Wydział Informatyki i Telekomunikacji

dr inż. Bartosz Krawczyk

Email: bartosz.krawczyk@pwr.edu.pl

Jednostka: Wydział Informatyki i Telekomunikacji » Katedra Systemów i Sieci Komputerowych

ul. Z. Janiszewskiego 8, Wrocław
bud. D-20, pok. 912
tel. 71 320 3731


Wybrane publikacje
1
Referat konferencyjny
2021
Evaluating and explaining generative adversarial networks for continual learning under concept drift. W: 21st IEEE International Conference on Data Mining Workshops ICDMW 2021, 7-10 December 2021, Virtual Conference : proceedings / eds. Bing Xue, Mykola Pechenizkiy, and Yun Sing Koh. Piscataway, NJ. : IEEE, cop. 2021. s. 295-303. ISBN: 978-1-6654-2427-1
Zasoby:DOI
2
Artykuł
2020
Michał M Koziarski, Michał Woźniak, Bartosz Krawczyk,
Combined Cleaning and Resampling algorithm for multi-class imbalanced data with label noise. Knowledge-Based Systems. 2020, vol. 204, art. 106223, s. 1-16. ISSN: 0950-7051; 1872-7409
Zasoby:DOIURLSFXImpact FactorLista FiladelfijskaLista MNiSW
3
Referat konferencyjny
2019
On the role of cost-sensitive learning in imbalanced data oversampling. W: Computational Science - ICCS 2019 : 19th International Conference, Faro, Portugal, June 12-14, 2019 : proceedings, Part III / eds. João M. F. Rodrigues [i in.]. Switzerland : Springer, cop. 2019. s. 180-191. ISBN: 978-3-030-22743-2
Zasoby:DOISFX
4
Artykuł
2019
Bartosz Krawczyk, Michał M Koziarski, Michał Woźniak,
Radial-based oversampling for multiclass imbalanced data classification. IEEE Transactions on Neural Networks and Learning Systems. 2019, vol. 31, nr 8, s. 2818-2831. ISSN: 2162-237X; 2162-2388
Zasoby:DOISFXImpact FactorLista FiladelfijskaLista MNiSW
5
Artykuł
2019
Michał M Koziarski, Bartosz Krawczyk, Michał Woźniak,
Radial-based oversampling for noisy imbalanced data classification. Neurocomputing. 2019, vol. 343, s. 19-33. ISSN: 0925-2312
Zasoby:DOISFXImpact FactorLista FiladelfijskaLista MNiSW
6
Artykuł
2019
José-Ramón Cano, Pedro Antonio Gutiérrez, Bartosz Krawczyk, Michał Woźniak, Salvador García,
Monotonic classification: an overview on algorithms, performance measures and data sets. Neurocomputing. 2019, vol. 341, s. 168-182. ISSN: 0925-2312
Zasoby:DOISFXImpact FactorLista FiladelfijskaLista MNiSW
7
Artykuł
2019
Bartosz Krawczyk, Isaac Triguero, Salvador García, Michał Woźniak, Francisco Herrera,
Instance reduction for one-class classification. Knowledge and Information Systems. 2019, vol. 59, nr 3, s. 601-628. ISSN: 0219-1377
Zasoby:DOISFXImpact FactorLista FiladelfijskaLista MNiSW
8
Referat konferencyjny
2018
Łukasz Korycki, Bartosz Krawczyk,
Combining active learning and self-labeling for data stream mining. W: Proceedings of the 10th International Conference on Computer Recognition Systems, CORES 2017 / eds. Marek Kurzyński, Michał Woźniak, Robert Burduk. [Cham] : Springer, cop. 2018. s. 481-490. ISBN: 978-3-319-59161-2
Zasoby:DOISFXWeb of Science CC
9
Referat konferencyjny
2018
Bartosz Krawczyk, Bernhard Pfahringer, Michał Woźniak,
Combining active learning with concept drift detection for data stream mining. W: 2018 IEEE International Conference on Big Data, Dec 10 - Dec 13, 2018, Seattle, WA, USA : proceedings / eds. Naoki Abe [i in.]. Danvers, MA : IEEE, cop. 2018. s. 2239-2244. ISBN: 978-1-5386-5036-3; 978-1-5386-5035-6
Zasoby:DOIWeb of Science CC
10
Referat konferencyjny
2018
S Ramírez-Gallego, Bartosz Krawczyk, S García, Michał Woźniak, Jose Manuel Benitez, Francisco Herrera,
Fast case-based reasoning for large-scale streaming classification. W: 8th ​​International Conference of Pattern Recognition Systems (ICPRS 2017), 11-13 July 2017, Madrid, Spain / IET, The Institution of Engineering and Technology. [Stevenage] : IET, [2018]. s. 1-6. ISBN: 978-1-78561-652-5
Zasoby:DOIURL

Wszystkie publikacje pracownika

Politechnika Wrocławska © 2024

Nasze strony internetowe i oparte na nich usługi używają informacji zapisanych w plikach cookies. Korzystając z serwisu wyrażasz zgodę na używanie plików cookies zgodnie z aktualnymi ustawieniami przeglądarki, które możesz zmienić w dowolnej chwili. Ochrona danych osobowych »

Akceptuję