Wykaz publikacji wybranego autora

Michał Piekarski, mgr inż.

doktorant

Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
WEAIiIB, Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej


  • 2019

    [dyscyplina 1] dziedzina nauk inżynieryjno-technicznych / automatyka, elektronika i elektrotechnika


Identyfikatory Autora

ORCID: 0000-0001-9391-4263 orcid iD

ResearcherID: brak

Scopus: brak

PBN: 5ebede3a752340254fc42976



Statystyka obejmuje publikacje afiliowane AGH od 2008 roku włącznie

typ publikacji
rocznikl. publ.książkifragm.referatyartykułypatentymapyred. czas.inne
ogółem6123
2022211
202111
202022
201911
język publikacji
rocznikrazempolskojęzyczneanglojęzycznepozostałe języki
ogółem615
2022211
202111
202022
201911
kraj wydania
rocznikrazempubl. krajowepubl. zagraniczne
ogółem642
202222
202111
2020211
201911
Lista Filadelfijska
rocznikrazempubl. z LFpubl. pozostałe
ogółem633
202222
202111
202022
201911
punktacja MNiSW
rocznikrazempubl. z pkt. MNiSWpubl. pozostałe
ogółem66
202222
202111
202022
201911
publikacje recenzowane
rocznikrazempubl. recenzowanepubl. nierecenzowane
ogółem66
202222
202111
202022
201911



1
  • Break the curse of small datasets in computer vision tasks with transfer learning methods / Joanna JAWOREK-KORJAKOWSKA, Andrzej BRODZICKI, Dariusz KUCHARSKI, Michał PIEKARSKI, Marek GORGOŃ // W: PP-RAI'2019 [Dokument elektroniczny] : Polskie Porozumienie na rzecz Rozwoju Sztucznej Inteligencji : 16–18.10.2019, Wrocław : conference proceedings. — Wersja do Windows. — Dane tekstowe. — [Wrocław : Faculty of Electronics. Wroclaw University of Science and Technology], cop. 2019. — e-ISBN: 978-83-943803-2-8. — S. [146–149]. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. [149], Abstr.. — M. Piekarski – dod. afiliacja: Jagiellonian University. — tekst: http://pp-rai.pwr.edu.pl/PPRAI19_proceedings.pdf

    orcid iD
  • keywords: anomaly detection, signal processing, deep neural networks, transfer learning, image analysis

    cyfrowy identyfikator dokumentu:

2
3
  • Deep neural network interpretability methods for supervised and unsupervised problems / Andrzej BRODZICKI, Dariusz KUCHARSKI, Michał PIEKARSKI, Aleksander KOSTUCH, Joanna JAWOREK-KORJAKOWSKA // W: PP-RAI'2022 [Dokument elektroniczny] : proceedings of the 3rd Polish conference on Artificial intelligence : April 25–27, 2022, Gdynia, Poland. — Wersja do Windows. — Dane tekstowe. — Gdynia : Gdynia Maritime University, 2022. — e-ISBN: 978-83-7421-401-8. — S. 25–28. — Wymagania systemowe: Adobe Reader. — Tryb dostępu: https://wydawnictwo.umg.edu.pl/pp-rai2022/pdfs/ProceedingsPP-RAI2022.pdf [2022-04-27]. — Bibliogr. s. 28, Abstr.. — M. Piekarski – dod. afiliacja: SOLARIS National Synchrotron Radiation Centre, UJ, Krakow

    orcid iD
  • keywords: deep neural networks, unsupervised, explainability, interpretability, supervised

    cyfrowy identyfikator dokumentu:

4
5
  • The whale optimization algorithm approach for deep neural networks / Andrzej BRODZICKI, Michał PIEKARSKI, Joanna JAWOREK-KORJAKOWSKA // Sensors [Dokument elektroniczny]. — Czasopismo elektroniczne ; ISSN 1424-8220. — 2021 vol. 21 iss. 23 art. no. 8003, s. 1–16. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 15–16, Abstr.. — Publikacja dostępna online od: 2021-11-30. — tekst: https://www.mdpi.com/1424-8220/21/23/8003/pdf

    orcid iD
  • keywords: neural networks, optimization, deep learning, hyperparameters, whale optimization algorithm

    cyfrowy identyfikator dokumentu: 10.3390/s21238003

6