Wykaz publikacji wybranego autora

Michał Bugaj, mgr inż.

doktorant

Wydział Inżynierii Mechanicznej i Robotyki
WIMiR-krm, Katedra Robotyki i Mechatroniki


  • 2020

    [dyscyplina 1] dziedzina nauk inżynieryjno-technicznych / inżynieria mechaniczna


Identyfikatory Autora

ORCID: brak

ResearcherID: brak

Scopus: brak

PBN: 602e27159543c7410626ed65





Liczba pozycji spełniających powyższe kryteria selekcji: 4, z ogólnej liczby 4 publikacji Autora


1
  • [referat, 2023]
  • TytułAnaliza porównawcza skuteczności architektur Deep Q-Learning oraz Double Q-Learning w środowisku z systemem nagród
    AutorzyKrzysztof WRÓBEL, Michał BUGAJ, Katarzyna Szumielewicz
    ŹródłoTYGIEL 2023 [Dokument elektroniczny] : „interdyscyplinarność kluczem do rozwoju” : XV interdyscyplinarna konferencja naukowa : 23-26 marca 2023 r., [Lublin] : abstrakty / red. Paulina Pomajda, Alicja Danielewska. — Lublin : Fundacja na rzecz promocji nauki i rozwoju TYGIEL, 2023. — S. 159-160
  • brak zdefiniowanych słów kluczowych

    cyfrowy identyfikator dokumentu:

2
  • [referat, 2021]
  • TytułModel explainability using SHAP values for LightGBM predictions
    AutorzyMichał BUGAJ, Krzysztof WRÓBEL, Joanna IWANIEC
    ŹródłoMEMSTECH [Dokument eletroniczny] : 2021 IEEE XVIItextsuperscript{th} international conference on the Perspective Technologies and Methods in MEMS Design : Polyana, May 12-16, 2021 : proceedings. — [Piscataway] : IEEE, cop. 2021. — S. 102–106
  • keywords: machine learning, explainability, SHAP values, LightGBM modelling, networks of MEMS sensors, real time big data processing

    cyfrowy identyfikator dokumentu: 10.1109/MEMSTECH53091.2021.9468078

3
  • [referat, 2023]
  • TytułPrzegląd wybranych metod wytłumaczalności modeli uczenia maszynowego oraz uczenia głębokiego
    AutorzyMichał BUGAJ, Krzysztof WRÓBEL, Katarzyna Szumielewicz
    ŹródłoTYGIEL 2023 [Dokument elektroniczny] : „interdyscyplinarność kluczem do rozwoju” : XV interdyscyplinarna konferencja naukowa : 23-26 marca 2023 r., [Lublin] : abstrakty / red. Paulina Pomajda, Alicja Danielewska. — Lublin : Fundacja na rzecz promocji nauki i rozwoju TYGIEL, 2023. — S. 190
  • brak zdefiniowanych słów kluczowych

    cyfrowy identyfikator dokumentu:

4
  • [fragment książki, 2023]
  • TytułPrzegląd wybranych metod wytłumaczalności modeli uczenia maszynowego oraz uczenia głębokiego
    AutorzyMichał BUGAJ, Krzysztof WRÓBEL, Katarzyna Szumielewicz
    ŹródłoRozwiązania technologiczne XXI wieku – skutki i perspektywy rozwoju [Dokument elektroniczny], t. 4 / red. Izabela Mołdoch-Mendoń, Kamil Maciąg. — Lublin : Wydawnictwo Naukowe TYGIEL sp. z o. o., 2023. — S. 75-84
  • słowa kluczowe: uczenie maszynowe, uczenie głębokie, wytłumaczalność modeli, SHAP, LIME

    keywords: machine learning, deep learning, model interpretability, SHAP, LIME

    cyfrowy identyfikator dokumentu: