Wykaz publikacji wybranego autora

Dominik Żurek, dr inż.

asystent

Wydział Informatyki
WI-ii, Instytut Informatyki


  • 2019

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

    [dyscyplina 2] dziedzina nauk ścisłych i przyrodniczych / informatyka (50%)


Identyfikatory Autora

ORCID: 0000-0001-5329-1452 orcid iD

ResearcherID: DWK-4278-2022

Scopus: 55074899600

PBN: 5e7092ae878c28a04739a9e1




1
  • Ada-QPacknet - multi-task forget-free continual learning with quantization driven adaptive pruning / Marcin PIETROŃ, Dominik ŻUREK, Kamil FABER, Roberto Corizzo // W: ECAI 2023 : 26\textsuperscript{th} European Conference on Artificial Intelligence : including 12\textsuperscript{th} conference on Prestigious Applications of Intelligent Systems (PAIS 2023) : September 30 - October 4, 2023, Kraków, Poland : proceedings / ed. by Kobi Gal, [et al.] ; European Association for Artificial Intelligence (EurAI), Polish Artificial Intelligence Society (PSSI). — Amsterdam : IOS Press BV, cop. 2023. — (Frontiers in Artificial Intelligence and Applications ; ISSN 0922-6389 ; vol. 372). — ISBN: 978-1-64368-436-9 ; e-ISBN: 978-1-64368-437-6. — S. 1882-1889. — Bibliogr. s. 1888-1889, Abstr.. — Dod. abstrakt dostępny w: {https://ecai2023.eu/acceptedpapers} [2023-11-06]. — tekst: https://ebooks.iospress.nl/volume/ecai-2023-26th-european-conference-on-artificial-intelligence-including-12th-conference-on-prestigious-applications-of-intelligent-systems-pais-2023

    orcid iD
  • brak zdefiniowanych słów kluczowych

    cyfrowy identyfikator dokumentu: 10.3233/FAIA230477

2
  • Scalability of a neuroevolutionary based framework for anomaly detection / Marcin PIETROŃ, Dominik ŻUREK, Kamil FABER // W: KU KDM 2023 [Dokument elektroniczny] : fifteenth ACC Cyfronet AGH HPC users’ conference : Zakopane, 19–21 April 2023 : proceedings / eds. Kazimierz Wiatr, Jacek Kitowski, Marian Bubak. — Wersja do Windows. — Dane tekstowe. — Kraków : Academic Computer Centre Cyfronet AGH, [2023]. — e-ISBN: 978-83-61433-37-8. — S. 71–72. — Wymagania systemowe: Adobe Reader. — Tryb dostępu: https://www.cyfronet.pl/zalacznik/9789 [2024-01-15]. — Bibliogr. s. 72. — M. Pietroń – dod. afiliacja: ACC Cyfronet AGH

    orcid iD
  • keywords: anomaly detection, deep learning, neuroevolution, autoencoders

    cyfrowy identyfikator dokumentu:

3
4