Wynik wyszukiwania
Zapytanie: NALEPA JAKUB
Liczba odnalezionych rekordów: 97



Przejście do opcji zmiany formatu | Wyświetlenie wyników w wersji do druku | Pobranie pliku do edytora | Przesłanie wyników do modułu analizy | excel | Nowe wyszukiwanie
1/97
Nr opisu: 0000132738   
Deep learning for multiple-image super-resolution.
[Aut.]: Michał Kawulok, Paweł Benecki, Szymon Piechaczek, Krzysztof Hrynczenko, Daniel Kostrzewa, Jakub Nalepa.
-IEEE Geosci. Remote Sens. Lett. 2020 vol. 17 iss. 6, s. 1062-1066, bibliogr. 22 poz.. Impact Factor 3.833. Punktacja MNiSW 140.000

konwolucyjna sieć neuronowa ; CNN ; uczenie głębokie ; przetwarzanie obrazów ; nadrozdzielczość ; SR

convolutional neural network ; CNN ; deep learning ; image processing ; super-resolution ; SR

2/97
Nr opisu: 0000136261
Detection and segmentation of brain tumors from MRI using U-Nets.
[Aut.]: Krzysztof Kotowski, Jakub Nalepa, Wojciech Dudzik.
W: Brainlesion: glioma, multiple sclerosis, stroke and traumatic brain injuries. 5th International workshop, BrainLes 2019, held in conjunction with MICCAI 2019, Shenzhen, China, October 17, 2019. Revised selected papers. Pt. 2. Eds. Alessandro Crimi, Spyridon Bakas. Cham : Springer, 2020, s. 179-190, bibliogr. 41 poz. (Lecture Notes in Computer Science ; vol. 11993 0302-9743). Punktacja MNiSW 20.000

guz mózgu ; segmentacja ; uczenie głębokie ; CNN

brain tumor ; segmentation ; deep learning ; CNN

3/97
Nr opisu: 0000134235   
Fully-automated deep learning-powered system for DCE-MRI analysis of brain tumors.
[Aut.]: Jakub Nalepa, Pablo Ribalta Lorenzo, M. Marcinkiewicz, B. Bobek-Billewicz, P. Wawrzyniak, Maksym Walczak, Michał Kawulok, Wojciech Dudzik, Krzysztof Kotowski, I. Burda, B. Machura, Grzegorz Mrukwa, P. Ulrych, M. P. Hayball.
-Artif. Intell. Med. 2020 vol. 102, art. no. 101769 s. 1-21, bibliogr. 89 poz.. Impact Factor 4.383. Punktacja MNiSW 100.000

głębokie sieci neuronowe ; model farmakokinetyczny ; segmentacja guza ; DCE-MRI ; perfuzja ; mózg

deep neural networks ; pharmacokinetic model ; tumor segmentation ; DCE-MRI ; perfusion ; brain

4/97
Nr opisu: 0000134860   
Hyperspectral band selection using attention-based convolutional neural networks.
[Aut.]: Pablo Ribalta Lorenzo, Łukasz Tulczyjew, M. Marcinkiewicz, Jakub Nalepa.
-IEEE Access 2020 vol. 8, s. 42384-42403, bibliogr. 101 poz.. Impact Factor 3.745. Punktacja MNiSW 100.000

uczenie głębokie ; konwolucyjna sieć neuronowa ; klasyfikacja ; wybór pasma ; mechanizm skupienia uwagi

deep learning ; convolutional neural network ; classification ; band selection ; attention mechanism

5/97
Nr opisu: 0000136263
Multi-modal U-Nets with boundary loss and pre-training for brain tumor segmentation.
[Aut.]: Pablo Ribalta Lorenzo, M. Marcinkiewicz, Jakub Nalepa.
W: Brainlesion: glioma, multiple sclerosis, stroke and traumatic brain injuries. 5th International workshop, BrainLes 2019, held in conjunction with MICCAI 2019, Shenzhen, China, October 17, 2019. Revised selected papers. Pt. 2. Eds. Alessandro Crimi, Spyridon Bakas. Cham : Springer, 2020, s. 135-147, bibliogr. 48 poz. (Lecture Notes in Computer Science ; vol. 11993 0302-9743). Punktacja MNiSW 20.000

guz mózgu ; segmentacja ; utrata granicy ; U-Net

brain tumor ; segmentation ; boundary loss ; U-Net

6/97
Nr opisu: 0000131985   
Optimizing training data and hyperparameters of support vector machines using a memetic algorithm.
[Aut.]: Wojciech Dudzik, Michał Kawulok, Jakub Nalepa.
W: Man-machine interactions 6. 6th International Conference on Man-Machine Interactions, ICMMI 2019, Cracow, Poland, October 2-3, 2019. Eds. Aleksandra Gruca, Tadeusz Czachórski, Sebastian Deorowicz, Katarzyna Harężlak, Agnieszka Piotrowska. Berlin : Springer International Publishing, 2020, s. 229-238, bibliogr. 16 poz. (Advances in Intelligent Systems and Computing ; vol. 1061 2194-5357). Punktacja MNiSW 20.000

algorytm ewolucyjny ; Maszyna Wektorów Nośnych

evolutionary algorithm ; Support Vector Machine

7/97
Nr opisu: 0000137296
Quantification of differences in brain tumor detection on multimodal MRI using deep neural network.
[Aut.]: Kinga Leszczorz, Wojciech Dudzik, Jakub Nalepa, Joanna Polańska.
W: ECR 2020. [B.m.] : European Society of Radiology, 2020, (plik html)

nowotwór ; statystyka ; procedura diagnostyczna ; badanie porównawcze ; sieć neuronowa ; MR ; neuroradiologia mózgu ; sztuczna inteligencja ; uczenie maszynowe ; badanie wieloośrodkowe ; badanie diagnostyczne ; badanie prognostyczne

cancer ; statistics ; diagnostic procedure ; comparative study ; neural network ; MR ; neuroradiology brain ; artificial intelligence ; machine learning ; multicentre study ; diagnostic study ; prognostic study

8/97
Nr opisu: 0000134271   
Towards resource-frugal deep convolutional neural networks for hyperspectral image segmentation.
[Aut.]: Jakub Nalepa, M. Antoniak, Michał Myller, Pablo Ribalta Lorenzo, M. Marcinkiewicz.
-Microprocess. Microsyst. 2020 vol. 73, art. no. 102994 s. 1-14, bibliogr. 98 poz.. Impact Factor 1.161. Punktacja MNiSW 40.000

obrazowanie hiperspektralne ; głębokie sieci neuronowe ; splotowa sieć neuronowa ; kwantyzacja ; segmentacja ; klasyfikacja

hyperspectral imaging ; deep neural networks ; convolutional neural network ; quantization ; segmentation ; classification

9/97
Nr opisu: 0000132851   
Training- and test-time data augmentation for hyperspectral image segmentation.
[Aut.]: Jakub Nalepa, Michał Myller, Michał Kawulok.
-IEEE Geosci. Remote Sens. Lett. 2020 vol. 17 iss. 2, s. 292-296, bibliogr. 17 poz.. Impact Factor 3.833. Punktacja MNiSW 140.000

klasyfikacja ; rozszerzanie danych ; deep learning ; obrazowanie hiperspektralne ; analiza składowych głównych ; PCA ; segmentacja

classification ; data augmentation ; deep learning ; hyperspectral imaging ; principal component analysis ; PCA ; segmentation

10/97
Nr opisu: 0000132849   
Transfer learning for segmenting dimensionally reduced hyperspectral images.
[Aut.]: Jakub Nalepa, Michał Myller, Michał Kawulok.
-IEEE Geosci. Remote Sens. Lett. 2020 vol. 17 iss. 7, s. 1228-1232, bibliogr. 19 poz.. Impact Factor 3.833. Punktacja MNiSW 140.000

klasyfikacja ; deep learning ; obrazowanie hiperspektralne ; segmentacja ; transfer learning

classification ; deep learning ; hyperspectral imaging ; segmentation ; transfer learning

11/97
Nr opisu: 0000133782   
Unsupervised segmentation of hyperspectral images using 3-D convolutional autoencoders.
[Aut.]: Jakub Nalepa, Michał Myller, Y. Imai, K.-I. Honda, T. Takeda, M. Antoniak.
-IEEE Geosci. Remote Sens. Lett. 2020 in press, s. 1-5, bibliogr. 23 poz.
Article in press. Impact Factor 3.833. Punktacja MNiSW 140.000

autoencoder ; grupowanie ; uczenie głębokie ; obrazowanie wielowidmowe ; HSI ; segmentacja nienadzorowana

autoencoder ; clustering ; deep learning ; hyper-spectral imaging ; HSI ; unsupervised segmentation

12/97
Nr opisu: 0000131104
Automated optimization of non-linear support vector machines for binary classification.
[Aut.]: Wojciech Dudzik, Jakub Nalepa, Michał Kawulok.
W: Advances in intelligent networking and collaborative systems. The 10th International Conference on Intelligent Networking and Collaborative Systems (INCoS 2018), Slovakia, Bratislava, 05-07 September 2018. Eds. Fatos Xhafa, Leonard Barolli, Michal Gregus. Cham : Springer, 2019, s. 504-513, bibliogr. 24 poz. (Lecture Notes on Data Engineering and Communications Technologies ; vol. 23 2367-4512). Punktacja MNiSW 20.000

13/97
Nr opisu: 0000134343   
Data augmentation for brain-tumor segmentation: a review.
[Aut.]: Jakub Nalepa, M. Marcinkiewicz, Michał Kawulok.
-Front. Comput. Neurosci. 2019 vol. 13, art. no. 83 s. 1-18, bibliogr. 79 poz.. Impact Factor 2.535. Punktacja MNiSW 70.000

rozszerzanie danych ; uczenie głębokie ; głębokie sieci neuronowe ; segmentacja obrazów ; MRI

data augmentation ; deep learning ; deep neural networks ; image segmentation ; MRI

14/97
Nr opisu: 0000130985   
Data augmentation via image registration.
[Aut.]: Jakub Nalepa, Grzegorz Mrukwa, Szymon Piechaczek, Pablo Ribalta Lorenzo, M. Marcinkiewicz, B. Bobek-Billewicz, P. Wawrzyniak, P. Ulrych, J. Szymanek, M. Cwiek, Wojciech Dudzik, Michał Kawulok, M. P. Hayball.
W: 2019 IEEE International Conference on Image Processing, September 22-25, 2019, Taipei, Taiwan. Proceedings. Piscataway : IEEE, 2019, s. 4250-4254, bibliogr. 19 poz.. Punktacja MNiSW 70.000

deep learning ; rozszerzanie danych ; rejestracja obrazu ; segmentacja guza mózgu

deep learning ; data augmentation ; image registration ; brain tumor segmentation

15/97
Nr opisu: 0000131013   
Evolutionarily-tuned support vector machines.
[Aut.]: Wojciech Dudzik, Michał Kawulok, Jakub Nalepa.
W: Proceedings of the 2019 Genetic and Evolutionary Computation Conference Companion. GECCO'19 Companion, July 13-17, 2019, Prague, Czech Republic. Association for Computing Machinery. New York : Association for Computing Machinery, 2019, s. 165-166, bibliogr. 8 poz.. Punktacja MNiSW 140.000

Maszyna Wektorów Nośnych ; selekcja cech ; algorytm memetyczny ; dobór zestawu treningowego

Support Vector Machine ; feature selection ; memetic algorithm ; training set selection

16/97
Nr opisu: 0000129750   
Memetic evolution of classification ensembles.
[Aut.]: Szymon Piechaczek, Michał Kawulok, Jakub Nalepa.
W: Applications of evolutionary computation. 22nd International Conference, EvoApplications 2019, held as Part of EvoStar 2019, Leipzig, Germany, April 24-26, 2019. Proceedings. Ed. Paul Kaufmann, Pedro A. Castillo. Cham : Springer, 2019, s. 299-307, bibliogr. 18 poz. (Lecture Notes in Computer Science ; vol. 11454 0302-9743). Punktacja MNiSW 20.000

głosowanie większościowe ; algorytm memetyczny ; klasyfikacja

ensemble classifier ; memetic algorithm ; classification

17/97
Nr opisu: 0000131103
Multi-scale voting classifiers for breast-cancer histology images.
[Aut.]: Jakub Nalepa, Szymon Piechaczek, Michał Myller, Krzysztof Hrynczenko.
W: Advances in intelligent networking and collaborative systems. The 10th International Conference on Intelligent Networking and Collaborative Systems (INCoS 2018), Slovakia, Bratislava, 05-07 September 2018. Eds. Fatos Xhafa, Leonard Barolli, Michal Gregus. Cham : Springer, 2019, s. 526-534, bibliogr. 9 poz. (Lecture Notes on Data Engineering and Communications Technologies ; vol. 23 2367-4512). Punktacja MNiSW 20.000

18/97
Nr opisu: 0000131970
On data augmentation for segmenting hyperspectral images.
[Aut.]: Jakub Nalepa, Michał Myller, Michał Kawulok, Bogdan Smołka.
W: Real-Time Image Processing and Deep Learning 2019, Baltimore, Maryland, United States, 15-16 April 2019. Eds. Nasser Kehtarnavaz, Matthias F. Carlsohn. Bellingham : SPIE, 2019, art. no. 1099609 s. 1-8 (Proceedings of SPIE ; vol. 10996 0277-786X). Punktacja MNiSW 20.000

splotowa sieć neuronowa ; rozszerzanie danych ; deep learning ; obrazowanie hiperspektralne ; GANs

convolutional neural network ; data augmentation ; deep learning ; hyperspectral imaging ; GANs

19/97
Nr opisu: 0000130841   
On evolutionary classification ensembles.
[Aut.]: Aleksandra Kardas, Michał Kawulok, Jakub Nalepa.
W: 2019 IEEE Congress on Evolutionary Computation (CEC). Proceedings. Piscataway : Institute of Electrical and Electronics Engineers, 2019, s. 2974-2981, bibliogr. 29 poz.. Punktacja MNiSW 70.000

algorytm genetyczny ; ensemble ; klasyfikacja

genetic algorithm ; ensemble ; classification

20/97
Nr opisu: 0000134305   
On training deep networks for satellite image super-resolution.
[Aut.]: Michał Kawulok, Szymon Piechaczek, Krzysztof Hrynczenko, Paweł Benecki, Daniel Kostrzewa, Jakub Nalepa.
W: 2019 IEEE International Geoscience & Remote Sensing Symposium. IGARSS 2019, July 28 - August 2, 2019, Yokohama, Japan. Proceedings. Piscataway : Institute of Electrical and Electronics Engineers, 2019, s. 3125-3128, bibliogr. 12 poz.. Punktacja MNiSW 20.000

rekonstrukcja obrazów ; satelita ; szkolenie ; sztuczna sieć neuronowa ; dane szkoleniowe ; degradacja

image reconstruction ; satellite ; training ; artificial neural network ; training data ; degradation

21/97
Nr opisu: 0000131992
Robust switching technique of impulsive noise removal in color digital images.
[Aut.]: Bogdan Smołka, B. Cyganek, Michał Kawulok, Jakub Nalepa.
W: Real-Time Image Processing and Deep Learning 2019, Baltimore, Maryland, United States, 15-16 April 2019. Eds. Nasser Kehtarnavaz, Matthias F. Carlsohn. Bellingham : SPIE, 2019, art. no. 109960M s. 1-12, bibliogr. 31 poz. (Proceedings of SPIE ; vol. 10996 0277-786X). Punktacja MNiSW 20.000

poprawa jakości obrazu kolorowego ; redukcja szumów impulsowych ; filtrowanie hałasu

color image enhancement ; impulsive noise removal ; noise filtering

22/97
Nr opisu: 0000135338   
Segmentation of multispectral data simulated from hyperspectral imagery.
[Aut.]: M. Marcinkiewicz, Michał Kawulok, Jakub Nalepa.
W: 2019 IEEE International Geoscience & Remote Sensing Symposium. IGARSS 2019, July 28 - August 2, 2019, Yokohama, Japan. Proceedings. Piscataway : Institute of Electrical and Electronics Engineers, 2019, s. 3336-3339, bibliogr. 15 poz.. Punktacja MNiSW 20.000

dane multispektralne ; dane hiperspektralne ; obrazowanie spektroskopowe ; segmentacja ; klasyfikacja

multispectral data ; hyperspectral data ; spectroscopy imaging ; segmentation ; classification

23/97
Nr opisu: 0000129767   
Segmenting brain tumors from FLAIR MRI using fully convolutional neural networks.
[Aut.]: Pablo Ribalta Lorenzo, Jakub Nalepa, B. Bobek-Billewicz, P. Wawrzyniak, G. Mrukwa, Michał Kawulok, P. Ulrych, M. P. Hayball.
-Comput. Methods Programs Biomed. 2019 vol. 176, s. 135-148, bibliogr. 55 poz.. Impact Factor 3.632. Punktacja MNiSW 100.000

segmentacja obrazu ; głębokie sieci neuronowe ; MRI ; guz mózgu

image segmentation ; deep neural networks ; MRI ; brain tumor

24/97
Nr opisu: 0000129305
Segmenting brain tumors from MRI using cascaded multi-modal U-Nets.
[Aut.]: M. Marcinkiewicz, Jakub Nalepa, Pablo Ribalta Lorenzo, Wojciech Dudzik, Grzegorz Mrukwa.
W: Brainlesion: glioma, multiple sclerosis, stroke and traumatic brain injuries. 4th International Workshop, BrainLes 2018 held in cwith MICCAI 2018, Granada, Spain, September 16, 2018. Revised selected papers. Part II. Eds.: Alessandro Crimi, Spyridon Bakas, Hugo Kuijf, Farahani Keyvan, Mauricio Reyes, Theo van Walsum. Cham : Springer, 2019, s. 13-24 (Lecture Notes in Computer Science ; vol. 11384 0302-9743). Punktacja MNiSW 20.000

guz mózgu ; segmentacja ; deep learning ; CNN

brain tumor ; segmentation ; deep learning ; CNN

25/97
Nr opisu: 0000121063   
Selecting training sets for support vector machines: a review.
[Aut.]: Jakub Nalepa, Michał Kawulok.
-Artif. Intell. Rev. 2019 vol. 52 iss. 2, s. 857-900, bibliogr.. Impact Factor 5.747. Punktacja MNiSW 140.000

Maszyna Wektorów Nośnych ; dobór zestawu treningowego ; redukcja danych ; klasyfikacja

Support Vector Machine ; training set selection ; data reduction ; classification

26/97
Nr opisu: 0000129745   
Super-resolution reconstruction using deep learning: should we go deeper?.
[Aut.]: Daniel Kostrzewa, Szymon Piechaczek, Krzysztof Hrynczenko, Paweł Benecki, Jakub Nalepa, Michał Kawulok.
W: Beyond databases, architectures and structures. Paving the road to smart data processing and analysis. 15th International conference, BDAS 2019, Ustroń, Poland, May 28-31, 2019. Proceedings. Eds. Stanisław Kozielski, Dariusz Mrozek, Paweł Kasprowski, Bożena Małysiak-Mrozek, Daniel Kostrzewa. Cham : Springer, 2019, s. 204-216, bibliogr. 42 poz. (Communications in Computer and Information Science ; vol. 1018 1865-0929). Punktacja MNiSW 20.000

rekonstrukcja super-rozdzielcza ; przetwarzanie obrazu ; splotowa sieć neuronowa ; uczenie głębokie

super-resolution reconstruction ; image processing ; convolutional neural network ; deep learning

27/97
Nr opisu: 0000129654   
Validating hyperspectral image segmentation.
[Aut.]: Jakub Nalepa, Michał Myller, Michał Kawulok.
-IEEE Geosci. Remote Sens. Lett. 2019 vol. 16 iss. 3, s. 1264-1268, bibliogr. 23 poz.. Impact Factor 3.833. Punktacja MNiSW 140.000

klasyfikacja ; uczenie głębokie ; obrazowanie hiperspektralne ; segmentacja ; walidacja

classification ; deep learning ; hyperspectral imaging ; segmentation ; validation

28/97
Nr opisu: 0000123745
Adaptive cooperation in parallel memetic algorithms for rich vehicle routing problems.
[Aut.]: Jakub Nalepa, Mirosław Błocho.
-Int. J. Grid Utility Comput. 2018 vol. 9 nr 2, s. 179-192, bibliogr. 65 poz.. Punktacja MNiSW 15.000

kooperacja ; algorytm równoległy ; algorytm memetyczny ; problem trasowania pojazdów ; VRPTW ; PDPTW

cooperation ; parallel algorithm ; memetic algorithm ; routing problem ; VRPTW ; PDPTW

29/97
Nr opisu: 0000119001   
Behind the scenes of Deadline24: a memetic algorithm for the modified job shop scheduling problem.
[Aut.]: Jakub Nalepa, M. Cwiek, L. Zak.
W: Man-machine interactions 5. 5th International Conference on Man-Machine Interactions, ICMMI 2017, Kraków, Poland, October 3-6, 2017. Eds. Aleksandra Gruca, Tadeusz Czachórski, Katarzyna Harezlak, Stanisław Kozielski, Agnieszka Piotrowska. Berlin : Springer International Publishing, 2018, s. 502-512, bibliogr. 17 poz. (Advances in Intelligent Systems and Computing ; vol. 659 2194-5357). Punktacja MNiSW 15.000

algorytm memetyczny ; modelowanie przepływu pracy ; szeregowanie zadań w systemie gniazdowym

memetic algorithm ; workflow modeling ; job shop scheduling problem ; benchmark generation

30/97
Nr opisu: 0000118999   
Complexity analysis of the parallel memetic algorithm for the pickup and delivery problem with time windows.
[Aut.]: Mirosław Błocho, Jakub Nalepa.
W: Man-machine interactions 5. 5th International Conference on Man-Machine Interactions, ICMMI 2017, Kraków, Poland, October 3-6, 2017. Eds. Aleksandra Gruca, Tadeusz Czachórski, Katarzyna Harezlak, Stanisław Kozielski, Agnieszka Piotrowska. Berlin : Springer International Publishing, 2018, s. 471-480, bibliogr. 13 poz. (Advances in Intelligent Systems and Computing ; vol. 659 2194-5357). Punktacja MNiSW 15.000

równoległy algorytm memetyczny ; PDPTW ; analiza złożoności

parallel memetic algorithm ; PDPTW ; complexity analysis

31/97
Nr opisu: 0000122050
Convergence analysis of PSO for hyper-parameter selection in deep neural Networks.
[Aut.]: Jakub Nalepa, Pablo Ribalta Lorenzo.
W: Advances on P2P, parallel, grid, cloud and internet computing. Proceedings of the 12th International Conference on P2P, Parallel, Grid, Cloud and Internet Computing (3PGCIC-2017). Eds. Fatos Xhafa, Santi Caballe, Leonard Barolli. Cham : Springer International Publishing, 2018, s. 284-295, bibliogr. 15 poz. (Lecture Notes on Data Engineering and Communications Technologies ; vol. 13 2367-4512). Punktacja MNiSW 15.000

inżynieria danych ; technologie komunikacyjne ; obliczenia P2P ; obliczenia równoległe ; chmura obliczeniowa ; przetwarzanie w Internecie ; 3PGCIC-2017

data engineering ; communication technologies ; P2P computing ; parallel grid computing ; cloud computing ; Internet computing ; 3PGCIC-2017

32/97
Nr opisu: 0000124806
Evolutionary cortical surface segmentation.
[Aut.]: Maksym Walczak, Jakub Nalepa, Michał Kawulok, Wojciech Dudzik, Bogdan Smołka.
W: Real-Time Image and Video Processing 2018, Orlando, Florida, United States, 16-17 April 2018. Eds. Nasser Kehtarnavaz, Matthias F. Carlsohn. Bellingham : SPIE, 2018, paper 106700D s. 1-12, bibliogr. 27 poz. (Proceedings of SPIE ; vol. 10670 0277-786X). Punktacja MNiSW 15.000

obrazowanie mózgu ; algorytm genetyczny ; segmentacja obrazu ; rezonans magnetyczny

brain imaging ; genetic algorithm ; image segmentation ; magnetic resonance

33/97
Nr opisu: 0000122045
Evolvable deep features.
[Aut.]: Jakub Nalepa, Grzegorz Mrukwa, Michał Kawulok.
W: Applications of evolutionary computation. 21st International conference, EvoApplications 2018, Parma, Italy, April 4-6, 2018. Proceedings. Eds. Kevin Sim, Paul Kaufmann. Cham : Springer International Publishing, 2018, s. 497-505, bibliogr. 17 poz. (Lecture Notes in Computer Science ; vol. 10784 0302-9743). Punktacja MNiSW 15.000

34/97
Nr opisu: 0000125690   
Extracting biomarkers from dynamic images - approaches and challenges.
[Aut.]: Jakub Nalepa, M. P. Hayball, S. J. Brown, Michał Kawulok, J. Szymanek.
W: Proceedings of the 7th International Conference on Pattern Recognition Applications and Methods, Funchal, Portugal, January 16-18, 2018. Vol. 1.: ICPRAM. Eds.: Maria De Marsico, Gabriella Sanniti di Baja, Ana Fred. Setubal : SciTePress - Science and Technology Publications, 2018, s. 520-525, bibliogr. 29 poz.. Punktacja MNiSW 15.000

obrazowanie DCE ; biomarker ; analiza obrazu medycznego

DCE imaging ; biomarker ; medical image analysis

35/97
Nr opisu: 0000125431   
Genetic selection of training sets for (not only) artificial neural networks.
[Aut.]: Jakub Nalepa, Michał Myller, Szymon Piechaczek, Krzysztof Hrynczenko, Michał Kawulok.
W: Beyond databases, architectures and structures. Facing the challenges of data proliferation and growing variety. 14th International conference, BDAS 2018 held at the 24th IFIP World Computer Congress, WCC 2018, Poznan, Poland, September 18-20, 2018. Proceedings. Eds. Stanisław Kozielski, Dariusz Mrozek, Paweł Kasprowski, Bożena Małysiak-Mrozek, Daniel Kostrzewa. Cham : Springer, 2018, s. 194-206, bibliogr. 28 poz. (Communications in Computer and Information Science ; vol. 928 1865-0929). Punktacja MNiSW 20.000

