Wykaz publikacji wybranego autora

Kazimierz Wiatr, prof. dr hab. inż.

profesor zwyczajny

Wydział Informatyki, Elektroniki i Telekomunikacji
WIEiT-ke, Instytut Elektroniki


  • 2023

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

    [dyscyplina 2] dziedzina nauk inżynieryjno-technicznych / automatyka, elektronika, elektrotechnika i technologie kosmiczne (25%)


  • 2018

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

    [dyscyplina 2] dziedzina nauk inżynieryjno-technicznych / automatyka, elektronika i elektrotechnika (25%)


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


Identyfikatory Autora Informacje o Autorze w systemach zewnętrznych

ORCID: 0000-0001-5959-0277 orcid iD

ResearcherID: brak

Scopus: 24451501800

PBN: 5e70922c878c28a047391223

OPI Nauka Polska

System Informacyjny AGH (SkOs)




1
  • Accelerating deep convolutional neural on GPGPU / Dominik ŻUREK, Marcin PIETROŃ, Kazimierz WIATR // W: Intelligent computing : proceedings of the 2021 computing conference : [15–16 July 2021, virtual conference], Vol. 2 / ed. Kohei Arai. — Cham : Springer, cop. 2021. — (Lecture Notes in Networks and Systems ; ISSN 2367-3370 ; vol. 284). — ISBN: 978-3-030-80125-0 ; e-ISBN: 978-3-030-80126-7. — S. 712–724. — Bibliogr., Abstr.. — Publikacja dostępna online od: 2021-07-07

    orcid iD
  • keywords: GPU, pruning, CNN, cuDnn, reduced precision, cublas

    cyfrowy identyfikator dokumentu: 10.1007/978-3-030-80126-7_50

2
  • Estimating the memory consumption of a hardware IP defragmentation block / Maciej CZEKAJ, Ernest JAMRO, Kazimierz WIATR // Electronics [Dokument elektroniczny]. — Czasopismo elektroniczne ; ISSN 2079-9292. — 2021 vol. 10 iss. 16 art. no. 2015, s. 1-19. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 18-19, Abstr.. — Publikacja dostępna online od: 2021-08-20. — K. Wiatr - dod. afiliacja: Academic Computer Centre CYFRONET of the University of Science and Technology, Krakow, Poland. — tekst: https://www.mdpi.com/2079-9292/10/16/2015/pdf

    orcid iD
  • keywords: statistical estimation, IP fragmentation, network traffic analysis, network hardware design

    cyfrowy identyfikator dokumentu: 10.3390/electronics10162015

3
  • Fast pre-diagnosis of neoplastic changes in cytology images using machine learning / Jakub CAPUTA, Daria ŁUKASIK, Maciej WIELGOSZ, Michał KARWATOWSKI, Rafał FRĄCZEK, Paweł RUSSEK, Kazimierz WIATR // Applied Sciences (Basel) [Dokument elektroniczny]. — Czasopismo elektroniczne ; ISSN 2076-3417. — 2021 vol. 11 iss. 16 art. no. 7181, s. 1–17. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 16–17, Abstr.. — Publikacja dostępna online od: 2021-08-04. — M. Wielgosz, M. Karwatowski, R. Frączek, P. Russek, K. Wiatr - pierwsza afiliacja: Academic Computer Centre CYFRONET AGH. — tekst: https://www.mdpi.com/2076-3417/11/16/7181/pdf

    orcid iD
  • keywords: detection, deep learning, YOLOv3, neoplasms, canines

    cyfrowy identyfikator dokumentu: 10.3390/app11167181

4
  • Optimal reduction in the number of test vectors for soft processor cores implemented in FPGA / Mariusz Węgrzyn, Ernest JAMRO, Agnieszka DĄBROWSKA-BORUCH, Kazimierz WIATR // Electronics [Dokument elektroniczny]. — Czasopismo elektroniczne ; ISSN 2079-9292. — 2021 vol. 10 iss. 20 art. no. 2505, s. 1-15. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 15, Abstr.. — Publikacja dostępna online od: 2021-10-14. — tekst: https://www.mdpi.com/2079-9292/10/20/2505/pdf

    orcid iD
  • keywords: FPGA, processor testing, test optimization

    cyfrowy identyfikator dokumentu: 10.3390/electronics10202505

5
  • Training with reduced precision of a support vector machine model for text classification / Dominik ŻUREK, Marcin PIETROŃ, Kazimierz WIATR // W: Advances in information and communication : proceedings of the 2021 Future of Information and Communication Conference (FICC) : [29–30 April 2021, online], Vol. 2 / ed. Kohei Arai. — Cham : Springer Nature Switzerland AG, cop. 2021. — (Advances in Intelligent Systems and Computing ; ISSN 2194-5357 ; vol. 1364). — ISBN: 978-3-030-73102-1 ; e-ISBN: 978-3-030-73103-8. — S. 785-798. — Bibliogr., Abstr.. — Publikacja dostępna online od: 2021-04-16

    orcid iD
  • keywords: SVM, GPGPU, quantization, text classification

    cyfrowy identyfikator dokumentu: 10.1007/978-3-030-73103-8_56