Wykaz publikacji wybranego autora

Waldemar Bauer, dr inż.

adiunkt

Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
WEAIiIB-kair, Katedra Automatyki i Robotyki


  • 2023

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


  • 2018

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


[poprzednia klasyfikacja] obszar nauk technicznych / dziedzina nauk technicznych / automatyka i robotyka


Identyfikatory Autora Informacje o Autorze w systemach zewnętrznych

ORCID: 0000-0002-8543-0995 orcid iD

ResearcherID: B-5303-2013

Scopus: 55803488300

PBN: 5e7092ae878c28a04739a9ea

OPI Nauka Polska

System Informacyjny AGH (SkOs)




1
2
3
4
  • How to teach fractional calculus inspired electronics remotely? / Waldemar BAUER, Edyta KUCHARSKA, Jerzy BARANOWSKI, Stavroula Kapoulea, Panagiotis Bertsias, Costas Psychalinos // W: ICELIE 2022 [Dokument elektroniczny] : 9th IEEE International Conference on e-Learning in Industrial Electronics : Brussels, Belgium, 17 - 20 October, 2022 : proceedings. — Wersja do Windows. — Dane tekstowe. — [Piscataway] : IEEE, cop. 2022. — Dod. ISBN: 978-1-6654-8991-1. — e-ISBN: 978-1-6654-8990-4. — S. [1–6]. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 6, Abstr.. — Publikacja dostępna online od: 2022-12-08. — tekst: https://ieeexplore-1ieee-1org-1000047it0071.wbg2.bg.agh.edu.pl/stamp/stamp.jsp?tp=&arnumber=9969432

    orcid iD
  • keywords: fractional-order controllers, electronic approximations, online teaching

    cyfrowy identyfikator dokumentu: 10.1109/ICELIE55228.2022.9969432

5
  • Influence of the variables describing brain signals on the performance of the Naive Bayesian Classifier / Aleksandra Kawala-Sterniuk, Jaroslaw Zygarlicki, Adam Łysiak, Barbara Grochowicz, Mariusz Pelc, Dawid Baczkowicz, Krzysztof Krecisz, Wiktoria Wieczorek, Radek Martinek, Waldemar BAUER, Katarzyna A. Dylag, Radana Kahankova // W: PAEE 2022 [Dokument elektroniczny] : Progress in Applied Electrical Engineering : Koscielisko (Zakopane), Poland, June 27–July 01, 2022. — Wersja do Windows. — Dane tekstowe. — Piscataway : IEEE, cop. 2022. — e-ISBN: 978-1-6654-5515-2. — S. [1–5]. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. [4–5], Abstr.. — Publikacja dostępna online od: 2022-12-02. — tekst: https://ieeexplore-1ieee-1org-1000047iv0007.wbg2.bg.agh.edu.pl/stamp/stamp.jsp?tp=&arnumber=9966567

    orcid iD
  • keywords: pattern recognition, signal processing, EEG, Bayesian Classifiers, NIRS

    cyfrowy identyfikator dokumentu: 10.1109/PAEE56795.2022.9966567

6
  • Pilot study on analysis of electroencephalography signals from children with FASD with the implementation of Naive Bayesian classifiers / Katarzyna Anna Dyląg, Wiktoria Wieczorek, Waldemar BAUER, Piotr Walecki, Bożena Bando, Radek Martinek, Aleksandra Kawala-Sterniuk // Sensors [Dokument elektroniczny]. — Czasopismo elektroniczne ; ISSN 1424-8220. — 2022 vol. 22 iss. 1 art. no. 103, s. 1–12. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 10–12, Abstr.. — Publikacja dostępna online od: 2021-12-24. — tekst: https://www.mdpi.com/1424-8220/22/1/103/pdf

    orcid iD
  • keywords: electroencephalography, digital signal processing, EEG, Naive Bayesian classifiers, Fetal Alcohol Spectrum Disorders, FASD

    cyfrowy identyfikator dokumentu: 10.3390/s22010103

7
  • Recognizing commutator motors fault from acoustics signals using Bayesian functional data depth / Waldemar BAUER, Adrian DUDEK, Jerzy BARANOWSKI // 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. 44. — Pełny tekst w: {https://ieeexplore-1ieee-1org-1000047q600ab.wbg2.bg.agh.edu.pl/stamp/stamp.jsp?tp==9874262}. — S.227–231. Wymagania systemowe: Adobe Reader. Bibliogr. s.230231, Abstr.

    orcid iD
  • keywords: sound, data depth, functional data analysis, commutator motors, Hamiltonian Monte Carlo, Bayesian statistics, mechanical fault detection

    cyfrowy identyfikator dokumentu: 10.1109/MMAR55195.2022.9874262