Przejdź do treści głównej

Katedra Sztucznej Inteligencji

Badania Zespół Grupy badawcze Publikacje Projekty Studia

PL|EN

Badania Zespół Grupy badawcze Publikacje Projekty Studia

Ładowanie

Katedra Sztucznej Inteligencji

Katedra Sztucznej Inteligencji · Politechnika Wrocławska. Wybrzeże Wyspiańskiego 27, Wrocław.

ai@pwr.edu.pl +48 71 320 2454

Obserwuj nas

Facebook
X
LinkedIn
TikTok
YouTube

Badania

Grupy badawcze
Projekty
Publikacje

Na stronie

Zespół
Wydarzenia
Studia

Kontakt

Mapa
Kontakt
Prywatność i pliki cookie
pwr.edu.pl

© 2026 Politechnika Wrocławska

Przekaż opinię

Powiedz nam, co działa, czego brakuje lub co warto poprawić.

Website

Kategoria

Wiadomość

E-mail (opcjonalnie)

Dołącz zrzut ekranu tej strony

Podgląd pokazuje dokładnie to, co zostanie dołączone. Wyłącz tę opcję, jeśli strona zawiera informacje, których nie chcesz udostępniać.

Podgląd niedostępny

Automatycznie wysyłamy: adres strony, język, przeglądarkę i rozmiar ekranu, wersję serwisu oraz ostatnie błędy konsoli. Zrzut ekranu jest wysyłany tylko po zaznaczeniu opcji powyżej.

PL|EN

Profil

Urszula Markowska-Kaczmar

Profesor zwyczajny

Urszula Markowska-Kaczmar

Urszula.Markowska-Kaczmar@pwr.edu.pl

Grupy badawcze

Biomedical.aiKierownik grupy

Wykształcenie

1976

magister informatyki

Politechnika Wrocławska

1980

doktor informatyki, sztuczna inteligencja

Politechnika Wrocławska

2008

doktor habilitowany w dyscyplinie informatyka

Instytut Badań Systemowych Polskiej Akademii Nauk

2021

profesor w dyscyplinie informatyka techniczna i telekomunikacja

Politechnika Wrocławska

Publikacje(151)

MAGGNet: guided volumetric metal artefact synthesis for computed tomography scans

Jakub Drzewiecki, Igor Hołowacz, Bartosz Lewandowski, Filip Fit, Urszula Markowska-Kaczmar

Cham : Springer Nature Switzerland AG, cop. 2026. s. 346-353.

2026

Harnessing Few-Shot Learning Segmentation for Histopathology: A Comprehensive Practical Study

Joanna I. Szołomicka, Urszula Markowska-Kaczmar

Intelligent systems reference library

2026

Exploring action selection methods in user-driven image generation

Daniil Hardzetski, Urszula Markowska-Kaczmar

Communications in computer and information science

2026

Masticatory organ dysfunction recognition based on multimodal information

Urszula Markowska-Kaczmar, Michał Wawrzyniak, Karol Szymończyk, Joanna I Szołomicka, Jakub Pyka, Karol Kulawiec, Michał Karolewski, Aneta Demidaś

Engineering Applications of Artificial Intelligence 2025 vol. 144, art. 109998, s. 1-20.

2025

Deep learning for cancer cell detection: do we need dedicated models?

Michał P. Karol, Martin Tabakow, Urszula Markowska-Kaczmar, Łukasz Fuławka

Artificial Intelligence Review 2024 vol. 57, art. 53, s. 1-36.

2024

Gradient Overdrive: aviding negative randomness effects in Stochastic Gradient Descent

Urszula Markowska-Kaczmar, Filip Strzałka

Singapore : Springer, cop. 2024. s. 175-186.

2024

Advances in smart healthcare paradigms and applications : outstanding women in healthcare

Halina Kwaśnicka, Urszula Markowska-Kaczmar, Nikhil Jain, Chee Peng Lim, Lakhmi C Jain

Intelligent systems reference library

2023

An overview of few-shot learning methods in analysis of histopathological images

Joanna I. Szołomicka, Urszula Markowska-Kaczmar

Intelligent Systems Reference Library

2023

Semi‑supervised classifier guided by discriminator

Sebastian Jamroziński, Urszula Markowska-Kaczmar

Scientific Reports 2022 vol. 12, art. 14665, s. 1-17.

2022

Extreme learning machine versus classical feedforward network

Urszula Markowska-Kaczmar, Michał Kosturek

Neural Computing and Applications

2021

Capsule network versus convolutional neural network in image classification

Ewa Juralewicz, Urszula Markowska-Kaczmar

Lecture notes in computer science

2021

Utterance style transfer using deep models

Daniel Popek, Urszula Markowska-Kaczmar

Procedia Computer Science

2021

Creating herd behavior by virtual agents using neural networks

Urszula Markowska-Kaczmar, Adrian Ślimak

Procedia Computer Science

2021

Interpreting neural networks prediction for a single instance via random forest feature contributions

Urszula Markowska-Kaczmar, Anna Palczewska

Lecture notes in computer science

2021

Human flow recognition using deep learning and image processing methods

Mateusz Zimoch, Urszula Markowska-Kaczmar

Engineering Applications of Artificial Intelligence

2021

3D robotic navigation using a vision-based deep reinforcement learning model

Piotr Zieliński, Urszula Markowska-Kaczmar

Applied Soft Computing

2021

Inference ability assessment of modified Differential Neural Computer

Urszula Markowska-Kaczmar, Grzegorz Kułakowski

Lecture notes in computer science

2020

Markov network versus recurrent neural network in forming herd behavior based on sight and simple sound communication

Urszula Markowska-Kaczmar, Tomasz Marcinkowski

Applied Soft Computing

2020

Computational methods for resting-state EEG of patients with disorders of consciousness

Urszula Markowska-Kaczmar, Silvia Corchs, Giovanni Chioma, Riccardo Dondi, Francesca Gasparini, Sara Manzoni, Giancarlo Mauri, Italo Zoppis, Angela Morreale

Frontiers in Neuroscience 2019 vol. 13, art. 807, s. 1-7.

2019

Deep learning - a new era in bridging the semantic gap

Urszula Markowska-Kaczmar, Halina Kwaśnicka

Intelligent Systems Reference Library

2018

Wyświetlono 20 z 151