Wykaz publikacji wybranego autora

Kamil Faber, mgr inż.

doktorant

Faculty of Computer Science
WI-ii


  • 2019

    [dyscyplina 1] dziedzina nauk inżynieryjno-technicznych / informatyka techniczna i telekomunikacja


Identyfikatory Autora

ORCID: 0000-0003-4221-0017 orcid iD

ResearcherID: DWU-5651-2022

Scopus: 57231352700





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


1
  • Active lifelong anomaly detection with experience replay / Kamil FABER, Roberto Corizzo, Bartłomiej ŚNIEŻYŃSKI, Nathalie Japkowicz // W: DSAA'2022 [Dokument elektroniczny] : 2022 IEEE 9th international conference on Data Science and Advanced Analytics : 13–16 October 2022, Shenzhen, China : proceedings / ed. by Joshua Zhexue Huang, [et al.]. — Wersja do Windows. — Dane tekstowe. — Piscataway : IEEE, cop. 2022. — Dod. Print on Demand ISBN: 978-1-6654-7331-6. — e-ISBN: 978-1-6554-7330-9. — S. [1–10]. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. [10], Abstr.. — Publikacja dostępna online od: 2023-02-08. — tekst: https://ieeexplore-1ieee-1org-10000479i00c9.wbg2.bg.agh.edu.pl/stamp/stamp.jsp?tp=&arnumber=10032405

    orcid iD
  • keywords: anomaly detection, active learning, lifelong learning, intrusion detection, experience replay

    cyfrowy identyfikator dokumentu: 10.1109/DSAA54385.2022.10032405

2
3
4
  • Ensemble neuroevolution-based approach for multivariate time series anomaly detection / Kamil FABER, Marcin PIETROŃ, Dominik ŻUREK // Entropy [Dokument elektroniczny]. — Czasopismo elektroniczne ; ISSN 1099-4300. — 2021 vol. 23 iss. 11 art. no. 1466, s. 1–13. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 13, Abstr.. — Publikacja dostępna online od: 2021-11-06. — tekst: https://www.mdpi.com/1099-4300/23/11/1466/pdf

    orcid iD
  • keywords: anomaly detection, time series, deep learning, neuroevolution, CNN, ensemble model

    cyfrowy identyfikator dokumentu: 10.3390/e23111466

5
  • LIFEWATCH: lifelong wasserstein change point detection / Kamil FABER, Roberto Corizzo, Bartłomiej ŚNIEŻYŃSKI, Michael Baron, Nathalie Japkowicz // W: IJCNN 2022 [Dokument elektroniczny] : International Joint Conference on Neural Networks : Padua, Italy, 18–23 July 2022 : proceedings / IEEE. — Wersja do Windows. — Dane tekstowe. — Piscataway : IEEE, cop. 2022. — (Proceedings of ... International Joint Conference on Neural Networks ; ISSN 2161-4393). — Konferencja zorganizowana w ramach IEEE World Congress on Computational Intelligence (IEEE WCCI 2022). — e-ISBN: 978-1-7281-8671-9. — s. 1-8. — Bibliogr., Abstr.

    orcid iD
  • keywords: time series data, lifelong learning, change point detection

    cyfrowy identyfikator dokumentu: 10.1109/IJCNN55064.2022.9892891

6
  • Scalability of a neuroevolutionary based framework for anomaly detection / Marcin PIETROŃ, Dominik ŻUREK, Kamil FABER // W: KU KDM 2023 [Dokument elektroniczny] : fifteenth ACC Cyfronet AGH HPC users’ conference : Zakopane, 19–21 April 2023 : proceedings / eds. Kazimierz Wiatr, Jacek Kitowski, Marian Bubak. — Wersja do Windows. — Dane tekstowe. — Kraków : Academic Computer Centre Cyfronet AGH, [2023]. — e-ISBN: 978-83-61433-37-8. — S. 71–72. — Wymagania systemowe: Adobe Reader. — Tryb dostępu: https://www.cyfronet.pl/zalacznik/9789 [2024-01-15]. — Bibliogr. s. 72. — M. Pietroń – dod. afiliacja: ACC Cyfronet AGH

    orcid iD
  • keywords: anomaly detection, deep learning, neuroevolution, autoencoders

    cyfrowy identyfikator dokumentu:

7
8
9