Wykaz publikacji wybranego autora

Krzysztof Rusek, dr inż.

adiunkt

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


  • 2018

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


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


Identyfikatory Autora Informacje o Autorze w systemach zewnętrznych

ORCID: 0000-0003-4336-7841 orcid iD

ResearcherID: H-6694-2012

Scopus: 56550092200

PBN: 5e7094c0878c28a0473c3260

OPI Nauka Polska

System Informacyjny AGH (SkOs)




1
  • Analiza pojemności bufora i skali czasu autokorelacji ruchuAnalysis of buffer capacity and time scale of traffic autocorrelation / Krzysztof RUSEK, Zdzisław PAPIR // Przegląd Telekomunikacyjny, Wiadomości Telekomunikacyjne ; ISSN 1230-3496. — 2015 R. 88 nr 8–9, s. 730–737. — Bibliogr. s. 737. — Toż na dołączonym CD-ROMie. — KSTIT 2015 : XXXI Krajowe Sympozjum Telekomunikacji i Teleinformatyki : Kraków, 16–18 września 2015 r.

  • słowa kluczowe: autokorelacja, bufor pakietowy, FIFO, skala czasu, współczynnik strat

    keywords: autocorrelation, FIFO, time scale, packet buffer, loss ratio

    cyfrowy identyfikator dokumentu: 10.15199/59.2015.8-9.8

2
  • Realizowany komputerowo sposób przetwarzania sekwencji klatek, urządzenie do cyfrowego przetwarzania klatek, produkt w postaci programu komputerowego i system monitorowania[Computer implemented method for processing a frame sequence, digital frame processing device computer program product and monitoring system] / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie ; wynalazca: Michał GREGA, Andrzej DZIECH, Krzysztof RUSEK, Andrzej MATIOLAŃSKI, Piotr GUZIK. — Int.Cl.: G06V 20/52\textsuperscript{(2022.01)}. — Polska. — tłumaczenie patentu europejskiego ; PL 3534294 T3 ; Udziel. 2023-09-06 ; Opubl. 2024-01-15. — Zgłosz. nr PL18159762T z dn. 2018-03-02. — tekst: http://patenty.bg.agh.edu.pl/pelneteksty/EP3534294T3.pdf

  • słowa kluczowe: uczenie maszynowe, detekcja obiektów, splotowe sieci neuronowe, detekcja broni

    keywords: machine learning, object detection, convolutional neural networks, gun detection

    cyfrowy identyfikator dokumentu: