A A+ A++
contrast mute
Godło Polski
Politechnika Śląska
Wyszukaj
A A+ A++
Department of Cybernetics, Nanotechnology and Data Processing

Department of Cybernetics, Nanotechnology and Data Processing

Our research areas include Cybernetics, Nanotechnology and Data Processing. The following is a list of major publications by our department members.

Monographs, monograph and book editing, chapters in monographs:

  1. E. Czogała, E. Straszecka, T. Sadowski, Przetwarzanie wiedzy biomedycznej w warun-kach nieprecyzyjnej informacji. W: M. Nałęcz (red.), Biocybernetyka i Inżynieria Biomedyczna, Stan Badań w Polsce, Warszawa, 1994, 810 816.
  2. E.Czogała, J.Łęski, ,,Fuzzy implications in approximate reasoning”, in: L.Zadeh, A.Kacprzyk (Eds.), ,,Computing with words in information/intelligent systems. Vol.I: Foundations”, Physica-Verlag, Springer-Verlag Com., Heidelberg, New York, 1999, pp.342–357.
  3. J.Łęski, E.Czogała, ,,A new fuzzy inference system based on artificial neural network and its application”, in: L.Zadeh, A.Kacprzyk (Eds.), ,,Computing with words in information/intelligent systems. Vol.II: Applications”, Physica-Verlag, Springer-Verlag Com., Heidelberg, New York, 1999, pp.75–94.
  4. E.Czogała, J.Łęski, ,,Fuzzy and neuro-fuzzy intelligent systems”, Physica-Verlag, Springer-Verlag Com., Heidelberg, New York, 2000.
  5. E.Czogała, J.Łęski, ,,Entropy and energy measures of fuzziness in ECG signal processing”, in: P.S.Szczepaniak, P.J.G.Lisboa, J.Kacprzyk (Eds.), ,,Fuzzy systems in medicine”, Physica-Verlag, Springer-Verlag Com., Heidelberg, New York, 2000, pp.227–245.
  6. J.Łęski, E.Czogała, ,,A neuro-fuzzy inference system optimized by deterministic annealing”, in: R.Hampel, M.Wagenknecht, N.Chaker (Eds.), ,,Fuzzy control — theory and practice”, Physica-Verlag, Springer-Verlag Com., Heidelberg, New York, 2000, pp.287–293.
  7. E.Czogała, N.Henzel, J.Łęski, ,,The equality of inference results using fuzzy implication and conjunctive interpretations of the if-then rules under defuzzification”, in: R.Hampel, M.Wagenknecht, N.Chaker (Eds.), ,,Fuzzy control — theory and practice”, Physica-Verlag, Springer-Verlag Com., Heidelberg, New York, 2000, pp.98–108.
  8. E. Straszecka, Defining membership functions of fuzzy sets in medical decision support. W: P.S. Szczepaniak, P.J.G. Lisboa, J.Kacprzyk (red.), Fuzzy Systems in Medicine, Physica-Verlag, Springer Verlag Company, Heidelberg, New York, 2000, 32 47.
  9. J.Łęski, N.Henzel, ,,A neuro-fuzzy system based on logical interpretation of if-then rules”, in: M. Russo, L.C. Jain (Eds.), ,,Fuzzy learning and applications,” CRC Press, New York, 2001, pp.359–388.
  10. J.Chojcan, J.Łęski (Eds.), ,,Zbiory rozmyte i ich zastosowania”, Wydawnictwo Politechniki Śląskiej, Gliwice, 2001.
  11. J.Łęski, ,,Zbiory rozmyte i ich interpretacja. Wprowadzenie do teorii możliwości” W: J.Chojcan, J.Łęski (Eds.), ,,Zbiory rozmyte i ich zastosowania”, Wydawnictwa Politechniki Śląskiej, Gliwice, 2001, ss.151–170.
  12. J.Łęski, ,,Ordered weighted generalized conditional possibilistic clustering” W: J.Chojcan, J.Łęski (Eds.), ,,Zbiory rozmyte i ich zastosowania”, Wydawnictwa Politechniki Śląskiej, Gliwice, 2001, ss.469–479.
  13. E. Straszecka, Zastosowanie norm i konorm trójkątnych w teorii zbiorów rozmytych. W: J. Chojcan, J. Łęski (red.), Zbiory rozmyte i ich zastosowania, Wydawnictwo Politechniki Śląskiej, Gliwice 2001, 93 102.
  14. E. Straszecka, Możliwości wspomagania decyzji w medycynie z zastosowaniem teorii Dempstera-Shafera i zbiorów rozmytych. W: M. Nałęcz, E. Kącki, J. L. Kulikowski, A. Nowakowski, E. Waniewski (red.), Biocybernetyka i Inżynieria Biomedyczna, tom 7: Systemy komputerowe i teleinformatyczne w służbie zdrowia, Akademicka Oficyna Wydawnicza EXIT, Warszawa, 2002, 269 287.
  15. J.Łęski, E.Straszecka, ,,Zbiory rozmyte i ich zastosowanie w diagnostyce medycznej”. W: R.Zajdel, E.Kącki, P.S.Szczepaniak, M.Kurzyński (Eds.), ,,Kompendium Informatyki Medycznej”, α-medica Press, 2003, pp.334-364.
  16. J.Łęski, ,,Systemy neronowo-rozmyte”, WNT Warszawa 2008.
  17. M.Kotas, Nonlinear Projective Filtering of ECG Signals, in: Biomedical Engineering, Edited by: Carlos Alexandre Barros de Mello, In-Tech, Croatia 2009, pp. 433-452.
  18. E.Straszecka, Measures of uncertainty and imprecision in medical diagnosis support, Wydawnictwo Politechniki Śląskiej, Gliwice 2010.
  19. M.Kotas, Nieliniowa filtracja projekcyjna sygnałów elektrokardiograficznych, Wydawnictwo Politechniki Śląskiej, Gliwice, 2011.
  20. Jeżewski M., Porębski S., Czabański R., Straszecka E., Łęski J., "Rozmyte reguły warunkowe i metody inteligencji obliczeniowej we wspomaganiu diagnozy medycznej", Informatyka w medycynie (seria Inżynieria Biomedyczna, Podstawy i Zastosowania; t. 7). Red. M. Kurzyński, L. Bobrowski, A. Nowakowski, J. Rumiński. Warszawa, Akademicka Oficyna Wydaw. EXIT, 2019, s. 389-408.
  21. Czabański R., Jeżewski M., Łęski J., "Introduction to fuzzy systems, in: Theory and applications of ordered fuzzy numbers", A tribute to Professor Witold Kosiński. Eds. Piotr Prokopowicz, Jacek Czerniak, Dariusz Mikołajewski, Łukasz Apiecionek, Dominik Ślęzak. Cham: Springer, 2017, Studies in Fuzziness and Soft Computing, 356, pp. 23-43.
  22. Jeżewski M., Czabański R., Łęski J., "Introduction to fuzzy sets", in: Theory and applications of ordered fuzzy numbers. A tribute to Professor Witold Kosiński. Eds. Piotr Prokopowicz, Jacek Czerniak, Dariusz Mikołajewski, Łukasz Apiecionek, Dominik Ślęzak. Cham: Springer, 2017, Studies in Fuzziness and Soft Computing, 356, pp. 3-22.

Original papers in journals from Journal Citation Reports:

  1. E.Czogała, J.Łęski, ,,Application of entropy and energy measure of fuzziness to processing of ECG signal”, Fuzzy Sets and Systems, Vol.97, No.1, 1998, pp.9–18.
  2. J.Łęski, E.Czogała, ,,A new artificial neural network based fuzzy inference system with moving consequents in if-then rules and its applications”, Fuzzy Sets and Systems, Vol.108, No.3, 1999, pp.289–297.
  3. N.Henzel, J.Łęski, ,,Computationally efficient method for HRV signal extraction”, Medical & Biological Engineering & Computing, Vol.37, Supl.2, 1999, pp.498–499.
  4. E.Czogała, J.Łęski, ,,On equivalence of approximate reasoning results using different interpretations of fuzzy if-then rules”, Fuzzy Sets and Systems, Vol.117, No.2, 2001, pp.279–296.
  5. J.Łęski, ,,Robust signal averaging”, IEEE Trans. Biomed. Eng., Vol.49, No.8, 2002, pp.796–804.
  6. M.Bałaziński, E.Czogała, K.Jemialniak, J.Łęski, ,,Tool condition monitoring using artificial intelligence methods”, Engineering Applications of Artificial Intelligence, Vol.15, 2002, pp.73–80.
  7. R. Czabański, Context evaluation for fuzzy conditional clustering, Bulletin of Polish Academy of Science, Technical Sciences, 2002, vol. 50, No. 1, pp. 71-78.
  8. J.Łęski, ,,Towards a robust fuzzy clustering”, Fuzzy Sets and Systems, Vol.137, No.2, 2003, pp.215–233.
  9. J. Łęski, ,,Ho-Kashyap classifier with generalization control”, Pattern Recognition Letters, Vol.24, 2003, pp.2281–2290.
  10. J.Łęski, ,,Neuro-fuzzy system with learning tolerant to imprecision” Fuzzy Sets and Systems, Vol. 138, No.2, 2003, pp. 427–439.
  11. J.Łęski, ,,Generalized weighted conditional fuzzy clustering”, IEEE Trans. Fuzzy Systems, Vol.11, No.6, 2003, pp.709–715.
  12. J.Łęski, ,,Fuzzy c-varieties/elliptotypes clustering in reproducing kernel Hilbert space” Fuzzy Sets and Systems, Vol. 141, No.2, 2004, pp. 259–280.
  13. J.Łęski, ,,ε-insensitive fuzzy c-regression models: Introduction to ε-insensitive fuzzy modeling”, IEEE Trans. Systems, Man and Cybernetics – Part B: Cybernetics, Vol.34, No.1, 2004, pp.4–15.
  14. J.Łęski, ,,An ε-margin Nonlinear Classifier based on if-then rules”, IEEE Trans. Systems, Man and Cybernetics – Part B: Cybernetics, Vol.34, No.1, 2004, pp.68–76.
  15. J.Łęski, A. Gacek, ,,Computationally Effective Algorithm to Robust Weighted Averaging”, IEEE Trans. Biomed. Eng., Vol.51, No.7, 2004, pp.1280–1284.
  16. Kotas M., Projective filtering of time-aligned ECG beats, IEEE Trans. on Biomedical Engineering, 51(7), 2004, pp. 1129-1139.
  17. J.Łęski, N.Henzel, ,,ECG baseline wander and powerline interference reduction using nonlinear filter bank”, Signal Processing, Vol.85, 2005, pp.781–793.
  18. J.Łęski, ,,TSK-fuzzy modeling based on ε-insensitive Learning”, IEEE Trans. Fuzzy Systems, Vol.13, No.2, 2005, pp.181–193.
  19. J.Łęski, A.Owczarek, ,,A time-domain-constrained fuzzy clustering method and its application to signal analysis”, Fuzzy Sets and Systems, Vol. 155, No.2, 2005, pp. 165–190.
  20. J.Łęski, ,,On support vector regression machines with linguistic interpretation of the kernel matrix” Fuzzy Sets and Systems, Vol. 157, No.3, 2006, pp. 1092–1113.
  21. Kotas M., Application of projection pursuit based robust principal component analysis to ECG enhancement, Biomedical Signal Processing and Control, 1(4), 2006, pp. 289-298.
  22. Kotas M., Projective filtering of time-aligned ECG beats for repolarization duration measurement, Computer Methods and Programs in Biomedicine, 85(2), 2007, pp.115-123.
  23. Kotas M., Projective filtering of time-aligned beats for foetal ECG extraction, Bulletin of the Polish Academy of Sciences: Technical Sciences, 55(4), 2007, pp. 331-339.
  24. Kotas M., Projective filtering of time warped ECG beats, Computers in Biology and Medicine, 38(1), 2008, pp. 127-137.
  25. Kotas M., Robust projective filtering of time-warped ECG beats, Computer Methods and Programs in Biomedicine, 92(2), 2008, pp. 161-172.
  26. Kotas M., Jeżewski J., Matonia A., Kupka T., Towards noise immune detection of fetal QRS complexes, Computer Methods and Programs in Biomedicine, 97(3), 2010, pp. 241-256.
