Wykaz publikacji wybranego autora

Jan Kusiak, prof. dr hab. inż.

profesor zwyczajny

Wydział Inżynierii Metali i Informatyki Przemysłowej
WIMiIP-kism, Katedra Informatyki Stosowanej i Modelowania


  • 2018

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

    [dyscyplina 2] dziedzina nauk inżynieryjno-technicznych / inżynieria materiałowa (50%)


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


Identyfikatory Autora Informacje o Autorze w systemach zewnętrznych

ORCID: 0000-0001-5294-2786 orcid iD

ResearcherID: S-4942-2016

Scopus: 7005998130

PBN: 5e70920b878c28a04738f0cd

OPI Nauka Polska

System Informacyjny AGH (SkOs)




1
  • Artificial Intelligence in steel industry – from casting to final product / Ł. RAUCH, J. KUSIAK, K. REGULSKI // W: MEFORM 2020 [Dokument elektroniczny] : materials data for forming technology 4.0 : materials data for smart forming technologies : 19.-20.03.2020 / [Technische Universität Bergakademie Freiberg]. — Wersja do Windows. — Dane tekstowe. — [Freiberg : Technische Universität Bergakademie], [2020]. — Selected, peer reviewed papers from the Conference MEFORM 2020, November 26th to 27th. — ISBN: 978-3-86012-632-5. — S. 11–14. — Wymagania systemowe: Adobe Reader. — Tryb dostępu: https://webvirt.hrz.tu-freiberg.de/filetransfer/FILES/8a2089b8/index.html [2020-05-28]. — Bibliogr. s. 14

    orcid iD
  • keywords: machine learning, artificial intelligence, rolling, microstructure analysis, basic oxygen furnace, surface inspection

    cyfrowy identyfikator dokumentu:

2
  • Machine learning as an engineer's instrument for industry 4.0 / Krzysztof REGULSKI, Konrad KLIMCZAK, Andrzej OPALIŃSKI, Jan KUSIAK // W: XXXIX. Verformungskundliches Kolloquium : Tagungsband : Leoben, 21.03.2020 / [ed.] Martin Stockinger. — [Germany] : Umformtechnik, cop. 2020. — ISBN: 978-3-902078-26-1. — S. 38–42. — Bibliogr. s. 42, Abstr.

  • keywords: machine learning, data mining, decision trees, image recognition, Industry 4.0, material engineering

    cyfrowy identyfikator dokumentu: