Wykaz publikacji wybranego autora

Krzysztof Rusek, dr inż.

adiunkt

Wydział Informatyki, Elektroniki i Telekomunikacji
WIEiT-kt, Instytut Telekomunikacji

  • 2018

    [dyscyplina 1] dziedzina nauk inżynieryjno-technicznych / informatyka techniczna i telekomunikacja

[poprzednia klasyfikacja] obszar nauk technicznych / dziedzina nauk technicznych / telekomunikacja

Identyfikatory Autora Informacje o Autorze w systemach zewnętrznych

ORCID: 0000-0003-4336-7841 orcid iD

ResearcherID: H-6694-2012

Scopus: 56550092200

PBN: 5e7094c0878c28a0473c3260

OPI Nauka Polska

System Informacyjny AGH (SkOs)

1

  • Reproducibility companion paper: describing subjective experiment consistency by $p$-value p-p plot / Jakub NAWAŁA, Lucjan JANOWSKI, Bogdan ĆMIEL, Krzysztof RUSEK, Marc A. Kastner, Jan Zahálka // W: MM'21 [Dokument elektroniczny] : proceedings of the 29th ACM international conference on Multimedia : October 20–24, 2021, virtual event, China. — Wersja do Windows. — Dane tekstowe. — New York : Association for Computing Machinery, cop. 2021. — e-ISBN: 978-1-4503-8651-7. — S. 3627–3629. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 3629, Abstr.. — Publikacja dostępna online od: 2021-10-17. — tekst: https://dl-1acm-1org-100000ds000a2.wbg2.bg.agh.edu.pl/doi/pdf/10.1145/3474085.3477935

    orcid iD

  • keywords: consistency, Quality of Experience, reproducibility, subjective experiment, subjective data, p–p plot

    Zobacz pełny wykaz publikacji Autora/Autorów: Lucjan Janowski, Bogdan Ćmiel, Jakub Nawała

    cyfrowy identyfikator dokumentu: 10.1145/3474085.3477935

2

  • The graph neural networking challenge: a worldwide competition for education in AI/ML for networks / José Suárez-Varela, [et al.], Krzysztof RUSEK, [et al.] // Computer Communication Review [Dokument elektroniczny]. - Czasopismo elektroniczne ; ISSN 1943-5819. — 2021 vol. 51 iss. 3, s. 9-16. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 16, Abstr.. — Publikacja dostępna online od: 2021-07-23. — tekst: https://dl-1acm-1org-17u0jwzx7055b.wbg2.bg.agh.edu.pl/doi/pdf/10.1145/3477482.3477485

    orcid iD

  • keywords: machine learning, Graph Neural Networks, network AI

    cyfrowy identyfikator dokumentu: 10.1145/3477482.3477485