Wybrane książki
- Jacek Tabor, Marek Śmieja, Łukasz Struski, Przemysław Spurek, Maciej Wołczyk, „Głębokie uczenie. Wprowadzenie”, Helion, 2022
Najważniejsze publikacje
- Łukasz Struski, Szymon Knop, Jacek Tabor, Daniec Wiktor, Przemysław Spurek, LocoGAN—Locally convolutional GAN, Computer Vision and Image Understanding 221 (2022), 103462
- Łukasz Struski, Marek Śmieja, Jacek Tabor, Pointed subspace approach to incomplete data, Journal of Classification 37 (2020), 42-57
- Marek Śmieja, Łukasz Struski, Jacek Tabor, Mateusz Marzec, Generalized RBF kernel for incomplete data, Knowledge-Based Systems 173 (2019), 150-162
- Łukasz Struski, Przemysław Spurek, Jacek Tabor, Marek Śmieja, Projected memory clustering, Pattern Recognition Letters 123 (2019), 9-15
- Marek Śmieja, Łukasz Struski, Jacek Tabor, Bartosz Zieliński, Przemysław Spurek, Processing of missing data by neural networks, Advances in Neural Information Processing Systems 31 (2018), 2719-2729
Najnowsze publikacje
- Piotr Borycki, Magdalena Trędowicz, Jacek Tabor, Łukasz Struski, Przemysław Spurek, ProDG: Prototypes for Data-Free Generative Post-Hoc Explainability, Advances in Neural Information Processing Systems [NeurIPS](MAIN), (2027),
- Szymon Płotka, Gizem Mert, Pedro Bassi, Wenxuan Li, Zongwei Zhou, Anna Marcinkiewicz, Wiktoria Romańczyk, Jarosław Ćwikła, Łukasz Struski, Ewa Szczurek, Jacek Tabor, Arkadiusz Sitek, Anatomy-Activated Mixture-of-Experts for 3D Medical Vision-Language Pre-training, Advances in Neural Information Processing Systems [NeurIPS], (2026),
- Łukasz Struski, Hanna Blazhko, Piotr Kubaty, Jacek Tabor, LAPLEX: The FFT of Learnable Laplace Kernels, Advances in Neural Information Processing Systems [NeurIPS], (2026),
- Łukasz Struski, Dawid Rymarczyk, Jacek Tabor, InfoDisent: Explainability of Image Classification Models by Information Disentanglement, Knowledge-Based Systems (2026),
- Mikołaj Zasada, Łukasz Struski, Jacek Tabor, Marcin Kurdziel, SoftMoE: Soft Differentiable Routing for Mixture-of-Experts in LLMs, International Conference on Machine Learning [ICML], (2026),
Zainteresowania
Zainteresowania badawcze: metody klastrowania, uczenie maszynowe, głębokie uczenie
Łukasz Struski
stopień/tytuł doktor habilitowany stanowiskobadawczo-dydaktyczne, adiunkt
jednostka
- Katedra Matematyki Stosowanej
- Instytut Matematyki
- Group of Machine Learning Research (GMUM)
lukasz.struski@uj.edu.pl