Wykaz publikacji wybranego autora

Mateusz Kozek, mgr inż.

doktorant

Wydział Inżynierii Mechanicznej i Robotyki
WIMiR-kap, Katedra Automatyzacji Procesów

  • 2023

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

  • 2022

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

  • 2021

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

  • 2019

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

Identyfikatory Autora Informacje o Autorze w systemach zewnętrznych

ORCID: 0000-0001-7222-2970 orcid iD

ResearcherID: brak

Scopus: 57218190504

System Informacyjny AGH (SkOs)

1

  • Adaptive MRAC controller in the effector trajectory generator for Industry 4.0 machines / Krzysztof LALIK, Mateusz KOZEK, Ireneusz DOMINIK, Patryk Łukasiewicz // W: Advanced, contemporary control : proceedings of KKA 2020 – the 20th Polish control conference : [14-16 October, 2020], Łódź, Poland / eds. Andrzej Bartoszewicz, Jacek Kabziński, Janusz Kacprzyk. — Cham : Springer Nature Switzerland AG, cop. 2020. — (Advances in Intelligent Systems and Computing ; ISSN 2194-5357 ; vol. 1196). — ISBN: 978-3-030-50935-4 ; e-ISBN: 978-3-030-50936-1. — S. 384-395. — Bibliogr. s. 394-395, Abstr.. — Publikacja dostępna online od: 2020-06-24

    orcid iD

  • keywords: Industry 4.0, adaptive controller, industrial manufacturing systems

    Zobacz pełny wykaz publikacji Autora/Autorów: Ireneusz Dominik, Krzysztof Lalik

    cyfrowy identyfikator dokumentu: 10.1007/978-3-030-50936-1_33

2

  • Cubic SVM neural classification algorithm for Self-Excited Acoustical System / Krzysztof LALIK, Mateusz KOZEK // W: MSM'2020 [Dokument elektroniczny] : Mechatronic Systems and Materials : 15th international conference : 1–3 July 2020, Białystok, Poland / eds. Z. Kulesza, [et al.]. — Wersja do Windows. — Dane tekstowe. — [Piscataway] : IEEE, cop. 2020. — e-ISBN: 978-1-7281-6956-9. — S. 153–157. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 157, Abstr.. — Abstract W: MSM 2020 [Dokument elektroniczny] : 15th international conference : Mechatronic Systems and Materials : 1–3 July 2020, Białystok, Poland : book of abstracts. — Wersja do Windows. — Dane tekstowe. — [Białystok : Bialystok University of Technology], [2020]. — S. 21. — Wymagania systemowe: Adobe Reader. — Tryb dostępu: https://www.msm2020.pb.edu.pl/app/uploads/2020/06/MSM2020-BOOK-OF-ABSTRACTS.pdf [2020-08-31].. — tekst: https://ieeexplore-1ieee-1org-1000047zs0012.wbg2.bg.agh.edu.pl/stamp/stamp.jsp?tp=&arnumber=9201724

    orcid iD

  • keywords: artificial neural networks, intelligent systems, vibrodiagnostics

    Zobacz pełny wykaz publikacji Autora/Autorów: Krzysztof Lalik

    cyfrowy identyfikator dokumentu: 10.1109/MSM49833.2020.9201724

3

  • Innovative acoustical diagnostic system compatible with Industry 4.0 standards / Krzysztof LALIK, Matusz KOZEK // W: ICCC 2020 [Dokument elektroniczny] : proceedings of the 21st International Carpathian Control Conference : virtual conference : Košice, Slovak Republic October 27–29, 2020 / eds. Ivo Petráš, Ján Kačur. — Wersja do Windows. — Dane tekstowe. — [Piscataway] : IEEE, cop. 2020. — ISBN: 978-1-7281-1952-6 ; e-ISBN: 978-1-7281-1951-9. — S. [1–5]. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. [5], Abstr.. — tekst: https://ieeexplore-1ieee-1org-1000047lf004e.wbg2.bg.agh.edu.pl/stamp/stamp.jsp?tp=&arnumber=9257258

    orcid iD

  • keywords: machine learning, vibrodiagnostics, Industry 4.0, health state monitoring

    Zobacz pełny wykaz publikacji Autora/Autorów: Krzysztof Lalik

    cyfrowy identyfikator dokumentu: 10.1109/ICCC49264.2020.9257258

4

  • Transfer learning algorithm in image analysis with augmented reality headset for Industry 4.0 technology / Mateusz KOZEK // W: MSM'2020 [Dokument elektroniczny] : Mechatronic Systems and Materials : 15th international conference : 1–3 July 2020, Białystok, Poland / eds. Z. Kulesza, [et al.]. — Wersja do Windows. — Dane tekstowe. — [Piscataway] : IEEE, cop. 2020. — e-ISBN: 978-1-7281-6956-9. — S. 71–75. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 74–75, Abstr.. — Abstract W: MSM 2020 [Dokument elektroniczny] : 15th international conference : Mechatronic Systems and Materials : 1–3 July 2020, Białystok, Poland : book of abstracts. — Wersja do Windows. — Dane tekstowe. — [Białystok : Bialystok University of Technology], [2020]. — S. 14. — Wymagania systemowe: Adobe Reader. — Tryb dostępu: https://www.msm2020.pb.edu.pl/app/uploads/2020/06/MSM2020-BOOK-OF-ABSTRACTS.pdf [2020-08-31].. — tekst: https://ieeexplore-1ieee-1org-1000047zs0012.wbg2.bg.agh.edu.pl/stamp/stamp.jsp?tp=&arnumber=9201739

    orcid iD

  • keywords: machine learning, augmented reality, Industry 4.0, mixed reality

    cyfrowy identyfikator dokumentu: 10.1109/MSM49833.2020.9201739