RESUME

Marzec 2005/Marzec 2012

Włodzisław Duch

Tekst opracowałem na konkurs Fundacji na Rzecz Nauki Polskiej, nieco rozszerzyłem do programu Mastro.

Lista najważniejszych osiągnięć naukowych i dydaktycznych.

Pracowałem w wielu dziedzinach nauki i mam w związku z tym wyjątkowo szeroką wiedzę oraz kontakty w wielu środowiskach. Z tego powodu jestem zapraszany do oceny nietypowych projektów w 6 PR UE czy prac doktorskich lub habilitacyjnych. Poniżej wymieniam niektóre z tych dziedzin, zaczynając od tych, w których jestem najbardziej aktywny.

Inteligencja obliczeniowa (computational intelligence).

Tą nazwą określane są od końca lat 1990. liczne gałęzie informatyki stosowanej, których celem jest rozwiązywanie problemów niealgorytmizowalnych, lub efektywnie niealgorytmizowalnych. W odróżnieniu od sztucznej inteligencji, która skupia się nad problemami wymagającymi korzystania z wyższych czynności poznawczych (reprezentacji symbolicznych, myślenia, rozwiązywania problemów, języka), inteligencja obliczeniowa związana jest z niższymi czynnościami poznawczymi, percepcją, rozpoznawaniem obiektów, odkrywaniem struktur w danych, kategoryzacją, przewidywaniem, integracją sensomotoryczną, uczeniem z danych, mechanizmami uwagi i selekcji informacji. Początkowo algorytmy inteligencji obliczeniowej powstały na skutek inspiracji sposobem działania mózgu (sztuczne sieci neuronowe), genetyki i ewolucji (algorytmy ewolucyjne), oraz logiki rozmytej. Dołączyły się do tego inspiracje wywodzące się z wielu innych dziedzin, statystyki, rachunku prawdopodobieństwa, rozpoznawania wzorców (pattern recognition), psychologii poznawczej, działania układu immunologicznego, uczenia maszynowego, oraz wielu innych dziedzin. W rezultacie po początkowym okresie rozwoju IEEE Neural Network Council (NNC) przekształciło się w Neural Network Society (NNS), a następnie w 2004 roku w IEEE Computational Intelligence Society (CIS), do czego zresztą od początku intensywnie przekonywałem poprzednich prezydentów. Byłem członkiem-założycielem Polskiego Towarzystwa Sieci Neuronowych w 1994 roku i jestem członkiem jego zarządu do tej pory, biorąc aktywny udział w organizacji konferencji tego Towarzystwa, które obecnie jest mocno związane z Polskim Oddziałem (Chapterem) IEEE CIS. Od 1997 roku brałem też udział jako członek z wyboru w pracach IEEE NNC a później NNS.

W czasie IEEE World Congress on Computational Intelligence (maj 1998, ponad 1000 uczestników) zostałem zaproszony do panelu dyskusji plenarnej nad przyszłością badań w zakresie inteligencji obliczeniowej, z udziałem tak wybitnych uczonych jak Steve Grossberg (Boston University), Walter Freeman (UC Berkley) oraz Paul Werbos (NSF). Cieszę się na tyle dużym zaufaniem członków IEEE CIS, że zostałem wybrany na współorganizatora (technical co-chairman) największego, organizowanego co 4 lata, kongresu IEEE World Congress on Computational Intelligence (WCCI’2006, Vancouver, Canada), http://www.wcci2006.org/, razem z prof. Shiro Usui z RIKEN Brain Science Institute (Japonia) oraz prof José Príncipe z University of Florida, obecnym chairmanem International Neural Networks Society, INNS. W 2003 roku byłem członkiem zarządu INNS (jako jedna z 3 osób z Europy), a od 2001 roku byłem członkiem European Neural Networks Society. W 2004 roku zostałem wybrany na prezydenta ENNS na okres 2005-2007 i powierzono mi organizację ICANN, dorocznej konferencji ENNS, która odbędzie się we wrześniu 2005 w Warszawie (organizujemy ją wspólnie z prof. J. Kacprzykiem z IBS PAN). W 2003 roku byłem więc jedynym człowiekiem, który był członkiem z wyboru zarządu wszystkich trzech najważniejszych organizacji na świecie w tej dziedzinie. W 2007 roku wspólnie z prof. Enrique Ruspinim, Stanford Research International, będę co-chairmanem konferencji „Computational Intellignece in Data Mining”, w ramach IEEE Symposium Series on Computational Intelligence, Honolulu, Hilton Hawaiian Village Hotel. W ostatnich latach byłem członkiem kilkunastu komitetów najważniejszych konferencji w tej dziedzinie i jestem członkiem redakcji 10 pism specjalistycznych, chociaż z braku czasu zwykle musze odmówić w angażowanie się w nowe inicjatywy.

Kiedy zacząłem się zajmować metodami inteligencji obliczeniowej na początku lat 1990 odkryłem dwa ważne, ale niestety wcześniej znane algorytmy: sieci Radialnych Funkcji Bazowych (RBF) w pracy Duch W (1994) Floating Gaussian Mapping: a new model of adaptive systems, Neural Network World 4:645-654; oraz Skalowanie Wielowymiarowe (Multidimensional Scaling, MDS), w pracy Duch W (1995) Quantitative measures for the self-organized topographical mapping. Open Systems and Information Dynamics 2:295-302. Obydwie prace, chociaż odkrywają ponownie znane metody, napisane są z całkiem odmiennego punktu widzenia niż znane prace w tej dziedzinie. Prace nad sieciami RBF zakończyły się doktoratem Norberta Jankowskiego na temat sieci ontogenicznych, a prace nad MDS zakończyły się doktoratem Antoine Nauda nad metodami wizualizacji danych.

Do najważniejszych osiągnięć naukowych w tej dziedzinie zaliczam:

Zastosowania biomedyczne metod inteligencji obliczeniowej.

Kognitywistyka (nauki o poznaniu):

Ten kierunek badań w Polsce zaczał się rozwijać doperio niedawno, udało się nam 3 lata temu otworzyć kierunek studiów w tym zakresie, prowadzony przez Wydział Humanistyczny prze naszej współpracy. Nauki kognitywne zmierzają do zrozumienia mechanizmów poznawczych człowieka. Moje wysiłki idą tu w kilku kierunkach:

Fizyka komputerowa i mechanika kwantowa:

Osiągnięcia dydaktyczne:

Publikacje na które powołuję się w opisie:


[1] Duch W, Brain-inspired conscious computing architecture. Journal of Mind and Behavior, 26(1-2), 1-22, 2005.
[2] Kordos M, Duch W, A Survey of Factors Influencing MLP Error Surface. Control and Cybernetics 33(4): 611-631, 2004
[3] Duch W, Szymanski J, Sarnatowicz T, Concept description vectors and the 20 question game. Advances in Soft Computing, Springer, 41-50, 2005.
[4] Duch W (2005) Uncertainty of data, fuzzy membership functions, and multi-layer perceptrons. IEEE Transactions on Neural Networks 16(1): 10-23
[5] Duch W, Setiono R, Żurada J (2004) Computational intelligence methods for understanding of data. Proceedings of the IEEE 92(5), 771- 805
[6] Duch W (2005) Filter Methods. W: Feature extraction, foundations and applications. Eds: I. Guyon, S. Gunn, M. Nikravesh, L. Zadeh, Springer Verlag, 89-118, 2006
[7] Kordos M, Duch W (2004) On Some Factors Influencing MLP Error Surface. Lecture Notes in AI Vol. 3070, 217-222.
[8] Duch W (2004) Visualization of hidden node activity in neural networks: I. Visualization methods. Lecture Notes in AI Vol. 3070, 38-43
[9] Duch W (2004) Visualization of hidden node activity in neural networks: II. Application to RBF networks. Lecture Notes in AI 3070, 217-222
[10] Duch W, Blachnik M (2004) Fuzzy rule-based systems derived from similarity to prototypes. Lecture Notes in Computer Science, Vol. 3316, 912-917.
[11] Duch W, Mandziuk J (2004) Quo Vadis Computational Intelligence? In: Machine Intelligence. Quo Vadis? Advances in Fuzzy Systems - Applications and Theory - Vol. 21, World Scientific, pp. 3-28.
[12] Pestian J, Itert L, Duch W (2004) Development of a Pediatric Text-Corpus for Part-of-Speech Tagging, Advances in Soft Computing, Springer Verlag, pp. 219-226.
[13] Duch W, Wieczorek T, Biesiada J, Blachnik M (2004) Comparison of feature ranking methods based on information entropy. Proc. of Int. Joint Conf. on Neural Networks (IJCNN), Budapest 2004, IEEE Press, pp. 1415-1420
[14] Kordos M, Duch W (2004) Variable step size search algorithm for MLP training. The 8th IASTED Int Conf. on Artificial Intelligence and Soft Computing (ASC 2004), Marbella, Spain, pp. 215-220.
[15] Duch W (2003) Just bubbles? Commentary on Steven Lehar, Gestalt Isomorphism and the Primacy of Subjective Conscious Experience: A Gestalt Bubble Model. Behavioral and Brain Sciences Vol. 26(4), 410-411
[16] Duch, W (2003) Coloring black boxes: visualization of neural network decisions. Int. Joint Conference on Neural Networks (IJCNN), Portland, Oregon, IEEE Press, Vol. I, pp. 1735-1740.
[17] Kordos M, Duch, W (2003) Multilayer Perceptron Trained with Numerical Gradient. Proc. Joint Int. Conf. on Artificial Neural Networks (ICANN) and Int. Conf. on Neural Information Processing (ICONIP), Istanbul, pp. 106-109
[18] Kordos M, Duch, W (2003) Search-based training for logical rule extraction by Multilayer Perceptron. Proc. Joint Int. Conf. on Artificial Neural Networks (ICANN) and Int. Conf. on Neural Information Processing (ICONIP), Istanbul, pp. 86-89
[19] Duch W, Winiarski T, Biesiada J, Kachel, A (2003), Feature Ranking, Selection and Discretization. Proc. Joint Int. Conf. on Artificial Neural Networks (ICANN) and Int. Conf. on Neural Information Processing (ICONIP), Istanbul, pp. 251-254.
[20] Duch W, Itert L (2003) Committees of Undemocratic Competent Models. Proc. Joint Int. Conf. on Artificial Neural Networks (ICANN) and Int. Conf. on Neural Information Processing (ICONIP), Istanbul, pp. 33-36
[21] Grudzinski K, Karwowski M, Duch W (2003) Computational Intelligence Study of the Iron Age Glass Data. Proc. Joint Int. Conf. on Artificial Neural Networks (ICANN) and Int. Conf. on Neural Information Processing (ICONIP), Istanbul, pp. 17-20
[22] Duch W, Synchronicity, Mind and Matter. Neuroquantology, Vol. 1, January 2003, reprinted from The International Journal of Transpersonal Studies 21 (2002) 155-170.
[23] Duch W, Biesiada J, Winiarski T, Grudziński K, Grąbczewski K (2002) Feature selection based on information theory filters and feature elimination wrapper methods. Advances in Soft Computing, Physica Verlag (Springer), pp. 173-176
[24] Duch W, Grudziński K (2002) Meta-learning via search combined with parameter optimization. Advances in Soft Computing, Physica Verlag (Springer), pp. 13-22
[25] Grąbczewski K, Duch W (2002) Heterogeneous forests of decision trees. Springer Lecture Notes in Computer Science Vol. 2415, 504-509
[26] Duch W, Itert L (2002) Competent undemocratic committees. Neural Networks and Soft Computing, Advances in Soft Computing, Physica Verlag (Springer), pp. 412-417.
[27] Naud A, Duch W, Visualization of large data sets using MDS combined with LVQ. W: Neural Networks and Soft Computing (eds. L. Rutkowski and J. Kacprzyk), Advances in Soft Computing, Physica Verlag (Springer), pp. 632-637, 2002.
[28] Grąbczewski K, Duch W (2002) Forests of decision trees. Advances in Soft Computing, Physica Verlag (Springer), pp. 602-607.
[29] Marczak M, Duch W, Grudziński K, Naud A (2002) Transformation Distances, Strings and Identification of DNA Promoters. Advances in Soft Computing, Physica Verlag (Springer), pp. 620-625, 2002.
[30] Duch W, Grąbczewski K (2002) Heterogeneous adaptive systems. IEEE World Congress on Computational Intelligence, Honolulu, IEEE Press, pp. 524-529.
[31] Duch W, Winiarski T, Grąbczewski K, Biesiada J, Kachel, A (2002) Feature selection based on information theory, consistency and separability indices. Int. Conf. on Neural Information Processing (ICONIP), Singapore, Vol. IV, pp. 1951-1955.
[32] Duch W (2002) Fizyka umysłu. Postępy Fizyki 53D, 92-103
[33] Duch W, Adamczak R, Grąbczewski K (2001) Methodology of extraction, optimization and application of crisp and fuzzy logical rules. IEEE Transactions on Neural Networks Vol. 12, 277-306.
[34] Duch W (2001) Facing the hard question. Behavioral and Brain Sciences Vol. 24, 187-188.
[35] Duch W, Grudziński K (2001) Meta-learning: searching in the model space. Int. Conf. on Neural Information Processing, Shanghai, Vol. I, pp. 235-240.
[36] Duch W, Grudziński K (2001) Prototype based rules - new way to understand the data. IEEE International Joint Conf. on Neural Networks, Washington D.C, pp. 1858-1863.
[37] Duch W, Grudziński K (2001) Ensembles of Similarity-Based Models. Advances in Soft Computing, Physica Verlag (Springer), pp. 75-85
[38] Duch W, Grąbczewski K, Adamczak R, Grudziński K, Hippe Z.S. (2001) Rules for melanoma skin cancer diagnosis. Komputerowe Systemy Rozpoznawania (KOSYR), Wrocław, pp. 59-68.
[39] Duch W, Jankowski N, Transfer functions: hidden possibilities for better neural networks. 9th European Symposium on Artificial Neural Networks (ESANN), Brugge 2001. De-facto publications, pp. 81-94.
[40] Duch W, Adamczak R, Diercksen GHF, Constructive density estimation network based on several different separable transfer functions. 9th European Symposium on Artificial Neural Networks (ESANN), Brugge 2001. De-facto publications, pp. 107-112
[41] Jankowski N, Duch W, Optimal transfer function neural networks. 9th European Symposium on Artificial Neural Networks (ESANN), Brugge 2001. De-facto publications, pp. 101-106.
[42] Duch W (2001) Psychika i świadomość Encyklopedia Multimedialna PWN, 2001 (7 str).
[43] Duch W, Similarity based methods: a general framework for classification, approximation and association, Control and Cybernetics 29 (4) (2000) 937-968
[44] Duch W, Therapeutic applications of computer models of brain activity for Alzheimer disease . J. Medical Informatics and Technologies 5 (2000) 27-34
[45] Duch W (2000) Neural networks papers on the Internet. IEEE Transactions on Neural Networks Vol. 11 (No. 6), 2000, 1509-1511
[46] Duch W, Adamczak R, Diercksen G.H.F, Classification, Association and Pattern Completion using Neural Similarity Based Methods. Applied Mathematics and Computer Science 10:4 (2000) 101-120
[47] Duch W, Adamczak R, Diercksen GHF, Neural Networks from Similarity Based Perspective. New Frontiers in Computational Intelligence and its Applications. Ed. M. Mohammadian, IOS Press, Amsterdam 2000, pp. 93-108
[48] Duch W, Adamczak R, Grąbczewski K, Jankowski N, Neural methods of knowledge extraction. Control and Cybernetics 29 (4) (2000) 997-1018
[49] Duch W, Jankowski N, Grąbczewski K, Adamczak R, Optimization and interpretation of rule-based classifiers, Intelligent Information Systems 2000, Advances in Soft Computing, Physica Verlag (Springer), pp. 1-13
[50] Duch W and Hayashi Y, Computational intelligence methods and data understanding. In: Quo Vadis computational Intelligence? New trends and approaches in computational intelligence. Eds. P. Sincak, J. Vascak, Springer studies in fuzziness and soft computing, Vol. 54 (2000), pp. 256-270
[51] Grudziński K, Duch W, SBL-PM: A Simple Algorithm for Selection of Reference Instances for Similarity Based Methods. Intelligent Information Systems 2000, Advances in Soft Computing, Physica Verlag (Springer), pp. 99-108
[52] Adamczak R, Duch W, Neural networks for structure-activity relationship problems. 5th Conference on Neural Networks and Soft Computing, Zakopane, June 2000, pp. 669-674
[53] Duch W, Adamczak R, Hayashi Y, Eliminators and classifiers, 7th Int. Conf. on Neural Information Processing, Nov. 2000, Dae-jong, Korea, ed. by Soo-Young Lee, pp. 1029 - 1034
[54] Duch W, Adamczak R, Diercksen GHF, Feature space mapping neural network applied to structure-activity relationship problems. ICONIP-2000, 7th International Conference on Neural Information Processing, Nov. 2000, Dae-jong, Korea, ed. by Soo-Young Lee, pp. 270 - 274
[55] Duch W, Adamczak R, Grąbczewski K, Grudziński K, Jankowski N, Naud N, Extraction of knowledge from data using Computational Intelligence methods. In: ICONIP-2000, 7th Int. Conf. on Neural Information Processing, Nov. 2000, Dae-jong, Korea (tutorial, 54 str).
[56] Duch W, Adamczak R, Grąbczewski K, Grudziński K, Jankowski N, Naud N, Understanding the data: extraction, optimization and interpretation of logical rules. In: IEEE International Joint Conference on Neural Networks 2000 (IJCNN) (tutorial, 70 str).
[57] Duch W, Grudziński K and Stawski G, Symbolic features in neural networks. 5th Conference on Neural Networks and Soft Computing, Zakopane, June 2000, pp. 180-185.
[58] Duch W, Jankowski N, Taxonomy of neural transfer functions, IEEE, International Joint Conference on Neural Networks 2000 (IJCNN), Vol. III, pp. 477-484.
[59] Grąbczewski K and Duch W, The separability of split value criterion. 5th Conference on Neural Networks and Soft Computing, Zakopane, June 2000, pp. 201-208.
[60] Naud A and Duch W, Interactive data exploration using MDS mapping. 5th Conference on Neural Networks and Soft Computing, Zakopane, June 2000, pp. 255-260.
[61] Duch W, Świadomość i dynamiczne modele działania mózgu. Neurologia i Neurochirurgia Polska T. 34 (50), Supl. 2, pp. 69-84.
[62] Adamczak R, Duch W, Model FSM w zastosowaniu do klasyfikacji. Biocybernetyka 2000, Tom 6: Sieci neuronowe, rozdz. III.26, pp. 801-824
[63] Duch W, Sieci neuronowe w modelowaniu zaburzeń neuropsychologicznych i chorób psychicznych. Biocybernetyka 2000, Tom 6: Sieci neuronowe, rozdz. II.18, pp. 589-616
[64] Duch W, Grudziński K, Sieci Neuronowe i Uczenie Maszynowe: próba integracji. Biocybernetyka 2000, Tom 6: Sieci neuronowe, rozdz. III.21, pp. 663-690
[65] Chojnowski A, Duch W, Analiza szeregów czasowych obrazów. Biocybernetyka 2000, Tom 6: Sieci neuronowe, rozdz. II.17, pp. 569-588
[66] Jankowski N, Duch W, Ontogeniczne sieci neuronowe. Biocybernetyka 2000, Tom 6: Sieci neuronowe, rozdz. I.8, pp. 257-294
[67] Grąbczewski K, Duch W, Adamczak R, Neuronowe metody odkrywania wiedzy w danych. Biocybernetyka 2000, Tom 6: Sieci neuronowe, rozdz. III.20, pp. 637-662
[68] Duch W, Jaka teoria umysłu w pełni nas zadowoli? Kognitywistyka i Media w Edukacji 3(1) (2000) 29 – 53
[69] Duch W, Debata: Sztuczny mózg, sztuczna inteligencja. Kognitywistyka i Media w Edukacji 3(1) (2000) 95-98.
[70] Matykiewicz P, Duch W, Pestian J, Nonambiguous Concept Mapping in Medical Domain, Lecture Notes in Artificial Intelligence, Vol. 4029, 941-950, 2006
[71] Duch W, Matykiewicz P, and Pestian J, Neurolinguistic Approach to Natural Language Processing with Applications to Medical Text Analysis. Neural Networks 21(10), 1500-1510, 2008.
[72] Duch W (2006) Madhyamika, nauka i natura rzeczywistości. Uwagi na marginesie książki: Matthieu Ricard i Trinh Xuan Thuan, Nieskończoność w Jednej Dłoni: Od Wielkiego Wybuchu do Oświecenia. Kognitywistyka i Media w Edukacji 1-2:293-316, 2006
[73] Duch W, Neurokognitywna teoria świadomości. Studia z kognitywistyki i filozofii umysłu (red. W. Dziarnowska i A. Klawiter). Tom. I, Subiektywność a świadomość. Zysk i S-ka, Poznań 2003, str. 133-154.
[74] Duch W. (2011) Jak reprezentowane są pojęcia w mózgu i co z tego wynika. Rozdział do książki (w druku).
[75] Duch W. (2010) Reprezentacje umysłowe jako aproksymacje stanów mózgu. Studia z Kognitywistyki i Filozofii Umysłu 3: 5-28, 2009
[76] Duch W. (2012) Neuronauki i natura ludzka. W: Nauki przyrodnicze a nowy ateizm, seria "Filozofia przyrody i nauk przyrodniczych", red. M. Słomka, str. 79-122
[77] Duch W. (2010) Architektury kognitywne. W: Neurocybernetyka teoretyczna,Uniwersytetu Warszawskiego, Rozdz. 14, str. 329-361, ed. R. Tadeusiewicz
[78] Duch W, Imagery Agnosia: what goes on in my head? Coma and Consciousness, Clinical, Societal and Ethical Implications. Satellite Symposium of the 13th Annual Meeting of the Association for the Scientific Studies of Consciousness, Berlin, 4-5 June 2009
[79] Duch W, Neurodynamics and the mind. Proc. of the International Joint Conference on Neural Networks, San Jose, CA, IEEE Press, pp. 3227--3234, 2011.
[80] Duch W. (2011) What can we know about ourselves and how do we know it? In: Ed. M. Jaskuła, B. Buszewski, Societas Humboldtiana Polonorum, 2011
[81] Duch W, Amuzja Wyobrażeniowa (w druku, 2012) Duch W, Nowak W, Meller J, Osinski G, Dobosz K, Mikołajewski D, and Wójcik G.M, Consciousness and attention in autism spectrum disorders. Proc of Cracow Grid Workshop 2010, pp. 202-211, 2011.
[82] Duch W, Consciousness and Attention in Autism Spectrum Disorders. Coma and Consciousness. Clinical, Societal and Ethical Implications. Satellite Symposium of the 13th Annual Meeting of the Association for the Scientific Studies of Consciousness, Berlin, 2009.
[83] Duch W, Intuition, Insight, Imagination and Creativity. IEEE Computational Intelligence Magazine 2(3), August 2007, pp. 40-52
[84] Duch W, Pilichowski M, Experiments with computational creativity. Neural Information Processing – Letters and Reviews, Vol. 11, No. 4-6, April/June 2007, pp. 123-133
[85] Duch W, Geometryczny model umysłu, Kognitywistyka i Media w Edukacji, Vol. 6 (2002) 199-230.
[86] Duch W, Fizyka umysłu. Postępy Fizyki 53D (2002), 92-103
[87] Duch W, Dobosz K, Visualization for Understanding of Neurodynamical Systems. Cognitive Neurodynamics 5(2), 145-160, 2011.
[88] Dobosz K, Duch W. (2010) Understanding Neurodynamical Systems via Fuzzy Symbolic Dynamics. Neural Networks Vol. 23 (2010) 487-496, 2010

Książki:

[1] Duch W (1986) Graphical representation of model spaces. Springer Verlag, Berlin. (W serii: Lecture Notes in Chemistry, Vol. 42), 190 str.
[2] Duch W (1997) Fascynujący świat programów komputerowych. (Nakom, Poznań, November 1997; 456 str, ISBN 83-85060-92-8)
[3] Duch W (1997) Fascynujący świat komputerów. (Nakom, Poznań, 20 May 1997; 444 str, ISBN 83-86969-09-1)
[4] Duch W, Kucharski T, Gomuła J, Adamczak R, Metody uczenia maszynowego w analizie danych psychometrycznych. Zastosowanie do wielowymiarowego kwestionariusza osobowości MMPI-WISKAD (Toruń, Marzec 1999; 650 str., ISBN 83-231-0986-9)
[5] Duch W (1999) Engineering Applications of Neural Networks. Proceedings of the 5th International Conference EANN'99, 13-15 September 1999, Warsaw, Poland Wyd. Adam Marszałek, Toruń, 313 str, ISBN 83-7174-512-512-5
[6] Duch W, Korbicz J, Rutkowski L, Tadeusiewicz R (2000) Biocybernetyka i Inżynieria Biomedyczna 2000. Tom 6: Sieci neuronowe. Akademicka Oficyna Wydawnicza EXIT, Warszawa 2000, 850 str, ISBN 83-87674-18-4
[7] Jankowski N, Duch W, Grąbczewski K, Meta-learning in Computational Intelligence. Studies in Computational Intelligence, Vol. 358, 1st Edition, pp. X + 362. 127 illus, 76 in color, Springer 2011.
[8] Duch W, Mandziuk J (Eds.), Challenges for Computational Intelligence. Springer "Studies in Computational Intelligence" Series, Vol. 63, June 2007, 488 pp.
[9] N. Jankowski. Meta-uczenie w inteligencji obliczeniowej. 396 str. Warszawa, Polska: Akademicka Oficyna Wydawnicza EXIT, 2011.