Wykaz publikacji wybranego autora

Stanisław Gruszczyński, prof. dr hab. inż.

profesor zwyczajny

Wydział Geodezji Górniczej i Inżynierii Środowiska
WGGiIŚ-kkoś, Katedra Kształtowania i Ochrony Środowiska

  • 2018

    [dyscyplina 1] dziedzina nauk inżynieryjno-technicznych / inżynieria środowiska, górnictwo i energetyka

[poprzednia klasyfikacja] obszar nauk technicznych / dziedzina nauk technicznych / inżynieria środowiska

Identyfikatory Autora Informacje o Autorze w systemach zewnętrznych

ORCID: 0000-0002-8811-0954 orcid iD

ResearcherID: J-9711-2012

Scopus: 9637197600

PBN: 5e709207878c28a04738edc8

OPI Nauka Polska

System Informacyjny AGH (SkOs)

1

  • Assessing the information potential of MIR spectral signatures for prediction of multiple soil properties based on data from the AfSIS Phase I project / Stanisław GRUSZCZYŃSKI, Wojciech GRUSZCZYŃSKI // International Journal of Environmental Research and Public Health [Dokument elektroniczny]. — Czasopismo elektroniczne ; ISSN 1660-4601. — 2022 vol. 19 iss. 22 art. no. 15210, s. 1–22. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 20-22, Abstr.. — Publikacja dostępna online od: 2022-11-17. — tekst: https://www.mdpi.com/1660-4601/19/22/15210/pdf?version=1668697543

    orcid iD

  • keywords: Partial Least Squares Regression, soil properties prediction, generalized regression neural network, 1D convolutional neural network, mid-infrared spectrum

    Zobacz pełny wykaz publikacji Autora/Autorów: Wojciech Gruszczyński

    cyfrowy identyfikator dokumentu: 10.3390/ijerph192215210

2

  • Assessment of suitability of various models for estimating cation exchange capacity (CEC) — Ocena przydatności różnych modeli szacowania pojemności wymiennej kationów (CEC) / Stanisław GRUSZCZYŃSKI // Polish Journal of Soil Science ; ISSN 0079-2985. — 2009 vol. 42 no. 1, s. 15–29. — Bibliogr. s. 28, Abstr.

  • brak zdefiniowanych słów kluczowych

    cyfrowy identyfikator dokumentu:

3

  • Prediction of soil properties with machine learning models based on the spectral response of soil samples in the near infrared range — Predykcja właściwości gleb modelami uczenia maszynowego na podstawie odpowiedzi spektralnej prób glebowych w zakresie bliskiej podczerwieni / Stanisław GRUSZCZYŃSKI // Soil Science Annual ; ISSN 2300-4967. — 2019 vol. 70 no. 4, s. 298–313. — Bibliogr. s. 312–313, Abstr., Streszcz.. — tekst: http://ssa.ptg.sggw.pl/files/artykuly/2019_70/2019-4/ssa4-2019-s298-313.pdf

    orcid iD

  • słowa kluczowe: baza LUCAS, spektroskopia bliskiej podczerwieni, modele uczenia maszynowego, predykcja właściwości gleb

    keywords: near infrared spectroscopy, soil properties prediction, LUCAS database, machine learning models

    cyfrowy identyfikator dokumentu: 10.2478/ssa-2019-0027

4
5
6

  • The Bayesian model of the interdependencies between soil sorption features — Model Bayesowski współzależności między cechami sorpcyjnymi gleb / Stanisław GRUSZCZYŃSKI // Archives of Environmental Protection ; ISSN 2083-4772. — Tytuł poprz.: Archiwum Ochrony Środowiska ; ISSN: 0324-8461. — 2010 vol. 36 no. 2, s. 25–34. — Bibliogr. s. 33–34, Abstr.

  • keywords: belief network, soil sorption feature, interdependencies

    cyfrowy identyfikator dokumentu: