Bibliografia publikacji pracowników
Państwowej Szkoły Wyższej w Białej Podlaskiej
Baza tworzona przez Bibliotekę Akademii Bialskiej im. Jana Pawła II.
Zapytanie:
GOLOVKO VLADIMIR Liczba odnalezionych rekordów: 20
Przejście do opcji zmiany formatu | Wyświetl/ukryj etykiety | Wyświetlenie wyników w wersji do druku | Pobranie pliku do edytora | Nowe wyszukiwanie Streszczenie: Unsupervised learning based on restricted Boltzmann machine or autoencoders has become an important research domain in the area of neural networks. In this paper mathematical expressions to adaptive learning step calculation for RBM with ReLU transfer function are proposed. As a result, we can automatically estimate the step size that minimizes the loss function of the neural network and correspondingly update the learning step in every iteration. We give a theoretical justification for the proposed adaptive learning rate approach, which is based on the steepest descent method. The proposed technique for adaptive learning rate estimation is compared with the existing constant step and Adam methods in terms of generalization ability and loss function. We demonstrate that the proposed approach provides better performance.
2/20
Nr opisu: 0000046270 Autorzy: Vladimir Golovko, Egor Mikhno, Aliaksandr Kroshchanka, Marta Chodyka, Piotr Lichograj. Tytuł pracy: Adaptive Learning Rate for Unsupervised Learning of Deep Neural Networks Tytuł całości: W: 2023 International Joint Conference on Neural Networks (IJCNN) Proceedings, 18-23 June 2023, Gold Coast, Australia Miejsce wydania: [Piscataway] Wydawca: Institute of Electrical and Electronics Engineers Inc. Rok wydania: 2023 Strony zajęte przez pracę: P. 1-6 ISBN: 978-1-6654-8867-9 Charakterystyka formalna: referat w materiałach pokonferencyjnych zagranicznych Charakterystyka merytoryczna: konferencja naukowa międzynarodowa Charakterystyka wg MNiSW: publikacja w recenzowanych mat. konf. międzynar. z wykazu Język publikacji: ENG Punktacja ministerstwa: 70.000 Słowa kluczowe ang.: adaptive training step ; deep learning ; unsupervised learning https://ieeexplore.ieee.org/document/10191642 DOI: 10.1109/IJCNN54540.2023.10191642 Streszczenie: In this paper an approach for adaptive learning step calculation using ReLU transfer function in neural network is proposed. This adaptive learning rate aims to automatically choose the step size that minimizes the objective function of neural network. We give a theoretical justification for the proposed adaptive learning rate approach, which is based on the steepest descent method. The main contribution of this paper is a novel technique for adaptive learning rate calculation, if we use ReLU transfer function. The experiments in data compression datasets show that proposed approach provides better generalization capability (test set accuracy) and permits to choose the learning rate automatically.
3/20
Nr opisu: 0000045141 Autorzy: Piotr Lichograj, Marta Chodyka, Vladimir Golovko, Tomasz Bujnik. Tytuł pracy: Metoda wykrywania napadów padaczkowych za pomocą fal EEG Tytuł całości: W: Rozwiązania technologiczne XXI wieku - skutki i perspektywy rozwoju, T. 3 / red. Alicja Danielewska, Kamila Maciąg Miejsce wydania: Lublin Wydawca: Wydawnictwo Naukowe TYGIEL Rok wydania: 2023 Strony zajęte przez pracę: S. 134-147 ISBN: 978-83-67104-75-3 Charakterystyka formalna: rozdział w monografii polskiej Charakterystyka wg MNiSW: rozdział w monografii z wykazu MEiN Język publikacji: POL Słowa kluczowe: elektroencefalogram ; napad padaczkowy ; perceptron wielowarstwowy ; wykładnik Lyapunov'a https://bc.wydawnictwo-tygiel.pl/publikacja/228628E6-7E08-9B01-BDC8-21120829C046 Streszczenie: W ciągu ostatnich kilku dekad zastosowanie sieci neuronowych do analizy elektroencefalogramu (EEG) gwałtownie wzrosło. Przedstawiona metoda wykrywania napadów padaczkowych opiera się na maksymalnym krótkoterminowym wykładniku Lyapunov'a (STLmax). Proponowane podejście opiera się na automatycznej segmentacji sygnałów EEG na częśći odpowiadające aktywności epileptycznej i niepadaczkowej. STLmax jest następnie obliczany z obu rodzajów sygnału EEG i używany do klasyfikacji epileptycznych i niepadaczkowych segmentów EEG w całym zapisie. Techniki sieci neuronowych są proponowane zarówno do segmentacji sygnałów EEG, jak i do obliczania STLmax. Do przeprowadzenia eksperymentów wykorzystany został zbiór szpitalnych danych złożony z 21 nagrań trwających 8 sekund ośmiu dorosłych pacjentów. Ponadto do eksperymentów wykorzystano publicznie dostępne dane. Proponowana metoda pozwala dokładnie wykryć odcinki EEG o różnym czasie trwania z aktywnością padaczkową i niepadaczkową, aktywność patologiczną w stanie remisji oraz aktywność napadową w okresie przednapadowym.
4/20
Nr opisu: 0000046870 Autorzy: Aliaksandr Kroshchanka, Vladimir Golovko, Shi Peiwen, Zofia Lubańska. Tytuł pracy: Unsupervised Pre-training of Deep Neural Classifiers Tytuł całości: W: Proceeding of the 12th IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications (IDAACS; 2023), September 7-9, 2023, Drotmund, Germany, Vol. 1 Miejsce wydania: Piscataway Wydawca: Institute of Electrical and Electronics Engineers Inc. Rok wydania: 2023 Seria: Proceedings of the IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems, 2770-4254 Strony zajęte przez pracę: S. 1083-1087 ISBN: 978-83-3503-5805-6 Charakterystyka formalna: rozdział w monografii zagranicznej Charakterystyka merytoryczna: konferencja naukowa międzynarodowa Charakterystyka wg MNiSW: rozdział w monografii z wykazu MEiN Język publikacji: ENG Słowa kluczowe ang.: Covolutional Restricted Boltzmann Machine ; deep neural network ; pre-training ; restricted Boltzmann Machine Uwaga: Kopia dostępna w Sekcji Bibliometrii. Streszczenie: The paper is devoted to studying the issues of pre-training of deep neural network models. A generalized approach for pre-training deep models is proposed, which allows achieving better performance in final accuracy and can be used when training on small datasets. The effectiveness of the proposed approach is demonstrated on examples of training deep neural slaccifiers models using the MNIST and CIFAR-10 datasets. The obtained results can be used to train fully connected and convolutional types of layers.
5/20
Nr opisu: 0000045142 Autorzy: Vladimir Golovko, Marta Chodyka, Piotr Lichograj, Konrad Grzegórski. Tytuł pracy: Zastosowania i nowe rozwiązania dla głębokich sieci neuronowych Tytuł całości: W: Rozwiązania technologiczne XXI wieku - skutki i perspektywy rozwoju, T. 3 / red. Alicja Danielewska, Kamila Maciąg Miejsce wydania: Lublin Wydawca: Wydawnictwo Naukowe TYGIEL Rok wydania: 2023 Strony zajęte przez pracę: S. 124-133 ISBN: 978-83-67104-75-3 Charakterystyka formalna: rozdział w monografii polskiej Charakterystyka wg MNiSW: rozdział w monografii z wykazu MEiN Język publikacji: POL Słowa kluczowe: głębokie sieci neuronowe ; głębokie uczenie ; masyzna Boltzmanna ; sieci neuronowe https://bc.wydawnictwo-tygiel.pl/publikacja/228628E6-7E08-9B01-BDC8-21120829C046 Streszczenie: W ciągu ostatniej dekady głębokie sieci neuronowe stały się rewolucyjną techniką w dziedzinie sztucznej inteligencji i uczenia maszynowego. W ogólnym przypadku głęboka sieć neuronowa składa się z wielu warstw jednostek neuronowych i może realizować głęboką hierarchiczną reprezentację swoich danych wejściowych. Pierwsza warstwa wyodrębnia funkcje niskiego poziomu; druga warstwa wykrywa cechy wyższego poziomu, w wyniku czego głęboka sieć neuronowa dokonuje głębokiej nieliniowej transformacji danych wejściowych na bardziej abstrakcyjny poziom reprezentacji. Ten artykuł zawiera przegląd głębokich sieci neuronowych i głębokiego uczenia. Omówiono różne techniki głębokiego uczenia się obecnie znane i nowe trendy w tym zakresie.
7/20
Nr opisu: 0000044271 Autorzy: Aliaksandr Kroshchanka, Vladimir Golovko, Egor Mikhno, Mikhail Kovalev, Vadim Zahariev, Aleksandr Zagorskij. Tytuł pracy: A Neural-Symbolic Approach to Computer Vision Tytuł całości: W: Open Semantic Technologies for Intelligent Systems : 11th International Conference, OSTIS 2021, Minsk, Belarus, September 16-18, 2021. Revised Selected Papers / eds. Vladimir Golenkov, Viktor Krasnoproshin, Vladimir Golovko, Daniil Shunkevich Miejsce wydania: Cham Wydawca: Springer Rok wydania: 2022 Seria: Communications in Computer and Information Science, 1865-0929, Vol. 1625 Strony zajęte przez pracę: P. 282-309 ISBN: 978-3-031-15881-0 Charakterystyka formalna: rozdział w monografii zagranicznej Charakterystyka merytoryczna: konferencja naukowa międzynarodowa Charakterystyka wg MNiSW: rozdział w monografii z wykazu MEiN Język publikacji: ENG Słowa kluczowe ang.: artificial neural networks ; computer vision ; knowledge base ; logical inference ; neurosymbolic AI Uwaga: Kopia dostępna w Sekcji Bibliometrii. DOI: 10.1007/978-3-031-15882-7_15
8/20
Nr opisu: 0000045143 Autorzy: Marta Chodyka, Vladimir Golovko, Piotr Lichograj, Magda Konieczna. Charakterystyka formalna: udział w konferencji naukowej Uwaga: ID rozdziału 45141, 45142
9/20
Nr opisu: 0000044801 Autorzy: Tomasz Marek Grudniewski, Marta Chodyka, Piotr Lichograj, Vladimir Golovko. Tytuł pracy: Kontrolowane zaburzenia topografii warstw otrzymywanych w procesie sputteringu magnetronowego jako metoda prowadząca do zwiększenia powierzchni czynnej ogniwa PV Tytuł równoległy: Controlled disturbance of the topography of the layers obtained by magnetron sputtering as a method leading to an increase in the active surface area of the PV cell Tytuł całości: W: Rozwiązania technologiczne XXI wieku - skutki i perspektywy rozwoju, T. 1 / red. Kamil Maciąg, Joanna Kozłowska Miejsce wydania: Lublin Wydawca: Wydawnictwo Naukowe TYGIEL Rok wydania: 2022 Strony zajęte przez pracę: S. 128-137 ISBN: 978-83-67104-63-0 Charakterystyka formalna: rozdział w monografii polskiej Charakterystyka wg MNiSW: rozdział w monografii z wykazu MEiN Język publikacji: POL Słowa kluczowe: ogniwa fotowoltaiczne ; magnetron ; sputtering Słowa kluczowe ang.: magnetron ; photovoltaic cells ; sputtering https://bc.wydawnictwo-tygiel.pl/publikacja/95EAA37F-3A08-64E9-8774-2C680D344A1D
10/20
Nr opisu: 0000043855 Autorzy: A.A. Kroshchanka, Vladimir Golovko, Marta Chodyka. Tytuł pracy: Method for Reducing Neural-Network Models of Computer Vision Tytuł czasopisma: Szczegóły: 2022, Vol. 32, issue 2, p. 294--300 p-ISSN: 1054-6618 e-ISSN: 1555-6212 Charakterystyka formalna: artykuł w czasopiśmie zagranicznym Charakterystyka merytoryczna: artykuł oryginalny naukowy Charakterystyka wg MNiSW: artykuł w czasopiśmie z IF (wykaz MEiN) Język publikacji: ENG Wskaźnik Impact Factor ISI: 1.000 Punktacja ministerstwa: 40.000 Słowa kluczowe ang.: computer vision ; deep neural networks ; neural networks ; parameters ; pretraining ; reduction https://link.springer.com/article/10.1134/S1054661822020146 DOI: 10.1134/S1054661822020146 Streszczenie: This article proposes an approach to reducing fully connected neural networks using classical and modified pretraining of deep neural networks. The authors have demonstrated that this approach can significantly reduce the number of parameters of the trained neural network with little or no reduction in the generalizing ability. The capabilities of the proposed method are demonstrated on classical computer vision datasets.
