Wykaz publikacji wybranego autora

Marek Miśkowicz, dr hab. inż., prof. AGH

profesor nadzwyczajny

Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
WEAIiIB-kmie, Katedra Metrologii i Elektroniki


  • 2023

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

    [dyscyplina 2] dziedzina nauk inżynieryjno-technicznych / inżynieria biomedyczna (50%)


  • 2020

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

    [dyscyplina 2] dziedzina nauk inżynieryjno-technicznych / inżynieria biomedyczna (50%)


  • 2018

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


[poprzednia klasyfikacja] obszar nauk technicznych / dziedzina nauk technicznych / elektronika


Identyfikatory Autora Informacje o Autorze w systemach zewnętrznych

ORCID: 0000-0003-3737-4690 orcid iD

ResearcherID: A-5563-2013

Scopus: 12790420700

PBN: 5e70922c878c28a047391198

OPI Nauka Polska

System Informacyjny AGH (SkOs)




1
2
  • [artykuł w czasopiśmie, 2021]
  • TytułUnfairness of random access with collision avoidance in Industrial Internet of Things networks
    AutorzyMarek MIŚKOWICZ
    ŹródłoSensors [Dokument elektroniczny]. — Czasopismo elektroniczne. — 2021 vol. 21 iss. 21 art. no. 7135, s. 1-19. — tekst: https://www.mdpi.com/1424-8220/21/21/7135/pdf
  • keywords: modelling, carrier sense multiaccess, communication system performance, access protocols, memoryless backoff, Industrial Internet of Things

    cyfrowy identyfikator dokumentu: 10.3390/s21217135

3
  • [artykuł w czasopiśmie, 2021]
  • TytułVery short-term probabilistic wind power prediction using sparse machine learning and nonparametric density estimation algorithms
    AutorzyJiaqing Lv, Xiaodong Zheng, Mirosław PAWLAK, Weike Mo, Marek MIŚKOWICZ
    ŹródłoRenewable Energy. — 2021 vol. 177, s. 181–192. — tekst: https://s.agh.edu.pl/qQw9C
  • keywords: non parametric density estimation, interval forecast, multi-variate estimation, sparse modeling, wind power prediction

    cyfrowy identyfikator dokumentu: 10.1016/j.renene.2021.05.123