Wykaz publikacji wybranego autora

Kamil Faber, mgr inż.

doktorant

Wydział Informatyki
WI-ii, Instytut Informatyki


  • 2019

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


Identyfikatory Autora

ORCID: 0000-0003-4221-0017 orcid iD

ResearcherID: DWU-5651-2022

Scopus: 57231352700



Statystyka obejmuje publikacje afiliowane AGH od 2008 roku włącznie

typ publikacji
rocznikl. publ.książkifragm.referatyartykułypatentymapyred. czas.inne
ogółem972
2023431
202222
2021321
język publikacji
rocznikrazempolskojęzyczneanglojęzycznepozostałe języki
ogółem99
202344
202222
202133
kraj wydania
rocznikrazempubl. krajowepubl. zagraniczne
ogółem918
2023413
202222
202133
Lista Filadelfijska
rocznikrazempubl. z LFpubl. pozostałe
ogółem927
2023413
202222
2021312
punktacja MNiSW
rocznikrazempubl. z pkt. MNiSWpubl. pozostałe
ogółem99
202344
202222
202133
publikacje recenzowane
rocznikrazempubl. recenzowanepubl. nierecenzowane
ogółem99
202344
202222
202133



1
  • Active lifelong anomaly detection with experience replay / Kamil FABER, Roberto Corizzo, Bartłomiej ŚNIEŻYŃSKI, Nathalie Japkowicz // W: DSAA'2022 [Dokument elektroniczny] : 2022 IEEE 9th international conference on Data Science and Advanced Analytics : 13–16 October 2022, Shenzhen, China : proceedings / ed. by Joshua Zhexue Huang, [et al.]. — Wersja do Windows. — Dane tekstowe. — Piscataway : IEEE, cop. 2022. — Dod. Print on Demand ISBN: 978-1-6654-7331-6. — e-ISBN: 978-1-6554-7330-9. — S. [1–10]. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. [10], Abstr.. — Publikacja dostępna online od: 2023-02-08. — tekst: https://ieeexplore-1ieee-1org-10000479i00c9.wbg2.bg.agh.edu.pl/stamp/stamp.jsp?tp=&arnumber=10032405

    orcid iD
  • keywords: anomaly detection, active learning, lifelong learning, intrusion detection, experience replay

    cyfrowy identyfikator dokumentu: 10.1109/DSAA54385.2022.10032405

2
3
  • Autoencoder-based IDS for cloud and mobile devices / Kamil FABER, Łukasz FABER, Bartłomiej ŚNIEŻYŃSKI // W: CCGrid 2021 [Dokument elektroniczny] : 21st IEEE/ACM international symposium on Cluster, Cloud and Internet Computing : 10-13 May 2021, Melbourne, Australia : proceedings / eds. Laurent Lefevre, [et al.]. — Wersja do Windows. — Dane tekstowe. — Piscataway: IEEE, cop. 2021. — Dod. ISBN: 978-1-7281-9587-2. — e-ISBN: 978-1-7281-9586-5. — S. 728-736. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 735-736, Abstr.. — Publikacja dostępna online od: 2021-08-02. - Dod. prezentacja: {https://youtu.be/fT05qVUsSHM}. — tekst: https://ieeexplore-1ieee-1org-1000047x704e3.wbg2.bg.agh.edu.pl/stamp/stamp.jsp?tp=&arnumber=9499402

    orcid iD
  • keywords: machine learning, security, mobile cloud computing, intrusion detection system, autoencoder

    cyfrowy identyfikator dokumentu: 10.1109/CCGrid51090.2021.00088

4
  • Ensemble neuroevolution-based approach for multivariate time series anomaly detection / Kamil FABER, Marcin PIETROŃ, Dominik ŻUREK // Entropy [Dokument elektroniczny]. — Czasopismo elektroniczne ; ISSN 1099-4300. — 2021 vol. 23 iss. 11 art. no. 1466, s. 1–13. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 13, Abstr.. — Publikacja dostępna online od: 2021-11-06. — tekst: https://www.mdpi.com/1099-4300/23/11/1466/pdf

    orcid iD
  • keywords: anomaly detection, time series, deep learning, neuroevolution, CNN, ensemble model

    cyfrowy identyfikator dokumentu: 10.3390/e23111466

5
  • LIFEWATCH: lifelong wasserstein change point detection / Kamil FABER, Roberto Corizzo, Bartłomiej ŚNIEŻYŃSKI, Michael Baron, Nathalie Japkowicz // W: IJCNN 2022 [Dokument elektroniczny] : International Joint Conference on Neural Networks : Padua, Italy, 18–23 July 2022 : proceedings / IEEE. — Wersja do Windows. — Dane tekstowe. — Piscataway : IEEE, cop. 2022. — (Proceedings of ... International Joint Conference on Neural Networks ; ISSN 2161-4393). — Konferencja zorganizowana w ramach IEEE World Congress on Computational Intelligence (IEEE WCCI 2022). — e-ISBN: 978-1-7281-8671-9. — s. 1-8. — Bibliogr., Abstr.

    orcid iD
  • keywords: time series data, lifelong learning, change point detection

    cyfrowy identyfikator dokumentu: 10.1109/IJCNN55064.2022.9892891

6
  • Scalability of a neuroevolutionary based framework for anomaly detection / Marcin PIETROŃ, Dominik ŻUREK, Kamil FABER // W: KU KDM 2023 [Dokument elektroniczny] : fifteenth ACC Cyfronet AGH HPC users’ conference : Zakopane, 19–21 April 2023 : proceedings / eds. Kazimierz Wiatr, Jacek Kitowski, Marian Bubak. — Wersja do Windows. — Dane tekstowe. — Kraków : Academic Computer Centre Cyfronet AGH, [2023]. — e-ISBN: 978-83-61433-37-8. — S. 71–72. — Wymagania systemowe: Adobe Reader. — Tryb dostępu: https://www.cyfronet.pl/zalacznik/9789 [2024-01-15]. — Bibliogr. s. 72. — M. Pietroń – dod. afiliacja: ACC Cyfronet AGH

    orcid iD
  • keywords: anomaly detection, deep learning, neuroevolution, autoencoders

    cyfrowy identyfikator dokumentu:

7
8
9
  • WATCH: Wasserstein change point detection for high-dimensional time series data / Kamil FABER, Roberto Corizzo, Bartłomiej ŚNIEŻYŃSKI, Michael Baron, Nathalie Japkowicz // W: 2021 IEEE International Conference on Big Data [Dokument elektroniczny] : 15–18 December 2021 : virtual event / ed. by Yixin Chen, [et al.]. — Wersja do Windows. — Dane tekstowe. — Piscataway : IEEE, cop. 2021. — Dod. ISBN: 978-1-6654-4599-3. — e-ISBN: 978-1-6654-3902-2. — S. 4450–4459. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 4458–4459, Abstr.. — Publikacja dostępna online od: 2022-01-13. — tekst: https://ieeexplore-1ieee-1org-1000047b200bd.wbg2.bg.agh.edu.pl/stamp/stamp.jsp?tp=&arnumber=9671962

    orcid iD
  • keywords: big data, time series, high dimensional data, change point detection

    cyfrowy identyfikator dokumentu: 10.1109/BigData52589.2021.9671962