ANN ; algorytm genetyczny ; klasyfikacja ; dobór zbioru treningowego

ANN ; genetic algorithm ; classification ; training set selection

36/97
Nr opisu: 0000125182   
Genetically-trained deep neural networks.
[Aut.]: Jakub Nalepa, Krzysztof Pawełczyk, Michał Kawulok.
W: Proceedings of the 2018 Genetic and Evolutionary Computation Conference Companion. GECCO'18 Companion, Kyoto, Japan, 15-19 July 2018. Association for Computing Machinery. New York : Association for Computing Machinery, 2018, s. 63-64, bibliogr. 7 poz.. Punktacja MNiSW 140.000

splotowa sieć neuronowa ; deep learning ; algorytm genetyczny

convolutional neural network ; deep learning ; genetic algorithm

37/97
Nr opisu: 0000132446   
Memetic evolution of deep neural networks.
[Aut.]: Pablo Ribalta Lorenzo, Jakub Nalepa.
W: Proceedings of the 2018 Genetic and Evolutionary Computation Conference Companion. GECCO'18, July, 15-19, 2018, Kyoto, Japan. Ed.: Hernan Aguirre. Association for Computing Machinery. New York : Association for Computing Machinery, 2018, s. 505-512, bibliogr. 35 poz.. Punktacja MNiSW 140.000

algorytm memetyczny ; głębokie sieci neuronowe ; segmentacja obrazu

memetic algorithm ; deep neural networks ; image segmentation

38/97
Nr opisu: 0000125179   
Parameter-less (meta)heuristics for vehicle routing problems.
[Aut.]: Jakub Nalepa, Mirosław Błocho.
W: Proceedings of the 2018 Genetic and Evolutionary Computation Conference Companion. GECCO'18 Companion, Kyoto, Japan, 15-19 July 2018. Association for Computing Machinery. New York : Association for Computing Machinery, 2018, s. 27-28, bibliogr. 2 poz.. Punktacja MNiSW 140.000

PDPTW ; algorytm równoległy ; adaptacja

PDPTW ; guided ejection ; adaptation

39/97
Nr opisu: 0000124807
Real-time lung segmentation from whole-body CT scans using Adaptive Vision Studio: A visual programming software suite.
[Aut.]: Jakub Nalepa, M. Czardybon, Maksym Walczak.
W: Real-Time Image and Video Processing 2018, Orlando, Florida, United States, 16-17 April 2018. Eds. Nasser Kehtarnavaz, Matthias F. Carlsohn. Bellingham : SPIE, 2018, paper 106700C s. 1-12, bibliogr. 24 poz. (Proceedings of SPIE ; vol. 10670 0277-786X). Punktacja MNiSW 15.000

40/97
Nr opisu: 0000124795
Robust enhancement technique for color images corrupted by impulsive noise.
[Aut.]: Bogdan Smołka, Jakub Nalepa, Michał Kawulok, B. Cyganek.
W: Real-Time Image and Video Processing 2018, Orlando, Florida, United States, 16-17 April 2018. Eds. Nasser Kehtarnavaz, Matthias F. Carlsohn. Bellingham : SPIE, 2018, paper 1067003 s. 1-12, bibliogr. 20 poz. (Proceedings of SPIE ; vol. 10670 0277-786X). Punktacja MNiSW 15.000

odbarwianie obrazu kolorowego ; poprawa jakości obrazu ; hałas impulsowy ; usuwanie szumu

color image denoising ; image enhancement ; impulsive noise ; noise removal

41/97
Nr opisu: 0000127021   
Segmentation of hyperspectral images using quantized convolutional neural networks.
[Aut.]: Pablo Ribalta Lorenzo, M. Marcinkiewicz, Jakub Nalepa.
W: 21st Euromicro Conference on Digital System Design. DSD 2018, 29-31 August 2018 Prague, Czech Republic. Proceedings. Eds.: Martin Novotny, Nikos Konofaos, Amund Skavhaug. Piscataway : IEEE, 2018, s. 260-267, bibliogr. 38 poz.. Punktacja MNiSW 20.000

segmentacja ; obrazowanie hiperspektralne ; głębokie sieci neuronowe ; kwantyzacja wagi

segmentation ; hyperspectral imaging ; deep neural networks ; weight quantization

42/97
Nr opisu: 0000127079   
Patent. Polska, nr 228 914. Sposób wielomodalnej analizy wizyjnej dla mierzenia atencji wizualnej odbiorców treści multimedialnych w pojazdach komunikacji zbiorowej i układ zliczania odbiorców treści multimedialnych w pojazdach komunikacji zbiorowej. Int. Cl. G07C 9/00, G06T 7/20.
Future Processing Sp. z o.o., Polska
Twórcy: Michał Kawulok, J. Szymanek, Krzysztof Pawełczyk, Jakub Nalepa.
Zgłosz. nr 415 337 z 16.12.2015. Opubl. 30.05.2018, 8 s.

wizja komputerowa ; atencja wizualna ; treści multimedialne

computer vision ; visual attention ; multimedia contents

43/97
Nr opisu: 0000122393
Towards robust evaluation of super-resolution satellite image reconstruction.
[Aut.]: Michał Kawulok, Paweł Benecki, Jakub Nalepa, Daniel Kostrzewa, Ł. Skonieczny.
W: Intelligent information and database systems. 10th Asian Conference, ACIIDS 2018, Dong Hoi City, Vietnam, March 19-21, 2018. Proceedings. Pt. 1. Eds.: Ngoc Thanh Nguyen,Duong Hung Hoang,Tzung-Pei Hong,Hoang Pham,Bogdan Trawiński. Cham : Springer International Publishing, 2018, s. 476-486, bibliogr. 37 poz. (Lecture Notes in Computer Science ; vol. 10751 0302-9743). Punktacja MNiSW 20.000

nadrozdzielczość ; przetwarzanie obrazu ; miary podobieństwa

super-resolution ; image processing ; similarity measures

44/97
Nr opisu: 0000125704   
Transferring information across medical images of different modalities.
[Aut.]: Jakub Nalepa, P. Mokry, J. Szymanek, M. P. Hayball.
W: Proceedings of the 7th International Conference on Pattern Recognition Applications and Methods, Funchal, Portugal, January 16-18, 2018. Vol. 1.: ICPRAM. Eds.: Maria De Marsico, Gabriella Sanniti di Baja, Ana Fred. Setubal : SciTePress - Science and Technology Publications, 2018, s. 526-533, bibliogr. 15 poz.. Punktacja MNiSW 15.000

DICOM ; analiza multimodalna ; transfer ROI

DICOM ; multimodal analysis ; ROI transfer

45/97
Nr opisu: 0000118998   
Tuning and evolving support vector machine models.
[Aut.]: Jakub Nalepa, Michał Kawulok, Wojciech Dudzik.
W: Man-machine interactions 5. 5th International Conference on Man-Machine Interactions, ICMMI 2017, Kraków, Poland, October 3-6, 2017. Eds. Aleksandra Gruca, Tadeusz Czachórski, Katarzyna Harezlak, Stanisław Kozielski, Agnieszka Piotrowska. Berlin : Springer International Publishing, 2018, s. 418-428, bibliogr. 27 poz. (Advances in Intelligent Systems and Computing ; vol. 659 2194-5357). Punktacja MNiSW 15.000

maszyna wektorów podpierających ; klasyfikacja ; algorytm genetyczny ; funkcja jądra ; hiperparametr

Support Vector Machine ; classification ; genetic algorithm ; Kernel function ; hyper-parameter

46/97
Nr opisu: 0000117627
Verification of correctness of parallel algorithms in practice.
[Aut.]: Jakub Nalepa, Mirosław Błocho.
W: Recent advances in computational optimization. Results of the Workshop on Computational Optimization WCO 2016. Ed. Stefka Fidanova. Cham : Springer International Publishing, 2018, s. 135-151, bibliogr. 43 poz. (Studies in Computational Intelligence ; vol. 717 1860-949X). Punktacja MNiSW 20.000

