Wykaz publikacji wybranego autora

Jakub Gajda, 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


  • 2021

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


Identyfikatory Autora

ORCID: 0000-0001-6185-0664 połącz konto z ORCID

ResearcherID: brak

Scopus: brak



Statystyka obejmuje publikacje afiliowane AGH od 2008 roku włącznie

typ publikacji
rocznikl. publ.książkifragm.referatyartykułypatentymapyred. czas.inne
ogółem11
202211
język publikacji
rocznikrazempolskojęzyczneanglojęzycznepozostałe języki
ogółem11
202211
kraj wydania
rocznikrazempubl. krajowepubl. zagraniczne
ogółem11
202211
Lista Filadelfijska
rocznikrazempubl. z LFpubl. pozostałe
ogółem11
202211
punktacja MNiSW
rocznikrazempubl. z pkt. MNiSWpubl. pozostałe
ogółem11
202211
publikacje recenzowane
rocznikrazempubl. recenzowanepubl. nierecenzowane
ogółem11
202211



1
  • Machine learning methods for anomaly detection in computer networks / Jakub GAJDA, Joanna KWIECIEŃ, Wojciech CHMIEL // W: MMAR 2022 : 26\textsuperscript{th} international conference on Methods and Models in Automation and Robotics : 22–25 August 2022, Międzyzdroje, Poland : abstracts. — Szczecin : ZAPOL Sobczyk, [2022]. — ISBN: 978-83-8185-057-5. — S. 49. — Pełny tekst w: {https://ieeexplore-1ieee-1org-1000047q600ab.wbg2.bg.agh.edu.pl/stamp/stamp.jsp?tp==9874341}. — S.276281. Wymagania systemowe: Adobe Reader. Bibliogr. s.280281, Abstr.

  • keywords: machine learning, anomaly detection, cybersecurity

    cyfrowy identyfikator dokumentu: 10.1109/MMAR55195.2022.9874341