Wykaz publikacji wybranego autora

Paweł Malinowski, dr hab. inż., prof. AGH

profesor nadzwyczajny

Wydział Odlewnictwa
WO-kip, Katedra Inżynierii Procesów Odlewniczych

  • 2018

    [dyscyplina 1] dziedzina nauk inżynieryjno-technicznych / inżynieria materiałowa

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

Identyfikatory Autora Informacje o Autorze w systemach zewnętrznych

ORCID: 0000-0001-5363-8153 orcid iD

ResearcherID: X-4275-2018

Scopus: 36822150500

PBN: 5e709208878c28a04738ee3b

OPI Nauka Polska

System Informacyjny AGH (SkOs)

1

  • Machine learning application in the metal casting industry / MALINOWSKI Paweł // W: WFC 2022 [Dokument elektroniczny] : 74\textsuperscript{th} World Foundry Congress : October 16–20, 2022, Busan, Korea : [abstract book]. — Wersja do Windows. — Dane tekstowe. — Korea : Korea Foundry Society, 2022. — S. [1–2]. — Wymagania systemowe: Adobe Reader. — Tryb dostępu: https://dysk.agh.edu.pl/s/S5DkZgq6kRym244 [2023-02-13]. — Bibliogr. s. [2], Abstr.

  • keywords: mechanical properties, machine learning, prediction

    cyfrowy identyfikator dokumentu:

2

  • Machine learning in foundry / Paweł MALINOWSKI // W: Spolupráca 2022 : zborník abstraktov z XXVIII medzinárodnej vedeckej konferencie slovenských, českých a pol'ských zlievačov : 27-29.04.2022, Rajecké Teplice = Spolupráce : Współpraca / Katedra Technologického Inžinerstva. Strojnícka Fakulta Žilinskej Univerzity v Žiline, Wydział Odlewnictwa Akademii Górniczo-Hutniczej w Krakowie, Katedra Metalurgie a Slévárenství. VŠB - Technická Univerzita Ostrava. Fakulta Metalurgie a Matriálového Inženýrství. — Žilina : Žilinská Univerzita, [2022]. — ISBN: 978-80-554-1870-4. — s. 14

  • brak zdefiniowanych słów kluczowych

    cyfrowy identyfikator dokumentu:

3

  • Prediction of mechanical properties of ADI using XGBoost, CatBoost, LightGBM, TensorFlow / Paweł MALINOWSKI, Dawid Myszka // W: ICPMEE 2022 [Dokument elektroniczny] : the International Conference of Processes Modelling and Experimental Engineering : 7–9 September 2022, Rytro, Poland : book of abstracts / ed. Karolina Kaczmarska. — Wersja do Windows. — Dane tekstowe. — [Polska : s. n.], [2022]. — S. 86–87. — Wymagania systemowe: Adobe Raeder. — Tryb dostępu: https://www.icpmee.org/ [2022-09-15]

  • keywords: machine learning, prediction, deep learning, ADI mechanical properties

    cyfrowy identyfikator dokumentu: