Wykaz publikacji wybranego autora

Michał Karwatowski, mgr inż.

asystent

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


  • 2023

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


  • 2018

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

    [dyscyplina 2] dziedzina nauk inżynieryjno-technicznych / automatyka, elektronika i elektrotechnika (25%)


Identyfikatory Autora Informacje o Autorze w systemach zewnętrznych

ORCID: 0000-0001-6285-136X orcid iD

ResearcherID: ISA-6516-2023

Scopus: 57189294331

PBN: 5e70938d878c28a0473ac8d5

System Informacyjny AGH (SkOs)




1
  • Fast compression and optimization of deep learning models for natural language processing / Marcin PIETROŃ, Michał KARWATOWSKI, Maciej WIELGOSZ, Jerzy DUDA // W: CANDARW 2019 [Dokument elektroniczny] : 2019 seventh international symposium on Computing and networking workshops : 26–29 November 2019, Nagasaki, Japan : proceedings. — Wersja do Windows. — Dane tekstowe. — Piscataway : The Institute of Electrical and Electronics Engineers, cop. 2019. — e-ISBN: 978-1-7281-5268-4. — S. 162–168. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 167–168, Abstr.. — Publikacja dostępna online od: 2020-01-09. — tekst: https://ieeexplore-1ieee-1org-1000047wc00a0.wbg2.bg.agh.edu.pl/stamp/stamp.jsp?tp=&arnumber=8951639

    orcid iD
  • keywords: NLP, quantization, deep learning, recurrent neural networks, pruning

    cyfrowy identyfikator dokumentu: 10.1109/CANDARW.2019.00036

2
  • Mapping neural networks to FPGA-based IoT devices for ultra-low latency processing / Maciej WIELGOSZ, Michał KARWATOWSKI // Sensors [Dokument elektroniczny]. — Czasopismo elektroniczne ; ISSN 1424-8220. — 2019 vol. 19 iss. 13 art. no. 2981, s. 1–47. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 45–47, Abstr.. — Publikacja dostępna online od: 2019-07-05. — M. Wielgosz, M. Karwatowski - dod. afiliacja: Academic Computer Centre CYFRONET AGH. — tekst: https://www.mdpi.com/1424-8220/19/13/2981/pdf

    orcid iD
  • keywords: neural networks, FPGA, deep learning, Internet of Things, IoT, recurrent neural networks, RNN

    cyfrowy identyfikator dokumentu: 10.3390/s19132981