mgr Krystyna Kiersztyn

Wydział Nauk Przyrodniczych i Technicznych - Instytut Matematyki, Informatyki i Architektury Krajobrazu
Katedra Modelowania Matematycznego

Stanowisko: Asystent


2022


Artykuł naukowy w czasopiśmie recenzowany

  • The use of information granules to detect anomalies in spatial behavior of animals
    [Wykorzystanie ziaren informacji do wykrywania anomalii w zachowaniu przestrzennym zwierząt]
    [w:] ECOLOGICAL INDICATORS

Artykuł naukowy w wydawnictwie zbiorowym recenzowany

  • Fuzzy Rule-based Outlier Detector
    [Detektor wartości odstających oparty na regułach rozmytych]
  • Fuzzy Modification of Analytic Hierarchy Process Using GUI Tools
    [Rozmyta modyfikacja AHP za pomocą narzędzi GUI]
  • Analysis of the Homozygosity of Microsatellite Markers by Using Fuzzy Sets
    [Analiza homozygotyczności markerów mikrosatelitarnych z wykorzystaniem zbiorów rozmytych]

2021


Artykuł naukowy w czasopiśmie recenzowany

  • Intuitively Adaptable Outlier Detector
    [w:] Statistical Analysis and Data Mining
  • Detection and Classification of Anomalies in Large Data Sets on the Basis of Information Granules
    [Wykrywanie i klasyfikacja anomalii w dużych zbiorach danych z wykorzystaniem ziaren informacji]
    [w:] IEEE TRANSACTIONS ON FUZZY SYSTEMS

Artykuł naukowy w wydawnictwie zbiorowym recenzowany

  • Classification of Complex Ecological Objects with the Use of Information Granules
  • The Concept of Granular Representation of the Information Potential of Variables
  • A Comprehensive Analysis of the Impact of Selecting the Training Set Elements on the Correctness of Classification for Highly Variable Ecological Data

2020

  • The Concept of Detecting and Classifying Anomalies in Large Data Sets on a Basis of Information Granules
    [Koncepcja wykrywania i klasyfikowania anomalii w dużych zbiorach danych w oparciu o ziarna informacji]

  • Prezentacja na konferencji międzynarodowej

    • The Concept of Detecting and Classifying Anomalies in Large Data Sets on a Basis of Information Granules
      [Koncepcja wykrywania i klasyfikowania anomalii w dużych zbiorach danych w oparciu o granulki informacji]