Wykaz publikacji wybranego autora

Maciej Wielgosz, dr hab. inż.

adiunkt

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

  • 2023

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

    [dyscyplina 2] dziedzina nauk inżynieryjno-technicznych / automatyka, elektronika, elektrotechnika i technologie kosmiczne (25%)

  • 2018

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

    [dyscyplina 2] dziedzina nauk inżynieryjno-technicznych / automatyka, elektronika i elektrotechnika (25%)

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

Identyfikatory Autora Informacje o Autorze w systemach zewnętrznych

ORCID: 0000-0002-4401-2957 orcid iD

ResearcherID: J-5132-2018

Scopus: 24451414700

PBN: 5e70922c878c28a047391224

OPI Nauka Polska

System Informacyjny AGH (SkOs)

1
  • Analysis of the basic implementation aspects of hardware-accelerated density functional theory calculations
2
  • Compressing sentiment analysis CNN models for efficient hardware processing
3
  • Evaluation and implementation of \emph{n}–gram-based algorithm for fast text comparison
4
  • Experiment on methods for clustering and categorization of Polish text
5
  • Fast pre-diagnosis of neoplastic changes in cytology images using machine learning
6
  • FPGA implementation of procedures for video quality assessment
7
  • Highly efficient twin module structure of 64-bit exponential function implemented on SGI RASC platform
8
  • Mapping neural networks to FPGA-based IoT devices for ultra-low latency processing
9
  • Methodologies of compressing a stable performance convolutional neural networks in image classification
10
  • Novel architecture for floating point accumulator with cancelation error detection
11
  • Novel reduced-width multiplier structure dedicated for FPGAs
12
  • OpenCL-accelerated object classification in video streams using spatial pooler of hierarchical temporal memory
13
  • Predictive maintenance of induction motors using ultra-low power wireless sensors and compressed recurrent neural networks
14
  • Protection of superconducting industrial machinery using RNN-based anomaly detection for implementation in smart sensor
15
  • Roadmap on artificial intelligence and big data techniques for superconductivity
16
  • The implementation of the customized, parallel architecture for a fast word-match program
17
18
  • Using LSTM recurrent neural networks for monitoring the LHC superconducting magnets
19
  • Using neural networks with data quantization for time series analysis in LHC superconducting magnets
20
  • Using spatial pooler of hierarchical temporal memory to classify noisy videos with predefined complexity