Wykaz publikacji wybranego autora

Andrzej Brodzicki, mgr inż.

doktorant

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


  • 2019

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


Identyfikatory Autora Informacje o Autorze w systemach zewnętrznych

ORCID: 0000-0001-7713-526X orcid iD

ResearcherID: brak

Scopus: 57220034345

PBN: 602ccec59543c7410626e3a6

System Informacyjny AGH (SkOs)





Liczba pozycji spełniających powyższe kryteria selekcji: 9, z ogólnej liczby 9 publikacji Autora


1
2
  • 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:

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
  • Interpretability of a deep learning based approach for the classification of skin lesions into main anatomic body sites / Joanna JAWOREK-KORJAKOWSKA, Andrzej BRODZICKI, Bill Cassidy, Connah Kendrick, Moi Hoon Yap // Cancers (Basel) [Dokument elektroniczny]. — Czasopismo elektroniczne ; ISSN 2072-6694. — 2021 vol. 13 iss. 23 art. no. 6048, s. 1–14. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 13–14, Abstr.. — Publikacja dostępna online od: 2021-12-01. — tekst: https://www.mdpi.com/2072-6694/13/23/6048/pdf

    orcid iD
  • keywords: skin cancer, deep learning, convolutional neural networks, transfer learning, malignant melanoma, dermoscopy images

    cyfrowy identyfikator dokumentu: 10.3390/cancers13236048

5
  • 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

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

    cyfrowy identyfikator dokumentu: 10.3390/s20236713

6
7
8
9
  • Wykorzystanie technik sztucznych sieci neuronowych do predykcji wybranych parametrów jako uzupełnienia zbioru danych wejściowych w konstrukcji modeli parametrycznych 3DThe use of artificial neural network techniques to predict selected parameters as a supplement to the input data set in the construction of 3D parametric models / Weronika Kaczmarczyk, Andrzej BRODZICKI // Nafta Gaz / Instytut Górnictwa Naftowego i Gazownictwa, Instytut Technologii Nafty, Stowarzyszenie Inżynierów i Techników Przemysłu Naftowego i Gazowniczego ; ISSN 0867-8871. — 2021 R. 77 nr 7, s. 429–445. — Bibliogr. s. 444–445, Streszcz., Abstr.. — A. Brodzicki – afiliacja: Akademia Górniczo-Hutnicza. — tekst: https://www.inig.pl/magazyn/nafta-gaz/Nafta-Gaz_2021-07_2.pdf

    orcid iD
  • słowa kluczowe: sieci neuronowe, modelowanie 3D, predykcja 1D, estymacja parametryczna, charakterystyka złoża węglowodorów

    keywords: 3D modelling, artificial neural network, 1D prediction, parametrical estimation, hydrocarbon reservoir characterization

    cyfrowy identyfikator dokumentu: 10.18668/NG.2021.07.02