Kierownik Katedry Sztucznej Inteligencji.
Profesor w Katedrze Sztucznej Inteligencji.
Zatrudniona w Wyższej Szkole Informatyki i Zarządzania od 2020 roku.
Doktor habilitowany nauk inżynieryjno-technicznych w dyscyplinie: informatyka techniczna i telekomunikacja (Instytut Badań Systemowych, Polska Akademia Nauk w Warszawie), doktor nauk matematycznych (Wydział Matematyki Stosowanej, Akademia Górniczo-Hutnicza w Krakowie), magister matematyki (Wydział Matematyczno-Przyrodniczy, Wyższa Szkoła Pedagogiczna w Rzeszowie).
Pracownik Instytutu Informatyki Uniwersytetu Rzeszowskiego.
Prowadzi badania naukowe w zakresie obliczeń inteligentnych ze szczególnym uwzględnieniem niepewności (nieprecyzyjności i niepełności informacji) ukierunkowane na opracowywanie metod reprezentacji i przetwarzania danych nieprecyzyjnych z wykorzystaniem teorii zbiorów rozmytych i ich rozszerzeń oraz podejmowanie decyzji w warunkach niepewności i braku precyzji.
Kieruje grupą badawczą w ramach tematu badawczego „Narzędzia nowej generacji dla uczenia federacyjnego skutecznie wspierające systemy wspomagania decyzji z niepewnością” utworzoną w Katedrze Sztucznej Inteligencji, której głównym celem jest rozwój metod i narzędzi w systemach uczenia federacyjnego uwzględniających nieprecyzyjność, niepewność oraz braki w danych. W tym celu planowane jest wykorzystanie wielu źródeł danych do uczenia skutecznych modeli sztucznej inteligencji bez konieczności udostępniania danych źródłowych (uczenie federacyjne z zachowaniem bezpieczeństwa i anonimowości danych) z uwzględnieniem nieprecyzyjności (https://wsiz.edu.pl/nauka-i-badania/badania-naukowe/granty-i-projekty/kolegium-informatyki-stosowanej/katedra-sztucznej-inteligencji/).
Kierowała lub brała udział w następujących projektach badawczych:
- Grant Narodowego Centrum Nauki nr N N519 384936 ”Zastosowanie zbiorów rozmytych Atanassova do reprezentacji i wnioskowania dla potrzeb wspomagania decyzji”, 2009–2011,
- Granty Wydziału Matamatyczno-Przyrodniczego Uniwersytetu Rzeszowskiego, 2015-2017 ”Operacje na zbiorach rozmytych i ich rozszerzeniach oraz ich użycie w modelowaniu wiedzy” (Własności i zastosowania),
- Grant Narodowego Centrum Nauki MINIATURA 2 nr 2018/02/X/ST6/01824, „Wpływ nowej miary równoważności i podobieństwa uwzględniającej niepewność na przetwarzanie obrazów” (2018-2019),
- Grant w ramach prac B+R jednostek naukowych w ramach projektu pt. „Podkarpackie Centrum Innowacji” współfinansowanego z Europejskiego Funduszu Rozwoju Regionalnego w ramach Osi Priorytetowej nr I ”Konkurencyjna i innowacyjna gospodarka Regionalnego Programu Operacyjnego Województwa Podkarpackiego na lata 2014-2020, „Optymalizacja czasu pracy obrabiarek CNC za pomocą wybranych parametrów określających ich dynamikę” (2020).
Była przewodniczącą lub organizatorem sesji, członkiem komitetów organizacyjnych i programowych w wielu międzynarodowych konferencji naukowych.
Jest prezesem Polskiego Towarzystwa Zbiorów Rozmytych (POLFUZZ), vice-prezesem European Society for Fuzzy Logic and Technology (EUSFLAT) oraz jest członkiem Polskiego Towarzystwa Matematycznego (PTM) i Polskiego Towarzystwa Kobiet w Matematyce (PTKM).
