Wykaz publikacji wybranego autora

Andrzej Brodzicki, mgr inż.

doktorant

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

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


Identyfikatory Autora

ORCID: 0000-0001-7713-526X

ResearcherID: brak

Scopus: brak





Liczba pozycji spełniających powyższe kryteria selekcji: 3, z ogólnej liczby 3 publikacji Autora


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

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

    cyfrowy identyfikator dokumentu:

2
  • Pre-trained deep convolutional neural network for clostridioides difficile bacteria cytotoxicity classification based on fluorescence images / Andrzej BRODZICKI, Joanna JAWOREK-KORJAKOWSKA, Paweł KŁECZEK, Megan Garland, Matthew Bogyo // Sensors [Dokument elektroniczny]. — Czasopismo elektroniczne ; ISSN 1424-8220. — 2020 vol. 20 iss. 23 art. no. 6713, s. 1–17. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 15–17, Abstr.. — Publikacja dostępna online od: 2020-11-24. — tekst: https://www.mdpi.com/1424-8220/20/23/6713

  • keywords: classification, convolutional neural networks, deep neural networks, transfer learning, image analysis, clostridioides difficile, fluorescence images

    cyfrowy identyfikator dokumentu: 10.3390/s20236713

3