Wykaz publikacji wybranego autora

Michał Piekarski, mgr inż.

doktorant

Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
WEAIiIB-kair, Katedra Automatyki i Robotyki

  • 2022

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

  • 2019

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

Identyfikatory Autora

ORCID: 0000-0001-9391-4263 orcid iD

ResearcherID: brak

Scopus: brak

1

  • A hybrid deep learning based anomaly detection framework dedicated for big research infrastructures / Michał PIEKARSKI, Joanna JAWOREK-KORJAKOWSKA, Adriana Wawrzyniak // W: ICARCV 2022 [Dokument elektroniczny] : the 17\textsuperscript{th} International Conference on Control, Automation, Robotics and Vision : December 11-13, 2022, Singapore / Nanyang Technological University, Singapore. — Wersja do Windows. — Dane tekstowe. — [Piscataway] : IEEE, cop. 2022. — Dod. ISBN: 978-1-6654-7685-0 (USB); ISBN: 978-1-6654-7688-1 (print on demand). — e-ISBN: 978-1-6654-7687-4. — S. 887–892. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 892, Abstr.. — M. Piekarski - dod. afiliacja: Jagiellonian University. — tekst: https://ieeexplore-1ieee-1org-1000047yo0212.wbg2.bg.agh.edu.pl/stamp/stamp.jsp?tp=&arnumber=10004226

    orcid iD

  • brak zdefiniowanych słów kluczowych

    Zobacz pełny wykaz publikacji Autora/Autorów: Joanna Jaworek-Korjakowska

    cyfrowy identyfikator dokumentu: 10.1109/ICARCV57592.2022.10004226

2

  • Deep neural network for beam profile classification in synchrotron / Michał PIEKARSKI // W: IBIC2022 [Dokument elektroniczny] : proceedings of the 11\textsuperscript{th} International Beam Instrumentation Conference : Kraków, Poland, 11-15 September 2022 / eds. Peter Forck, [et al.]. — Wersja do Windows. — Dane tekstowe. — [Genewa] : JACoW, cop. 2022. — (IBIC ; ISSN 2673-5350). — e-ISBN: 978-3-95450-235-6. — S. 323–326. — Wymagania systemowe: Adobe Reader. — Tryb dostępu: https://accelconf.web.cern.ch/ibic2022/papers/tup38.pdf [2023-01-11]. — Bibliogr. s. 325–326, Abstr.. — M. Piekarski - dod. afiliacja: NSRC SOLARIS, Jagiellonian University

  • brak zdefiniowanych słów kluczowych

    cyfrowy identyfikator dokumentu: 10.18429/JACoW-IBIC2022-TUP38

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

    Zobacz pełny wykaz publikacji Autora/Autorów: Joanna Jaworek-Korjakowska, Dariusz Kucharski, Andrzej Brodzicki, Aleksander Kostuch

    cyfrowy identyfikator dokumentu: