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



Statystyka obejmuje publikacje afiliowane AGH od 2008 roku włącznie

typ publikacji
rocznikl. publ.książkifragm.referatyartykułypatentymapyred. czas.inne
ogółem9243
202311
2022413
202111
202022
201911
język publikacji
rocznikrazempolskojęzyczneanglojęzycznepozostałe języki
ogółem918
202311
2022413
202111
202022
201911
kraj wydania
rocznikrazempubl. krajowepubl. zagraniczne
ogółem954
202311
2022422
202111
2020211
201911
Lista Filadelfijska
rocznikrazempubl. z LFpubl. pozostałe
ogółem936
202311
202244
202111
202022
201911
punktacja MNiSW
rocznikrazempubl. z pkt. MNiSWpubl. pozostałe
ogółem981
202311
2022431
202111
202022
201911
publikacje recenzowane
rocznikrazempubl. recenzowanepubl. nierecenzowane
ogółem981
202311
2022431
202111
202022
201911



1
  • [referat, 2022]
  • TytułA hybrid deep learning based anomaly detection framework dedicated for big research infrastructures
    AutorzyMichał PIEKARSKI, Joanna JAWOREK-KORJAKOWSKA, Adriana Wawrzyniak
    ŹródłoICARCV 2022 [Dokument elektroniczny] : the 17textsuperscript{th} International Conference on Control, Automation, Robotics and Vision : December 11-13, 2022, Singapore / Nanyang Technological University, Singapore. — [Piscataway] : IEEE, cop. 2022. — S. 887–892
  • brak zdefiniowanych słów kluczowych

    cyfrowy identyfikator dokumentu: 10.1109/ICARCV57592.2022.10004226

2
  • [referat, 2019]
  • TytułBreak the curse of small datasets in computer vision tasks with transfer learning methods
    AutorzyJoanna JAWOREK-KORJAKOWSKA, Andrzej BRODZICKI, Dariusz KUCHARSKI, Michał PIEKARSKI, Marek GORGOŃ
    ŹródłoPP-RAI'2019 [Dokument elektroniczny] : Polskie Porozumienie na rzecz Rozwoju Sztucznej Inteligencji : 16–18.10.2019, Wrocław : conference proceedings. — [Wrocław : Faculty of Electronics. Wroclaw University of Science and Technology], cop. 2019. — S. [146–149]
  • keywords: anomaly detection, signal processing, deep neural networks, transfer learning, image analysis

    cyfrowy identyfikator dokumentu:

3
4
  • [referat, 2022]
  • TytułDeep neural network for beam profile classification in synchrotron
    AutorzyMichał PIEKARSKI
    ŹródłoIBIC2022 [Dokument elektroniczny] : proceedings of the 11textsuperscript{th} International Beam Instrumentation Conference : Kraków, Poland, 11-15 September 2022 / eds. Peter Forck, [et al.]. — [Genewa] : JACoW, cop. 2022. — S. 323–326
  • brak zdefiniowanych słów kluczowych

    cyfrowy identyfikator dokumentu: 10.18429/JACoW-IBIC2022-TUP38

5
  • [referat, 2022]
  • TytułDeep neural network interpretability methods for supervised and unsupervised problems
    AutorzyAndrzej BRODZICKI, Dariusz KUCHARSKI, Michał PIEKARSKI, Aleksander KOSTUCH, Joanna JAWOREK-KORJAKOWSKA
    ŹródłoPP-RAI'2022 [Dokument elektroniczny] : proceedings of the 3rd Polish conference on Artificial intelligence : April 25–27, 2022, Gdynia, Poland. — Gdynia : Gdynia Maritime University, 2022. — S. 25–28
  • keywords: deep neural networks, unsupervised, explainability, interpretability, supervised

    cyfrowy identyfikator dokumentu:

6
7
8
9