deep Learning for Anomaly Detection in Volumetric Computer Tomography, 2017
- Miron Olszewski, Deep Learning for Segmentation of Blood Vessels in Optical Coherence Tomography, 2017
- Jakub Bednarek and Karol Piaskowski, Efficient Tree-2-Tree Autoencoders for End-to-End Processing of Abstract Syntax Trees, 2018
- Patryk Gliszczyński, Deep Autoencoders for Unsupervised Image Segmentation in Optical Coherence Tomography, 2018
- Marta Pogodska (Bioinformatics), Statistical analysis of microarray data based on gene expression of Sus Scrofa, 2018
- Adam Krasuski. Automated Discovery of Domain Knowledge for Prioritizing Search in Program Synthesis, 2019
- Filip Andrzejewski, Piotr Jaszkiewicz, Curriculum Learning for Deep Cognitive Architecture, 2019
- Dominik Thiem, Advanced Controllers for the Deep Cognitive Architecture, 2019
- Natalia Braniewska, Jakub Stańczak, Variational Extension of the Deep Cognitive Architecture, 2019
- Tomasz Pecyna, Tomasz Supłat, Concept Identification for Neuro-symbolic Learning Systems, 2020
- Szymon Wolarz, Gradient-based Reward Functions for Neuro-symbolic Systems Trained with Reinforcement Learning, 2020
- Mateusz Norel, Machine Learning Modeling of the Impact of Climate Variability on River Flow, 2021
- Bartosz Mikulski, Deep Model Synthesis through Simulation and Auto-association, 2021
- Dominik Kossiński, Efficient Algorithms for Gradient-guided Symbolic Regression, 2021
- Michał Gilski, Machine Learning for Synthesis of Problemsolving Programs in Image Analysis and Interpretation, 2021
- Łukasz Ciecierski, Development of method for automatic extraction of regenerating Triclatida specimens’ body images on the example of Schmidtea mediterranea using heuristic parameter tuning, 2021
- Patryk Jedlikowski, Mikołaj Sienkiewicz, Graph Neural Networks for Search Guidance in Program Synthesis, 2022
- Mateusz Kałamoniak, Zuzanna Piniarska, Deep Associative Models for Representation Learning and Solving of Visual Problems, 2022
- Antoni Nowinowski, Exploration Algorithms for Inductive Program Synthesis with Library Construction in the Wake-Sleep mode, 2023
- Piotr Jurga, Spatiospectral Reconstruction Algorithms for Electron Paramagnetic Resonance Imaging, 2023
- Maciej Falbogowski, Deep Neurosymbolic Systems for Modeling and Interpretation of Medical Imaging, 2023
- Michał Kałczyński, Machine learning for modeling of the impact of climate variability on precipitation, 2023
- Zuzanna Buchnajzer, Kacper Dobek, Stanisław Hapke, Daniel Jankowski, Deep Learning for Compositional Geometric Modeling in Medical Imaging, 2024
- Wojciech Spychalski, Neurosymbolic Autoencoders for Blood Vessel Modelling in OCT Imaging, 2024
- Michał Dzięcielski, Neurosymbolic Autoencoders for for Segmentation of Anatomical Layers in OCT Imaging, 2024