Email: urszula.markowska-kaczmar@pwr.edu.pl

Jednostka: Wydział Informatyki i Telekomunikacji » Katedra Sztucznej Inteligencji

pl. Grunwaldzki 9, Wrocław
bud. D-21, pok. 341
tel. 71 320 2744

Konsultacje

• środa 11.00 - 13.00 

---

Zainteresowania naukowe

• głębokie uczenie; uczenie maszynowe; sieci neuronowe; zastosowania inteligentnych metod.

 

---

Wybrane publikacje
1	Artykuł 2024 Michał P Karol, Martin Tabakow, Urszula Markowska-Kaczmar, Łukasz Fuławka, Deep learning for cancer cell detection: do we need dedicated models?. Artificial Intelligence Review. 2024, vol. 57, art. 53, s. 1-36. ISSN: 0269-2821; 1573-7462 Zasoby:DOIURLSFX
2	Redakcja monografii i prac zbiorowych 2023 Halina Kwaśnicka, Nikhil Jain, Urszula Markowska-Kaczmar, Chee Peng Lim, Lakhmi C Jain, Advances in smart healthcare paradigms and applications : outstanding women in healthcare. Vol. 1. Cham: Springer, cop. 2023. XII, 255 s. ISBN: 978-3-031-37305-3; 978-3-031-37306-0 (Intelligent Systems Reference Library, ISSN 1868-4394; vol. 244) Zasoby:DOI
3	Rozdział w monografii 2023 Joanna I Szołomicka, Urszula Markowska-Kaczmar, An overview of few-shot learning methods in analysis of histopathological images. W: Advances in smart healthcare paradigms and applications : outstanding women in healthcare. Vol. 1 / eds. Halina Kwaśnicka [i in.]. Cham : Springer, cop. 2023. s. 87-113. ISBN: 978-3-031-37305-3; 978-3-031-37306-0 Zasoby:DOISFX
4	Artykuł 2022 Sebastian Jamroziński, Urszula Markowska-Kaczmar, Semi‑supervised classifier guided by discriminator. Scientific Reports. 2022, vol. 12, art. 14665, s. 1-17. ISSN: 2045-2322 Zasoby:DOIURLSFX
5	Referat konferencyjny 2021 Daniel Popek, Urszula Markowska-Kaczmar, Utterance style transfer using deep models. W: Knowledge-Based and Intelligent Information & Engineering Systems: Proceedings of the 25th International Conference KES 2021 / eds. Jaroslaw Watrobski [i in.]. Amsterdam : Elsevier, cop. 2021. s. 2132-2141. Zasoby:DOISFX
6	Referat konferencyjny 2021 Urszula Markowska-Kaczmar, Adrian Ślimak, Creating herd behavior by virtual agents using neural networks. W: Knowledge-Based and Intelligent Information & Engineering Systems: Proceedings of the 25th International Conference KES 2021 / eds. Jaroslaw Watrobski [i in.]. Amsterdam : Elsevier, cop. 2021. s. 437-446. Zasoby:DOISFX
7	Artykuł 2021 Urszula Markowska-Kaczmar, Michał Kosturek, Extreme learning machine versus classical feedforward network. Comparison from the usability perspective. Neural Computing & Applications. 2021, vol. 33, s. 15121-15144. ISSN: 0941-0643; 1433-3058 Zasoby:DOIURLSFX
8	Artykuł 2021 Mateusz Zimoch, Urszula Markowska-Kaczmar, Human flow recognition using deep learning and image processing methods. Engineering Applications of Artificial Intelligence. 2021, vol. 104, art. 104346, s. 1-11. ISSN: 0952-1976; 1873-6769 Zasoby:DOISFX
9	Artykuł 2021 Piotr Zieliński, Urszula Markowska-Kaczmar, 3D robotic navigation using a vision-based deep reinforcement learning model. Applied Soft Computing. 2021, vol. 110, art. 107602, s. 1-17. ISSN: 1568-4946; 1872-9681 Zasoby:DOISFX
10	Referat konferencyjny 2021 Anna Palczewska, Urszula Markowska-Kaczmar, Interpreting neural networks prediction for a single instance via random forest feature contributions. W: Computational Science - ICCS 2021 : 21st International Conference Krakow, Poland, June 16-18, 2021 : proceedings. Pt. 2 / eds. Maciej Paszynski [i in.]. Cham : Springer, cop. 2021. s. 140-153. ISBN: 978-3-030-77963-4; 978-3-030-77964-1 Zasoby:DOISFX

Wszystkie publikacje pracownika