https://orcid.org/0000-0002-5501-5467
Lista wybranych publikacji:
-
- Pękala B., Szkoła J. , Grochowalski P., Gil D., Kosior D., Dyczkowski K., A Novel Method for Human Fall Detection Using Federated Learning and Interval-Valued Fuzzy Inference Systems, Journal of Artificial Intelligence and Soft Computing Research15(1):77-90, 2025, DOI: 10.2478/jaiscr-2025-0005
- Dyczkowski K, Grochowalski P., Kosior D., Gil D., Kozioł W., Pękala B., Kaymak U., C. Fuchs, M. S Nobile, Python library for interval-valued fuzzy inference, SoftwareX 26, 101730, 2024
- Mroczek, D. Gil, B. Pękala, Fuzzy and rough approach to the problem of missing data in fall detection system, Fuzzy Sets and Systems 480, 108868, 2024
- Pękala B., Bentkowska U., Kepski M., Mrukowicz M., The effectiveness of aggregation functions used in fuzzy local contrast constructions, Fuzzy Sets and Systems, 2024, 109054, ISSN 0165-0114, https://doi.org/10.1016/j.fss.2024.109054
- J. Szkoła, B. Pękala, K. Dyczkowski, Refining Uncertainty Management in Machine Learning: An Interval-Valued Fuzzy Set Approach to Logistic Regression, Information Processing and Management of Uncertainty in Knowledge-Based Systems. Theory and Methods, 1-14, 2024
- K. Dyczkowski, T. Górecki, T. Piłka, A. Sadurska, B. Pękala, A. Lee Owen, Sensor-based injury prediction in football using a new interval-valued fuzzy inference library, IEEE International Conference on Fuzzy Systems, FUZZ-IEEE’2024, 1-8, 2024
- B. Pękala, P. Piotr Grochowalski, D. Kosior, D. Gil, W. Kozioł, K. Dyczkowski, i in., Applications of IFIS python library in interval-valued fuzzy inference problems, IEEE International Conference on Fuzzy Systems, FUZZ-IEEE’2024, 1-9, 2024
- D. Gil, B. Pękala, The hybrid method of inference system based on experts’ rules and machine learning with an uncertainty aspect, Information Processing and Management of Uncertainty in Knowledge-Based Systems. Theory and Methods, IPMU’2024, Springer, 1-12, 2024
- Pękala B., Wilbik A., Szkoła J., Dyczkowski K., Żywica P., Federated Learning with the Choquet Integral as Aggregation Method, IEEE International Conference on Fuzzy Systems (FUZZ-IEEE), 1-8, 2024
- Pękala B., Uncertainty Data in Interval-Valued Fuzzy Set Theory. PROPERTIES, ALGORITHMS AND APPLICATIONS, Studies in Fuzziness and Soft Computing, Springer, 2019
- Pękala B., Comparing uncertainty data in epistemic and ontic sense used to decision making problem, Iranian Journal of Fuzzy Systems, 16 (2)(2019) 45–55
- Bentkowska U., Pękala B., The stability of local properties of fuzzy relations under ordinal equivalence, Information Sciences, 491 (2019), 265–278
- Pękala B., Bentkowska U., M Sesma-Sara, J Fernandez, J Lafuente, et al., Interval subsethood measure with respect to uncertainty for interval-valued fuzzy setting, International Journal of Computational Intelligence Systems, 13 (1) (2020), 167–177
- Pękala B., Dyczkowski K., Grzegorzewski P., Bentkowska U., Inclusion and similarity measures for interval-valued fuzzy sets based on aggregation and uncertainty assessment, Information Sciences 547, 2021, s. 1182– 1200. https://doi.org/10.1016/j.ins.2020.09.072
- Bentkowska U., Pękala B., Equivalence measure for Atanassov intuitionistic fuzzy setting, FUZZ IEEE 2019, Springer
- Barbara Pękala, Ewa Rak, Dawid Kosior, Marcin Mrukowicz, Jan G. Bazan, Ap-plication of similarity measures with uncertainty in classification methods, IEEE Conference on Fuzzy Systems (FuzzIEEE). Glasgow, Scotland, UK, 19-24 July 2020
- Pękala B., Rak E., Kwiatkowski B., Szczur A., Rak R., The use of concave and convex functions to optimize the feed-rate of numerically controlled machine tools, IEEE Conference on Fuzzy Systems (FuzzIEEE). Glasgow, Scotland, UK, 19-24 July 2020
- Pękala B., Bentkowska U., Szkoła J., Rząsa W., Dawid Kosior, Javier Fernandez, Laura De Miguel, Humberto Bustince, General local properties of fuzzy relations and fuzzy multisets used to an algorithm for group decision making, IEEE Conference on Fuzzy Systems (FuzzIEEE). Glasgow, Scotland, UK, 19-24 July 2020
- Drygaś P., Pękala B., Balicki K., Kosior D., Influence of new interval-valued pre-aggregation function on medical decision making, IEEE Conference on Fuzzy Systems (FuzzIEEE). Glasgow, Scotland, UK, 19-24 July 2020
- Dyczkowski K., Pękala B., Baczyński M., Szkoła J., Piłka T., The ordering methods of interval-valued fuzzy cardinal numbers with application in an uncertain decision making, IEEE Conference on Fuzzy Systems (FuzzIEEE). Glasgow, Scotland, UK, 19-24 July 2020
- Bentkowska U., Kepski M., Mrukowicz M., Pękala B., New fuzzy local contrast measures: definitions, evaluation and comparison, IEEE Conference on Fuzzy Systems (FuzzIEEE). Glasgow, Scotland, UK, 19-24 July 2020
- Pękala B., Szkoła J., Dyczkowski K., Piłka T., New Methods for Comparing Interval-Valued Fuzzy Cardinal Numbers, 18th International Conference on Information Processing and Management of Uncertainty in Knowledge-Based Systems. Lisbon, Portugal, June 15th – 19th 2020
Prowadzone przedmioty:
- Sztuczna inteligencja,
- Eksploracja danych,
- Bazy danych.
Materiały dla studentów dostępne są na platformie Moodle.
DANE KONTAKTOWE
Dr hab. Barbara Pękala, prof. WSIiZ
Katedra Sztucznej Inteligencji
e-mail: bpekala@wsiz.edu.pl
36-020 Tyczyn, Kielnarowa 386m,
p. KA 102
tel. 017/866 11 91
KONSULTACJE
Piątek, 13:15 – 14:15 (po wcześniejszym kontakcie mailowym)
https://wsiz.webex.com/meet/bpekala