11/20
Nr opisu: 0000044270 Autorzy: Vladimir Golenkov, Victor Krasnoproshin, Vladimir Golovko, Daniil Shunkevich. Tytuł monografii: Open Semantic Technologies for Intelligent Systems : 11th International Conference, OSTIS 2021, Minsk, Belarus, September 16-18, 2021. Revised Selected Papers / eds. Vladimir Golenkov, Viktor Krasnoproshin, Vladimir Golovko, Daniil Shunkevich Miejsce wydania: Cham Wydawca: Springer Rok wydania: 2022 Strony: XII, 391 p., il. Seria: Communications in Computer and Information Science, 1865-0929, Vol. 1625 ISBN: 978-3-031-15882-7 Język publikacji: ENG Punktacja ministerstwa: 80.000 Index Copernicus: 20.000 Uwaga: Publikacja źródłowa nienależąca do bibliografii ABNS.
12/20
Nr opisu: 0000041410 Autorzy: Vladimir Golovko, Alexander Kroshchanka, Egor Mikhno, Myroslav Komar, Anatoliy Sachenko. Tytuł pracy: Deep Convolutional Neural Network for Detection of Solar Panels Tytuł całości: W: Data-Centric Business and Applications : ICT Systems-Theory, Radio-Electronics, Information Technologies and Cybersecurity, Vol. 5 / editors Tamara Radivilova, Dmytro Ageyev, Natalia Kryvinska Miejsce wydania: Cham Wydawca: Springer Rok wydania: 2021 Seria: Lecture Notes on Data Engineering and Communications Technologies, 2367-4512, Vol. 48 Strony zajęte przez pracę: P. 371-389 ISBN: 978-3-030-43069-6 Kopia niedostępna: x Charakterystyka formalna: rozdział w monografii zagranicznej Charakterystyka wg MNiSW: rozdział w monografii z wykazu MEiN Język publikacji: ENG Słowa kluczowe ang.: convolutional neural network ; deep learning ; detection ; determining the presence ; images ; low-resolution photos ; photovoltaic ; solar panel
13/20
Nr opisu: 0000044457 Autorzy: Aliaksandr Kroshchanka, Vladimir Golovko. Tytuł pracy: The Reduction of Fully Connected Neural Network Parameters Using the Pre-training Technique Tytuł całości: W: IDAACS'2021 : proceedings of the 11th IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications (IDAACS), September 22-25, 2021, Cracow, Poland, Vol. 2 Miejsce wydania: [Piscataway] Wydawca: Institute of Electrical and Electronics Engineers (IEEE) Rok wydania: 2021 Seria: Proceedings of the IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems, 2770-4254 Strony zajęte przez pracę: P. 937-941 ISBN: 978-1-6654-2605-3 Charakterystyka formalna: rozdział w monografii zagranicznej Charakterystyka merytoryczna: konferencja naukowa międzynarodowa Charakterystyka wg MNiSW: rozdział w monografii z wykazu MEiN Język publikacji: ENG Słowa kluczowe ang.: computer vision ; deep neural networks ; pre-training ; reduction neural network parameters ; restricted Boltzmann Machine Uwaga: Kopia dostępna w Sekcji Bibliometrii. Inne bazy podające opis:
Scopus
WoS
DOI: 10.1109/IDAACS53288.2021.9661015 Streszczenie: This paper proposes an approach to the parameters reduction of fully connected neural networks using the conventional method of pre-training deep neural networks. It is shown that this approach makes it possible to reduce the number of trainable parameters without significant loss the generalization ability. The capabilities of the proposed technique are demonstrated using the standard dataset of handwritten digits MNIST.