47/97
Nr opisu: 0000116631
A parallel memetic algorithm for the pickup and delivery problem with time windows.
[Aut.]: Jakub Nalepa, Mirosław Błocho.
W: 25th EUROMICRO International Conference on Parallel, Distributed and Network-Based Processing. PDP 2017, St. Petersburg, Russia, 6 March - 8 March 2017. Proceedings. Ed. by Igor Kotenko, Yiannis Cotronis and Masoud Daneshtalab. Piscataway : Institute of Electrical and Electronics Engineers, 2017, art. no. 7912618, s. 1-8, bibliogr. 25 poz.. Punktacja MNiSW 20.000

algorytm memetyczny ; algorytm równoległy ; PDPTW

memetic algorithm ; parallel algorithm ; PDPTW

48/97
Nr opisu: 0000114504   
Adaptive guided ejection search for pickup and delivery with time windows.
[Aut.]: Jakub Nalepa, Mirosław Błocho.
-J. Intell. Fuzzy Syst. 2017 vol. 32 iss. 2, s. 1547-1559, bibliogr. 55 poz.. Impact Factor 1.426. Punktacja MNiSW 25.000

adaptacja ; klastrowanie ; k-NN ; PDPTW

adaptation ; clustering ; k-NN ; PDPTW ; guided ejection search

49/97
Nr opisu: 0000117490
An alternating genetic algorithm for selecting SVM model and training set.
[Aut.]: Michał Kawulok, Jakub Nalepa, Wojciech Dudzik.
W: Pattern recognition. 9th Mexican conference, MCPR 2017, Huatulco, Mexico, June 21-24, 2017. Proceedings. Eds. Jesus Ariel Carrasco-Ochoa, Jose Francisco Martinez-Trinidad, Jose Arturo Olvera-Lopez. Cham : Springer International Publishing, 2017, s. 94-104, bibliogr. 25 poz. (Lecture Notes in Computer Science ; vol. 10267 0302-9743). Punktacja MNiSW 15.000

50/97
Nr opisu: 0000132449   
Hands-free research workflow.
[Aut.]: Pablo Ribalta Lorenzo, Jakub Nalepa, L. Sanchez Ramos, J. Ranilla Pastor.
W: Proceedings of the 21st International Conference on Evaluation and Assessment in Software Engineering. EASE'17, Karlskrona, Sweden, June 15-16, 2017. Association for Computing Machinery. New York : Association for Computing Machinery, 2017, s. 70-73, bibliogr. 11 poz.

przebieg pracy badawczej ; deep learning ; kontrola źródła ; integracja ciągła

research workflow ; deep learning ; source control ; CI

51/97
Nr opisu: 0000117947   
Hyper-parameter selection in deep neural networks using parallel particle swarm optimization.
[Aut.]: Pablo Ribalta Lorenzo, Jakub Nalepa, L. S. Ramos, J. R. Pastor.
W: Proceedings of the 2017 Genetic and Evolutionary Computation Conference Companion. GECCO'17 Companion, July 15-19, 2017, Berlin, Germany. Association for Computing Machinery. New York : Association for Computing Machinery, 2017, s. 1864-1871, bibliogr. 25 poz.

głębokie sieci neuronowe ; dobór hiperparametrów ; optymalizacja rojem cząstek ; równoległy algorytm ewolucyjny

deep neural networks ; hyper-parameter selection ; particle swarm optimization ; parallel evolutionary algorithm

52/97
Nr opisu: 0000116485
LCS-based selective route exchange crossover for the pickup and delivery problem with time windows.
[Aut.]: Mirosław Błocho, Jakub Nalepa.
W: 17th European Conference on Evolutionary Computation in Combinatorial Optimization. EvoCOP 2017, Amsterdam, Netherlands, 19 April 2017 through 21 April 2017. Eds. Hu B., Lopez-Ibanez M.. Berlin : Springer International Publishing, 2017, s. 124-140, bibliogr. 26 poz. (Lecture Notes in Computer Science ; vol. 10197 Lecture Notes in Bioinformatics ; 0302-9743). Punktacja MNiSW 20.000

krzyżowanie ; LCS ; algorytm memetyczny ; PDPTW

crossover ; LCS ; memetic algorithm ; PDPTW

53/97
Nr opisu: 0000117928   
Particle swarm optimization for hyper-parameter selection in deep neural networks.
[Aut.]: Pablo Ribalta Lorenzo, Jakub Nalepa, Michał Kawulok, L. S. Ramos, J. R. Pastor.
W: Proceedings of the 2017 Genetic and Evolutionary Computation Conference. GECCO'17, July 15-19, 2017, Berlin, Germany. Association for Computing Machinery. New York : Association for Computing Machinery, 2017, s. 481-488, bibliogr. 35 poz.

głębokie sieci neuronowe ; dobór hiperparametrów ; optymalizacja rojem cząstek

deep neural networks ; hyper-parameter selection ; particle swarm optimization

54/97
Nr opisu: 0000116669
Segmenting lungs from whole-body CT scans.
[Aut.]: Maksym Walczak, I. Burda, Jakub Nalepa, Michał Kawulok.
W: Beyond databases, architectures and structures. Towards efficient solutions for data analysis and knowledge representation. 13th International conference, BDAS 2017, Ustroń, Poland, May 30 - June 2, 2017. Proceedings. Eds. Stanisław Kozielski, Dariusz Mrozek, Paweł Kasprowski, Bożena Małysiak-Mrozek, Daniel Kostrzewa. Cham : Springer International Publishing, 2017, s. 403-414, bibliogr. 22 poz. (Communications in Computer and Information Science ; vol. 716 1865-0929). Punktacja MNiSW 15.000

tomografia komputerowa ; segmentacja płuc ; medyczne przetwarzanie obrazu

computed tomography ; lung segmentation ; medical image processing

55/97
Nr opisu: 0000115875
Spatial planning as a Hexomino puzzle.
[Aut.]: M. Ćwiek, Jakub Nalepa.
W: Intelligent information and database systems. 9th Asian Conference, ACIIDS 2017, Kanazawa, Japan, April 3-5, 2017. Proceedings. Pt. 1. Eds. Ngoc Thanh Nguyen, Satoshi Tojo, Le Minh Nguyen, Bogdan Trawiński. Cham : Springer International Publishing, 2017, s. 410-420, bibliogr. 19 poz. (Lecture Notes in Computer Science ; vol. 10191 Lecture Notes in Artificial Intelligence ; 0302-9743). Punktacja MNiSW 20.000

dokładne pokrycie

exact cover ; Hexomino puzzle ; dancing links ; benchmark generation

56/97
Nr opisu: 0000117154
Temporally adaptive co-operation schemes.
[Aut.]: Jakub Nalepa, Mirosław Błocho.
W: Proceedings of the 11th International Conference on P2P, Parallel, Grid, Cloud and Internet Computing. 3PGCIC-2016, Asan, Korea, November 5-7, 2016. Eds. Fatos Xhafa, Leonard Barolli, Flora Amato. Cham : Springer, 2017, s. 145-156, bibliogr. 23 poz. (Lecture Notes on Data Engineering and Communications Technologies ; vol. 1 2367-4512). Punktacja MNiSW 15.000

algorytm równoległy ; współdziałanie ; algorytm memetyczny ; VRPTW

parallel algorithm ; co-operation ; memetic algorithm ; VRPTW

57/97
Nr opisu: 0000119902
Towards detecting high-uptake lesions from lung CT scans using deep learning.
[Aut.]: Krzysztof Pawełczyk, Michał Kawulok, Jakub Nalepa, M. Hayball, S. J. McQuaid, V. Prakash, B. Ganeshan.
W: Image analysis and processing - ICIAP 2017. 19th International Conference, Catania, Italy, September 11-15, 2017. Proceedings. Pt. 2. Eds. Sebastiano Battiato, Giovanni Gallo, Raimondo Schettini, Filippo Stanco. Cham : Springer, 2017, s. 310-320, bibliogr. 27 poz. (Lecture Notes in Computer Science ; vol. 10485 0302-9743). Punktacja MNiSW 70.000

głębokie sieci neuronowe ; wykrywanie uszkodzeń ; PET/CT zobrazowanie ; PET/CT

deep neural networks ; damage detection ; PET/CT imaging ; PET/CT

58/97
Nr opisu: 0000105103   
Adaptive memetic algorithm enhanced with data geometry analysis to select training data for SVMs.
[Aut.]: Jakub Nalepa, Michał Kawulok.
-Neurocomputing 2016 vol. 185, s. 113-132, bibliogr. 57 poz.. Impact Factor 3.317. Punktacja MNiSW 30.000

algorytm memetyczny ; analiza głównych składowych ; adaptacja ; kontrola parametrów ; Maszyna Wektorów Nośnych ; dane szkoleniowe

memetic algorithm ; principal component analysis ; adaptation ; parameter control ; Support Vector Machine ; training data

59/97
Nr opisu: 0000105101   
Adaptive memetic algorithm for minimizing distance in the vehicle routing problem with time windows.
[Aut.]: Jakub Nalepa, M. Blocho.
-Soft Comput. 2016 vol. 20 nr 6, s. 2309-2327, bibliogr. 74 poz.. Impact Factor 2.472. Punktacja MNiSW 25.000

algorytm memetyczny ; adaptacja ; kontrola parametrów ; schemat selekcji ; zagadnienie trasowania pojazdów z oknami czasowymi

memetic algorithm ; adaptation ; parameter control ; selection scheme ; vehicle routing problem with time windows

60/97
Nr opisu: 0000106536
Cryptanalysis of SDES using genetic and memetic algorithms.
[Aut.]: K. Dworak, Jakub Nalepa, U. Boryczka, Michał Kawulok.
W: Recent developments in intelligent information and database systems. Pt 1. Eds. Dariusz Król, Lech Madeyski, Ngoc Thanh Nguyen. Berlin : Springer International Publishing, 2016, s. 3-14, bibliogr. 21 poz. (Studies in Computational Intelligence ; vol. 642 1860-949X)

algorytm memetyczny ; algorytm genetyczny ; kryptoanaliza ; SDES

memetic algorithm ; genetic algorithm ; cryptanalysis ; SDES

61/97
Nr opisu: 0000105512
Enhanced guided ejection search for the pickup and delivery problem with time windows.
[Aut.]: Jakub Nalepa, M. Błocho.
W: Intelligent information and database systems. 8th Asian Conference, ACIIDS 2016, Da Nang, Vietnam, March 14-16, 2016. Proceedings. Pt. 1. Eds. Ngoc Thanh Nguyen, Bogdan Trawiński, Hamido Fujita, Tzung-Pei Hong. Cham : Springer, 2016, s. 388-398, bibliogr. 15 poz. (Lecture Notes in Computer Science ; vol. 9621 0302-9743)

wyszukiwanie z przewodnikiem ; heurystyka ; PDPTW ; metoda łańcuchowego usuwania

guided search ; heuristics ; PDPTW ; ejection chain

62/97
Nr opisu: 0000109022
Genetic and memetic algorithms for selection of training sets for support vector machines. Rozprawa doktorska.
[Aut.]: Jakub Nalepa.
Gliwice, 2016, 209 s., bibliogr. 227 poz.
Politechnika Śląska. Wydział Automatyki, Elektroniki i Informatyki. Promotor: dr hab. inż. Michał Kawulok

uczenie maszynowe ; maszyna wektorów podpierających ; algorytm ewolucyjny ; algorytm genetyczny ; algorytm memetyczny ; zbiór treningowy

machine learning ; Support Vector Machine ; evolutionary algorithm ; genetic algorithm ; memetic algorithm ; trining collection

63/97
Nr opisu: 0000105443
How to generate benchmarks for rich routing problems?.
[Aut.]: M. Cwiek, Jakub Nalepa, M. Dublanski.
W: Intelligent information and database systems. 8th Asian Conference, ACIIDS 2016, Da Nang, Vietnam, March 14-16, 2016. Proceedings. Pt. 1. Eds. Ngoc Thanh Nguyen, Bogdan Trawiński, Hamido Fujita, Tzung-Pei Hong. Cham : Springer, 2016, s. 399-409, bibliogr. 17 poz. (Lecture Notes in Computer Science ; vol. 9621 0302-9743)

problem trasowania pojazdów ; wzorzec ; heurystyka ; VRPTW

vehicle routing problem ; benchmark ; heuristics ; VRPTW

64/97
Nr opisu: 0000108294   
Hybrid adaptation for detecting skin in color images.
[Aut.]: Michał Kawulok, Jolanta Kawulok, Jakub Nalepa, Bogdan Smołka.
-Intell. Data Anal. 2016 vol. 20 no. s1, s. S121-S139, bibliogr. 69 poz.. Impact Factor 0.772. Punktacja MNiSW 15.000

detekcja skóry ; segmentacja skóry ; adaptacyjny model kolorów ; analiza przestrzenna

skin detection ; skin segmentation ; adaptive color model ; spatial analysis

65/97
Nr opisu: 0000111183
In search of truth: analysis of smile intensity dynamics to detect deception.
[Aut.]: Michał Kawulok, Jakub Nalepa, Karolina Nurzyńska, Bogdan Smołka.
W: Advances in artificial intelligence - IBERAMIA 2016. 15th Ibero-American Conference on AI, San Jose, Costa Rica, November 23-25, 2016. Proceedings. Eds. Manuel Montes y Gomez, Hugo Jair Escalante, Alberto Segura, Juan de Dios Murillo. Cham : Springer International Publishing, 2016, s. 325-337, bibliogr. 26 poz. (Lecture Notes in Computer Science ; vol. 10022 Lecture Notes in Artificial Intelligence ; 0302-9743)

66/97
Nr opisu: 0000110002   
Is your parallel algorithm correct?.
[Aut.]: Jakub Nalepa, Mirosław Błocho.
W: Position Papers of the 2016 Federated Conference on Computer Science and Information Systems, September 11-14, 2016, Gdańsk, Poland. [Dokument elektroniczny]. Eds. Maria Ganzha, Leszek Maciaszek, Marcin Paprzycki. Warszawa : Polskie Towarzystwo Informatyczne, 2016, pamięć USB (PenDrive) s. 87-93, bibliogr. 39 poz. (Annals of Computer Science and Information Systems ; vol. 9 2300-5963)

67/97
Nr opisu: 0000106352
Manifold learning for hand pose recognition: evaluation framework.
[Aut.]: M. Papież, Michał Kawulok, Jakub Nalepa.
W: Beyond databases, architectures and structures. Advanced technologies for data mining and knowledge discovery. 12th International conference, BDAS 2016, Ustroń, Poland, May 31 - June 3, 2016. Proceedings. Eds. Stanisław Kozielski, Dariusz Mrozek, Paweł Kasprowski, Bożena Małysiak-Mrozek, Daniel Kostrzewa. [B.m.] : Springer, 2016, s. 704-715, bibliogr. 27 poz. (Communications in Computer and Information Science ; vol. 613 1865-0929)

manifold learning ; rozpoznawanie gestów ; estymacja ułożenia dłoni

manifold learning ; gesture recognition ; hand pose estimation

68/97
Nr opisu: 0000108614   
The smaller, the better: selecting refined SVM training sets using adaptive memetic algorithm.
[Aut.]: Jakub Nalepa, Michał Kawulok.
W: GECCO'16 Companion. Proceedings of the 2016 Genetic and Evolutionary Computation Conference, July 20-24, 2016, Denver, Colorado, USA. Ed.: Tobias Friedrich. New York : Association for Computing Machinery, 2016, s. 165-166, bibliogr. 2 poz.

SVM ; dobór zestawu treningowego ; algorytm memetyczny ; PCA ; adaptacja

SVM ; training set selection ; memetic algorithm ; PCA ; adaptation

69/97
Nr opisu: 0000108340   
A parallel algorithm for minimizing the fleet size in the pickup and delivery problem with time windows.
[Aut.]: M. Blocho, Jakub Nalepa.
W: 22nd European MPI Users' Group Meeting. EuroMPI 2015, Bordeaux, France, 21 September 2015 - 23 September 2015. New York : Association for Computing Machinery, 2015, s. 1-2, bibliogr. 4 poz.

PDPTW ; MPI ; heurystyka

PDPTW ; MPI ; heuristics

70/97
Nr opisu: 0000106354   
A parallel algorithm with the search space partition for the pickup and delivery with time windows.
[Aut.]: Jakub Nalepa, M. Blocho.
W: 2015 10th International Conference on P2P, Parallel, Grid, Cloud and Internet Computing. 3PGCIC, Krakow, Poland, 4-6 November 2015. Eds.: Fatos Xhafa, Leonard Barolli, Fabrizio Messina, Marek R. Ogiel. Los Alamitos : IEEE Computer Society, 2015, s. 92-99, bibliogr. 23 poz.

PDPTW ; schemat współdziałania ; algorytm równoległy ; podział przestrzeni poszukiwań

PDPTW ; co-operation scheme ; guided ejection ; parallel algorithm ; search space partition

71/97
Nr opisu: 0000104479   
Adaptive memetic algorithm for the job shop scheduling problem.
[Aut.]: Jakub Nalepa, M. Ćwięk, Michał Kawulok.
W: 2015 International Joint Conference on Neural Networks. IJCNN, Killarney, Ireland, 12-17 July 2015. Los Alamitos : Institute of Electrical and Electronics Engineers, 2015, s. 1-8, bibliogr. 38 poz.

algorytm genetyczny ; system gniazdowy ; problemy wyszukiwania

genetic algorithm ; job shop ; search problem

72/97
Nr opisu: 0000101203   
Co-operation in the parallel memetic algorithm.
[Aut.]: Jakub Nalepa, M. Blocho.
-Int. J. Parallel Program. 2015 vol. 43 iss. 5, s. 812-839, bibliogr. 69 poz.. Impact Factor 0.680. Punktacja MNiSW 15.000

równoległy algorytm memetyczny ; model wyspowy ; współpraca ; topologia migracji ; zagadnienie trasowania pojazdów z oknami czasowymi

parallel memetic algorithm ; island model ; cooperation ; migration topology ; vehicle routing problem with time windows

73/97
Nr opisu: 0000099919
Impact of parallel memetic algorithm parameters on its efficacy.
[Aut.]: M. Blocho, Jakub Nalepa.
W: Beyond databases, architectures and structures. 11th International conference. BDAS 2015, Ustroń, Poland, May 26-29, 2015. Proceedings. Eds. Stanisław Kozielski, Dariusz Mrozek, Paweł Kasprowski, Bożena Małysiak-Mrozek, Daniel Kostrzewa. Cham : Springer, 2015, s. 299-308, bibliogr. 23 poz. (Communications in Computer and Information Science ; vol. 521 1865-0929)

równoległy algorytm memetyczny ; model wyspowy ; wielkość populacji ; liczba dzieci ; VRPTW

parallel memetic algorithm ; island model ; population size ; number of children ; VRPTW

74/97
Nr opisu: 0000099922
Real-time people counting from depth images.
[Aut.]: Jakub Nalepa, J. Szymanek, Michał Kawulok.
W: Beyond databases, architectures and structures. 11th International conference. BDAS 2015, Ustroń, Poland, May 26-29, 2015. Proceedings. Eds. Stanisław Kozielski, Dariusz Mrozek, Paweł Kasprowski, Bożena Małysiak-Mrozek, Daniel Kostrzewa. Cham : Springer, 2015, s. 387-397, bibliogr. 24 poz. (Communications in Computer and Information Science ; vol. 521 1865-0929)

zliczanie ludzi ; detekcja obiektów ; śledzenie obiektu ; obraz trójwymiarowy

people counting ; object detection ; object tracking ; depth image

75/97
Nr opisu: 0000108062   
Towards parameter-less support vector machines.
[Aut.]: Jakub Nalepa, Krzysztof Simiński, Michał Kawulok.
W: Third IAPR Asian Conference on Pattern Recognition. ACPR 2015, 3-6 November 2015, Kuala Lumpur, Malaysia. Proceedings. Piscataway : Institute of Electrical and Electronics Engineers, 2015, s. 211-215, bibliogr. 15 poz.

76/97
Nr opisu: 0000108060   
Towards robust SVM training from weakly labeled large data sets.
[Aut.]: Michał Kawulok, Jakub Nalepa.
W: Third IAPR Asian Conference on Pattern Recognition. ACPR 2015, 3-6 November 2015, Kuala Lumpur, Malaysia. Proceedings. Piscataway : Institute of Electrical and Electronics Engineers, 2015, s. 464-468, bibliogr. 19 poz.

77/97
Nr opisu: 0000132466   
A fast genetic algorithm for the flexible job shop scheduling problem.
[Aut.]: M. Cwiek, Jakub Nalepa.
W: Proceedings of the Companion Publication of the 2014 Annual Conference on Genetic and Evolutionary Computation. GECCO Comp '14, Vancouver, Canada, July 12-16, 2014. Ed. Christian Igel. New York : Association for Computing Machinery, 2014, s. 1449-1450, bibliogr. 5 poz.

algorytm genetyczny ; krzyżowanie mieszające ; harmonogramowanie zadań z maszynami alternatywnymi

genetic algorithm ; randomized crossover ; flexible job shop scheduling problem

78/97
Nr opisu: 0000099164   
A memetic algorithm to select training data for support vector machines.
[Aut.]: Jakub Nalepa, Michał Kawulok.
W: Proceedings of the 16th Genetic and Evolutionary Computation Conference. GECCO '14. Vancouver, Canada, July 12-16, 2014. New York : ACM, 2014, s. 573-580

algorytm memetyczny ; samoadaptacja ; Maszyna Wektorów Nośnych ; dobór danych treningowych

memetic algorithm ; self-adaptation ; Support Vector Machine ; training data selection

79/97
Nr opisu: 0000099168
Adaptive genetic algorithm to select training data for support vector machines.
[Aut.]: Jakub Nalepa, Michał Kawulok.
W: 17th European Conference EvoApplications 2014, Granada, Spain, April 23-25, 2014. Revised selected Papers. Eds.: Anna I. Esparcia-Alcazar, Antonio M. Mora. Berlin : Springer, 2015, s. 514-525, bibliogr. 19 poz. (Lecture Notes in Computer Science ; vol. 8602 0302-9743)

adaptacyjny algorytm genetyczny ; Maszyna Wektorów Nośnych ; dobór danych treningowych

adaptive genetic algorithm ; Support Vector Machine ; training data selection

80/97
Nr opisu: 0000132463   
Adaptive memetic algorithm for the vehicle routing problem with time windows.
[Aut.]: Jakub Nalepa.
W: Proceedings of the Companion Publication of the 2014 Annual Conference on Genetic and Evolutionary Computation. GECCO Comp '14, Vancouver, Canada, July 12-16, 2014. Ed. Christian Igel. New York : Association for Computing Machinery, 2014, s. 1467-1468, bibliogr. 6 poz.

algorytm genetyczny ; samoadaptacja ; zagadnienie trasowania pojazdów z oknami czasowymi

memetic algorithm ; self-adaptation ; vehicle routing problem with time windows

81/97
Nr opisu: 0000097279
Co-operation schemes for the parallel memetic algorithm.
[Aut.]: Jakub Nalepa, M. Blocho, Zbigniew** Czech.
W: Parallel processing and applied mathematics. PPAM 2013. 10th International conference, Warsaw, Poland, September 8-11, 2013. Revised selected papers. Pt. 1. Ed. by Roman Wyrzykowski, Jack Dongarra, Konrad Karczewski, Jerzy Waśniewski. Berlin : Springer, 2014, s. 191-201, bibliogr. 17 poz. (Lecture Notes in Computer Science ; vol. 8384 0302-9743)

równoległy algorytm memetyczny ; schemat współdziałania ; hybrydowy algorytm genetyczny ; zagadnienie trasowania pojazdów z oknami czasowymi

parallel memetic algorithm ; co-operation scheme ; hybrid genetic algorithm ; vehicle routing problem with time windows

82/97
Nr opisu: 0000099089
Dynamically adaptive genetic algorithm to select training data for SVMs.
[Aut.]: Michał Kawulok, Jakub Nalepa.
W: Advances in Artificial Intelligence. IBERAMIA 2014. 4th Ibero-American Conference on AI, Santiago de Chile, Chile, November 24-27, 2014. Proceedings. Pt. 2. Eds.: Ana L. C. Bazzan, Karim Pichara. Cham : Springer, 2014, s. 242-254, bibliogr. 32 poz. (Lecture Notes in Computer Science ; vol. 8864 0302-9743)

sztuczna inteligencja ; tłumaczenie ; lingwistyka ; symulacja ; modelowanie ; zastosowania systemów informacyjnych ; rozpoznawanie wzorców

artificial intelligence ; language translation ; linguistics ; simulation ; modelling ; information systems applications ; pattern recognition ; computation by abstract devices

83/97
Nr opisu: 0000092752
Fast and accurate hand shape classification.
[Aut.]: Jakub Nalepa, Michał Kawulok.
W: Beyond databases, architectures and structures. BDAS 2014. 10th International conference, Ustroń, Poland, May 27-30, 2014. Proceedings. Eds. Stanisław Kozielski [et al.]. Cham : Springer, 2014, s. 364-373, bibliogr. 25 poz. (Communications in Computer and Information Science ; vol. 424 1865-0929)

kształt dłoni ; rozpoznawanie gestów ; algorytm równoległy

hand shape ; gesture recognition ; parallel algorithm

84/97
Nr opisu: 0000099167   
Hand pose estimation using support vector machines with evolutionary training.
[Aut.]: Michał Kawulok, Jakub Nalepa.
W: 21st International Conference on Systems, Signals and Image Processing. IWSSIP 2014, Dubrovnik, Croatia, 12-15 May 2014. Proceedings. Ed. by M. Mustra [et al.]. Zagreb : Faculty of Electrical Engineering and Computing. University of Zagreb, 2014, s. 87-90, bibliogr. 23 poz. (International Conference on Systems, Signals, and Image Processing ; 2157-8672)

adaptacyjny algorytm genetyczny ; rozpoznawanie gestów ; Maszyna Wektorów Nośnych ; dobór zestawu treningowego

adaptive genetic algorithm ; gesture recognition ; Support Vector Machine ; training set selection

