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
  • [referat, 2017]
  • TytułComparison of semantic vectors with reduced precision using the cosine similarity measure
    AutorzyMichał KARWATOWSKI, Maciej WIELGOSZ, Marcin PIETROŃ, Mateusz Staruchowicz, Kazimierz WIATR
    ŹródłoProceedings of the 2017 Intelligent Systems Conference (IntelliSys) [Dokument elektroniczny] : 7–8 September 2017, London. — [Piscataway] : IEEE, [2017]. — S. 898–904
  • keywords: natural language processing, FPGA, Vector Space Model, precision reduction

    cyfrowy identyfikator dokumentu: 10.1109/IntelliSys.2017.8324236

2
  • [artykuł w czasopiśmie, 2017]
  • TytułEvaluation and implementation of emph{n}–gram-based algorithm for fast text comparison
    AutorzyMaciej WIELGOSZ, Paweł Szczepka, Paweł RUSSEK, Ernest JAMRO, Kazimierz WIATR, Marcin PIETROŃ, Dominik ŻUREK
    ŹródłoComputing and Informatics / Slovak Academy of Sciences. Institute of Informatics. — 2017 vol. 36, s. 887–907
  • brak zdefiniowanych słów kluczowych

    cyfrowy identyfikator dokumentu: 10.4149/cai_2017_4_887

3
4
  • [referat, 2017]
  • TytułHigh level framework for mapping deep learning neural models to FPGAs
    AutorzyMichał KARWATOWSKI, Maciej WIELGOSZ, Marcin PIETROŃ, Kazimierz WIATR
    ŹródłoCGW Workshop'17 : Kraków, Poland, October 23-25, 2017 : proceedings / eds. Marian Bubak, Michał Turała, Kazimierz Wiatr. — Kraków : Academic Computer Centre CYFRONET AGH, [2017]. — S. 35–36
  • keywords: natural language processing, FPGA, artificial intelligence, deep learning

    cyfrowy identyfikator dokumentu:

5
  • [artykuł w czasopiśmie, 2017]
  • TytułOpenCL-accelerated object classification in video streams using spatial pooler of hierarchical temporal memory
    AutorzyMaciej WIELGOSZ, Marcin PIETROŃ
    ŹródłoInternational Journal of Advanced Computer Science and Applications (IJACSA). — 2017 vol. 8 no. 2, s. 344–355
  • keywords: OpenCL, GPU, hierarchical temporal memory, video processing

    cyfrowy identyfikator dokumentu:

6
  • [referat, 2017]
  • TytułSemantic search extension based on Polish WordNet relations in business document exploration
    AutorzyPiotr POTIOPA, Michał KARWATOWSKI, Jerzy DUDA, Paweł Sasor, Maciej WIELGOSZ, Bartłomiej Muzykiewicz
    ŹródłoIML 2017 [Dokument elektroniczny] : international conference on Internet of things and Machine Learning : October 17–18, 2017, Liverpool, United Kingdom. — New York : Association for Computing Machinery (ACM) International Conference Proceedings Series (ICPS), cop. 2017. — S. [1–7] art. no. 34
  • keywords: NLP, information retrieval, semantic similarity, semantic search engine, WordNet

    cyfrowy identyfikator dokumentu: 10.1145/3109761.3158401

7
8
9
  • [artykuł w czasopiśmie, 2017]
  • TytułUsing LSTM recurrent neural networks for monitoring the LHC superconducting magnets
    AutorzyMaciej WIELGOSZ, Andrzej SKOCZEŃ, Matej Mertik
    ŹródłoNuclear Instruments & Methods in Physics Research. Section A, Accelerators, spectrometers, detectors and associated equipment. — 2017 vol. 867, s. 40–50. — tekst: https://goo.gl/SR8abc
  • keywords: modelling, LHC, deep learning, LSTM, recurrent neural networks

    cyfrowy identyfikator dokumentu: 10.1016/j.nima.2017.06.020

10
  • [artykuł w czasopiśmie, 2017]
  • TytułUsing spatial pooler of hierarchical temporal memory to classify noisy videos with predefined complexity
    AutorzyMaciej WIELGOSZ, Marcin PIETROŃ
    ŹródłoNeurocomputing. — 2017 vol. 240, s. 84–97. — tekst: https://goo.gl/pYr1C7
  • keywords: OpenCL, hierarchical temporal memory, video processing, object classification

    cyfrowy identyfikator dokumentu: 10.1016/j.neucom.2017.02.046