14/20
Nr opisu: 0000041412 Autorzy: Vladimir Golovko, Alexander Kroshchanka, Myroslav Komar, Anatoliy Sachenko. Tytuł pracy: Neural Network Approach for Semantic Coding of Words Tytuł całości: W: Lecture Notes in Computational Intelligence and Decision Making : Proceedings of the XV International Scientific Conference "Intellectual Systems of Decision Making and Problems of Computational Intelligence" (ISDMCI'2019), Ukraine, May 21-25, 2019 / editors Volodymyr Lytvynenko, Sergii Babichev, Waldemar Wójcik, Olena Vynokurova, Svetlana Vyshemyrskaya, Svetlana Radetskaya Miejsce wydania: Cham Wydawca: Springer Rok wydania: 2020 Seria: Advances in Intelligent Systems and Computing, 2194-5357, no. 1020 Strony zajęte przez pracę: P. 647-658 ISBN: 978-3-030-26473-4 Kopia niedostępna: x Charakterystyka formalna: rozdział w monografii zagranicznej Charakterystyka wg MNiSW: rozdział w monografii z wykazu MEiN Język publikacji: ENG Słowa kluczowe ang.: neural network ; search system ; semanting coding ; training set ; Word2vec method
15/20
Nr opisu: 0000041414 Autorzy: Vladimir Golovko, Aliaksandr Kroshchanka, Mikhail Kovalev, Valery Taberko, Dzmitry Ivaniuk. Tytuł pracy: Neuro-Symbolic Artificial Intelligence: Application for Control the Quality of Product Labeling Tytuł całości: W: Open Semantic Technologies for Intelligent System : 10th International Conference, OSTIS 2020, Minsk, Belarus, February 19-22, 2020 : Revised Selected Papers / editors Vladimir Golenkov, Victor Krasnoproshin, Vladimir Golovko, Elias Azarov Miejsce wydania: Cham Wydawca: Springer Rok wydania: 2020 Seria: Communications in Computer and Information Science, 1865-0929, Vol. 1282 Strony zajęte przez pracę: P. 81-101 ISBN: 978-3-030-60446-2 Kopia niedostępna: x Charakterystyka formalna: rozdział w monografii zagranicznej Charakterystyka wg MNiSW: rozdział w monografii z wykazu MEiN Język publikacji: ENG Słowa kluczowe ang.: deep neural networks ; IDSS ; inference ; integration ; knowledge base ; neuro-symbolic ; object detection
16/20
Nr opisu: 0000041413 Autorzy: Vladimir Golenkov, Victor Krasnoproshin, Vladimir Golovko, Elias Azarov. Tytuł monografii: Open Semantic Technologies for Intelligent System : 10th International Conference, OSTIS 2020, Minsk, Belarus, February 19-22, 2020 : Revised Selected Papers / editors Vladimir Golenkov, Victor Krasnoproshin, Vladimir Golovko, Elias Azarov Miejsce wydania: Cham Wydawca: Springer Rok wydania: 2020 Strony: X, 261 p., il., 24 cm Seria: Communications in Computer and Information Science, 1865-0929, Vol. 1282 ISBN: 978-3-030-60446-2 Język publikacji: ENG Punktacja ministerstwa: 80.000 Index Copernicus: 20.000 Uwaga: Pozycja źródłowa nienależąca do bibliografii PSW.
17/20
Nr opisu: 0000042333 Autorzy: Sergei Bezobrazov, Andrei Sheleh, Sergei Kislyuk, Vladimir Golovko, Anatoliy Sachenko, Myroslav Komar, Vitaliy Dorosh, Volodymyr Turchenko. Tytuł pracy: Artificial Intelligence for Sport Activity Recognition Tytuł całości: W: IDAACS'2019 : Proceedings of the 2019 10th IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems : Technology and Applications,, Vol. 2 Miejsce wydania: [Piscataway] Wydawca: Institute of Electrical and Electronics Engineers Inc. Rok wydania: 2019 Strony zajęte przez pracę: S. 628-632 ISBN: 978-1-7281-4068-1 Charakterystyka formalna: rozdział w monografii zagranicznej Charakterystyka merytoryczna: konferencja naukowa międzynarodowa Charakterystyka wg MNiSW: rozdział w monografii z wykazu MEiN Język publikacji: ENG Słowa kluczowe ang.: artificial intelligence ; artificial neural networks ; gesture recognition ; sport activity recognition ; time series processing Uwaga: Kopia dostępna w Sekcji Bibliometrii. Inne bazy podające opis:
Scopus
WoS
DOI: 10.1109/IDAACS.2019.8924243 Streszczenie: This paper presents and explains an implementation of an Artificial Neural Network approach for sport activities (gestures) detection and recognition using PIQ ROBOT device. Tennis was chosen as an example of sports activities. The development of artificial intelligence has given rise to gesture-recognition-based devices. The global gesture recognition market size was valued at USD 6.22 billion in 2017 and it is likely to reach USD 30.6 billion by 2025. This paper starts our ambitious research in the area of artificial neural networks for activity recognition in the sport.