85/97
Nr opisu: 0000096826   
Self-adaptive algorithm for segmenting skin regions.
[Aut.]: Michał Kawulok, Jolanta Kawulok, Jakub Nalepa, Bogdan Smołka.
-EURASIP J. Adv. Signal Process. 2014 vol. 170, s. 1-22, bibliogr. 68 poz.. Impact Factor 0.777. Punktacja MNiSW 25.000

detekcja skóry ; segmentacja skóry ; dostosowanie modelu koloru ; analiza przestrzenna

skin detection ; skin segmentation ; adaptive color model ; spatial analysis

86/97
Nr opisu: 0000096602
Self-adaptive skin segmentation in color images.
[Aut.]: Michał Kawulok, Jolanta Kawulok, Jakub Nalepa, Bogdan Smołka.
W: Progress in pattern recognition, image analysis and applications. 19th Iberoamerican congress. CIARP 2014, Puerto Vallarta, Mexico, November 2-5, 2014. Proceedings. Eds. Eduardo Bayro-Corrochano, Edwin Hancock. Berlin : Springer, 2014, s. 96-103, bibliogr. (Lecture Notes in Computer Science ; vol. 8827 0302-9743)

detekcja skóry ; segmentacja skóry ; barwa skóry ; adaptacyjne modelowanie skóry ; analiza przestrzenna ; transformacja odległości ; rozpoznawanie gestów

skin detection ; skin segmentation ; skin colour ; adaptive skin modelling ; spatial analysis ; distance transform ; gesture recognition

87/97
Nr opisu: 0000091323
Skin detection and segmentation in color images.
[Aut.]: Michał Kawulok, Jakub Nalepa, Jolanta Kawulok.
W: Advances in low-level color image processing. Eds. M. Emre Celebi, Bogdan Smolka. Dodrecht : Springer, 2014, s. 329-366, bibliogr. 101 poz. (Lecture Notes in Computational Vision and Biomechanics ; vol. 11 2212-9391)

detekcja skóry ; segmentacja skóry ; barwa skóry ; detekcja twarzy ; śledzenie twarzy ; detekcja dłoni ; śledzenie dłoni ; adaptacyjne modelowanie skóry

skin detection ; skin segmentation ; skin colour ; face detection ; face tracking ; hand detection ; hand tracking ; adaptive skin modelling

88/97
Nr opisu: 0000091321   
Spatial-based skin detection using discriminative skin-presence features.
[Aut.]: Michał Kawulok, Jolanta Kawulok, Jakub Nalepa.
-Pattern Recognit. Lett. 2014 vol. 41, s. 3-13, bibliogr.. Impact Factor 1.551. Punktacja MNiSW 30.000

detekcja skóry ; segmentacja skóry ; cechy teksturalne ; liniowa analiza dyskryminacyjna ; transformacja odległości

skin detection ; skin segmentation ; textural features ; linear discriminant analysis ; distance transform

89/97
Nr opisu: 0000093901
Texture analysis for identifying heterogeneity in medical images.
[Aut.]: Jakub Nalepa, J. Szymanek, M. Hayball, S. Brown, B. Ganeshan, K. Miles.
W: Computer vision and graphics. ICCVG 2014. International conference, Warsaw, Poland, September 15-17, 2014. Proceedings. Eds. Leszek J. Chmielewski, Ryszard Kozera, Bok-Suk Shin, Konrad Wojciechowski. Cham : Springer, 2014, s. 446-453, bibliogr. 15 poz. (Lecture Notes in Computer Science ; vol. 8671 0302-9743)

analiza tekstury ; przetwarzanie obrazu ; filtracja obrazu ; znacznik obrazujący

texture analysis ; image processing ; image filtration ; imaging marker

90/97
Nr opisu: 0000088298
Wrist localization in color images for hand gesture recognition.
[Aut.]: Jakub Nalepa, Tomasz Grzejszczak, Michał Kawulok.
W: Man-machine interactions 3. Eds: Aleksandra Gruca, Tadeusz Czachórski, Stanislaw Kozielski. Berlin : Springer, 2014, s. 79-86, bibliogr. 16 poz. (Advances in Intelligent Systems and Computing ; vol. 242 2194-5357)

detekcja skóry ; segmentacja skóry ; lokalizacja nadgarstka ; rozpoznawanie gestów

skin detection ; skin segmentation ; wrist localization ; gesture recognition

91/97
Nr opisu: 0000091243
New selection schemes in a memetic algorithm for the vehicle routing problem with time windows.
[Aut.]: Jakub Nalepa, Zbigniew** Czech.
W: Adaptive and natural computing algorithms. 11th International Conference. ICANNGA 2013, Lausanne, Switzerland, April 4-6, 2013. Proceedings. Eds: M. Tomassini, A. Antonioni, F. Daolio, P. Buesser. Berlin : Springer, 2013, s. 396-405, bibliogr. 14 poz. (Lecture Notes in Computer Science ; vol. 7824 0302-9743)

92/97
Nr opisu: 0000091229   
Parallel hand shape classification.
[Aut.]: Jakub Nalepa, Michał Kawulok.
W: IEEE International Symposium on Multimedia. ISM 2013, Anaheim, USA, 9-11 December 2013. Proceedings. Piscataway : Institute of Electrical and Electronics Engineers, 2013, s. 401-402, bibliogr. 9 poz.

kształt dłoni ; algorytm równoległy ; rozpoznawanie gestów

hand shape ; parallel algorithm ; gesture recognition

93/97
Nr opisu: 0000091244
Real-time wrist localization in hand silhouettes.
[Aut.]: Tomasz Grzejszczak, Jakub Nalepa, Michał Kawulok.
W: Proceedings of the 8th International Conference on Computer Recognition Systems CORES 2013. Eds. Robert Burduk, Konrad Jackowski, Marek Kurzynski, Michał Wozniak, Andrzej Zolnierek. Berlin : Springer, 2013, s. 439-449, bibliogr. 17 poz. (Advances in Intelligent Systems and Computing ; vol. 226 2194-5357)

94/97
Nr opisu: 0000091237   
Skin detection using spatial analysis with adaptive seed.
[Aut.]: Michał Kawulok, Jolanta Kawulok, Jakub Nalepa, M. Papież.
W: IEEE International Conference on Image Proccessing. ICIP 2013, Melbourne, Australia, September 15-18, 2013. Proceedings. Piscataway : Institute of Electrical and Electronics Engineers, 2013, s. 3720-3724, bibliogr. 31 poz.

detekcja skóry ; segmentacja skóry ; adaptacyjne modelowanie barwy skóry

skin detection ; skin segmentation ; adaptive skin colour modelling

95/97
Nr opisu: 0000070768   
A parallel heuristic algorithm to solve the vehicle routing problem with time windows.
[Aut.]: Jakub Nalepa, Zbigniew** Czech.
-Stud. Informat. 2012 vol. 33 nr 1, 91-106, bibliogr. 7 poz.. Punktacja MNiSW 4.000

trasowanie pojazdów ; okno czasowe ; heurystyka ; algorytm memetyczny ; algorytm aproksymacyjny

vehicle routing ; time window ; heuristics ; memetic algorithm ; approximation algorithm

96/97
Nr opisu: 0000076623   
Adaptive threads co-operation schemes in a parallel heuristic algorithm for the vehicle routing problem with time windows.
[Aut.]: Jakub Nalepa, Zbigniew** Czech.
-Theor. Appl. Informat. 2012 vol. 24 no. 3, s. 191-203, bibliogr. 34 poz.. Punktacja MNiSW 4.000

VRPTW ; algorytm równoległy ; interfejs OpenMP

VRPTW ; parallel algorithm ; OpenMP interface ; co-operation frequency

97/97
Nr opisu: 0000082194
Support vector machines training data selection using a genetic algorithm.
[Aut.]: Michał Kawulok, Jakub Nalepa.
W: Structural, syntactic and statistical pattern recognition. Joint IAPR International Workshop SSPR & SPR 2012, Hiroshima, Japan, November 7-9, 2012. Proceedings. Eds: G. Gimel'farb [et al.]. Berlin : Springer, 2012, s. 557-565, bibliogr. 26 poz. (Lecture Notes in Computer Science ; vol. 7626 0302-9743)

stosując format:
Nowe wyszukiwanie