18/20
Nr opisu: 0000042332 Autorzy: Vladimir Golovko, Aliaksandr Kroshchanka, Egor Mikhno, Myroslav Komar, Anatoliy Sachenko, Sergei Bezobrazov, Inna Shylinska. Tytuł pracy: Deep Convolutional Neural Network for Recognizing the Images of Text Documents Tytuł całości: W: Modern Machine Learning Technologies and Data Science Workshop : Workshop Proceeding of the 8th International Conference on "Mathematics. Information Technologies. Education", MomLeT&DS Workshop 2019 / ed. by Michael Emmerich, Vasyl Lytvyn, Iryna Yevseyeva, Vitor Basto-Fernandes, Dmytro Dosyn, Victoria Vysotska Miejsce wydania: Ukraine Wydawca: Rok wydania: 2019 Seria: CEUR Workshop Proceedings, ISSN 1613-0073, Vol. 2386 Strony zajęte przez pracę: S. 297-306 Charakterystyka formalna: referat w materiałach pokonferencyjnych zagranicznych Charakterystyka merytoryczna: konferencja naukowa międzynarodowa Język publikacji: ENG Słowa kluczowe ang.: object detection ; deep convolutional neural network ; labeling images ; image preprocessing ; text image Inne bazy podające opis:
WoS
Scopus
19/20
Nr opisu: 0000042337 Autorzy: Vladimir Golovko, Alexander Kroshchanka, Sergei Bezobrazov, Anatoliy Sachenko, Myroslav Komar, Oleksandr Novosad. Tytuł pracy: Development of Solar Panels Detector Tytuł całości: W: Problems of Infocommunications Science and Technology (PIC S&T' 2018) : Conference Proceedings 2018 International Scientific-Practical Conference Miejsce wydania: Kharkiv Wydawca: Institute of Electrical and Electronics Engineers (IEEE) Rok wydania: 2018 ISBN: S. 761-764 Kopia niedostępna: x Charakterystyka formalna: referat w materiałach pokonferencyjnych zagranicznych Charakterystyka merytoryczna: konferencja naukowa międzynarodowa Charakterystyka wg MNiSW: publikacja w recenzowanych mat. konf. międzynar. uwzględnionej w WoS Język publikacji: ENG Punktacja ministerstwa: 15.000 Słowa kluczowe ang.: artificial intelligence ; computer vision ; convolutional neural network ; energy production ; geospatial data ; power capacity ; satellite photos ; solar panels detection Inne bazy podające opis:
Scopus
WoS
DOI: 10.1109/INFOCOMMST.2018.8632132 Streszczenie: The paper describes the method of detection of roof-installed solar photovoltaic panels in low-quality satellite photos. It is important to receive the geospatial data (such as country, zip code, street and home number) of installed solar panels, because they are connected directly to the local power. It will be helpful to estimate a power capacity and an energy production using the satellite photos. For this purpose, a Convolutional Neural Network was used. For training and testing dataset consists of low-quality Google satellite images was used. The experimental results show a high rate accuracy of detection with low rate incorrect classifications of the proposed approach. The proposed approach has enormous implementation and can be improved in future.
20/20
Nr opisu: 0000042338 Autorzy: M.P. Komar, Vladimir Golovko, A.A. Sačenko, C.V. Bezobrazov, V.V. Kočan. Tytuł monografii: Iskusstvennye nejronnyje seti i iskusstvennye immunyje sistemy dlâ obnaruženiâ vtorženij Miejsce wydania: Ternopol' Wydawca: TNÈu Rok wydania: 2018 Strony: 192 s. ISBN: 978-966-654-527-8 Kopia niedostępna: x Charakterystyka formalna: monografia zagraniczna (autor) Charakterystyka wg MNiSW: autorstwo monografii spoza wykazu MEiN Język publikacji: RUS Punktacja ministerstwa: 20.000 Liczba arkuszy: 11,2 Słowa kluczowe: system wykrywania włamań ; sztuczna inteligencja ; sztuczne sieci neuronowe