  27. J. Łęski, ,,Iteratively reweighted least squares classifier and its l2- and l1-regularized kernel versions”, ”, Bull. Pol. Ac.: Tech. Vol. 58, No. 1, 2010, pp.171-182.
  28. R. Czabański, M. Jeżewski, J. Wróbel, J. Jeżewski: Predicting the risk of low-fetal birth weight from cardiotocographic signals using ANBLIR system with deterministic annealing and e-insensitive learning, IEEE Transactions on Information Technology in Biomedicine, 2010, Vol. 14, No. 4, 1062-1074.
  29. M. Jeżewski, R. Czabański, J. Wróbel, K. Horoba: „Analysis of extracted cardiotocographic signal features to improve automated prediction of fetal outcome”, Biocybernetics and Biomedical Engineering, Vol. 30(4), 2010, 29-47.
  30. Kotas M., Jeżewski J., Horoba K., Matonia A., Application of spatio-temporal filtering to fetal electrocardiogram enhancement, Computer Methods and Programs in Biomedicine, 104(1), 2011, pp. 1-9.
  31. R. Czabański, J. Jeżewski, A. Matonia, M. Jeżewski: ”Computerized Analysis of Fetal Heart Rate Signals as the Predictor of Neonatal Acidemia”, Expert Systems with Applications, 2012, Volume 39, Issue 15, 1 November 2012, pp. 11846–11860.
  32. J. Łęski, N. Henzel, ,,Generalized ordered linear regression with regularization.” Bull. Pol. Ac.: Tech. Vol. 60, No. 3, 2012, pp.481-489.
  33. R. Czabański, J. Jeżewski, J. Wróbel, J. Sikora, M. Jeżewski: Application of fuzzy inference system for classification of fetal heart rate tracings in relation to neonatal outcome, Ginekologia Polska, 2013, Vol. 84(1), 38-43.
  34. R. Czabański, J. Jeżewski, K. Horoba, M. Jeżewski, Fetal state assessment using fuzzy analysis of fetal heart rate signals—Agreement with the neonatal outcome, Biocybernetics and Biomedical Engineering, Vol. 33(3), 2013, 145-155.
  35. T. Pander, R. Czabański, T. Przybyla, D. Pojda-Wilczek, "An automatic saccadic eye movement detection in an optokinetic nystagmus signal", Biomedical Engineering/Biomedizinische Technik, 2014, Vol. 59(6), 529-543.
  36. R. Czabanski, J.Wrobel, J. Jezewski, J. Leski, M. Jezewski: “Efficient evaluation of fetal wellbeing during pregnancy using methods based on statistical learning principles”, Journal of Medical Imaging and Health Informatics, 2015, Vol. 5(6).
  37. M. Jeżewski, R. Czabański, J. Łęski: "An Attempt to Optimize the Cardiotocographic Signal Feature Set for Fetal State Assessment”, Journal of Medical Imaging and Health Informatics, 2015, Vol. 5(6), IF = 0,877, 1364-1373.
  38. M. Jeżewski, R. Czabański, J. Łęski, K. Horoba, "Clustering with pairs of prototypes to support automated assessment of the fetal state", International Journal of Applied Artificial Intelligence, 2016, 30(6), pp. 572-589.
  39. R. Czabański, M. Jeżewski, K. Horoba, J. Jeżewski, J. Łęski, "Fuzzy analysis of delivery outcome attributes for improving the automated fetal state assessment", International Journal of Applied Artificial Intelligence, 2016, 30(6), 556-571.
  40. 6. Jeżewski M., Czabański R., Łęski J., Jeżewski J., "Fuzzy classifier based on clustering with pairs of ε-hyperballs and its application to support fetal state assessment", Expert Systems with Applications, 2019, 118, pp. 109–126.
  41. Łęski J., Czabański R., Jeżewski M., Jeżewski J., Fuzzy ordered c-means clustering and least angle regression for fuzzy rule-based classifier: study for imbalanced data. IEEE Trans. Fuzzy Syst., 2019, s. 1-15.
  42. Czabański R., Horoba K., Wróbel J., Matonia A., Martinek R., Kupka T., Jeżewski M., Kahankova R., Jeżewski J., Łęski J., "Detection of atrial fibrillation episodes in long-term heart rhythm signals using a support vector machine", Sensors, 2020, vol. 20, s. 1-24.

Original papers in other journals:

  1. J.Łęski, ,,Przetwarzanie sygnału EKG za pomocą nowej klasy rekursywnych filtrów cyfrowych”, Zesz. Nauk. Pol. Śl. Z.93, 1989, pp.169–182.
  2. J.Łęski, ,,Detektor zespołu QRS z zakłóconego przebiegu EKG”, Zesz. Nauk. Pol. Śl. Z.93, 1989, pp.183–193.
  3. J.Łęski, Z.Frankiewicz, ,,Nowa metoda uśredniania sygnału w obecności niestacjonarnych zakłóceń”, Pomiary, Automatyka, Kontrola, nr 11, 1989, pp.237–239.
  4. J.Łęski, ,,New concept of signal averaging in time domain”, AMSE Review, AMSE Press, Vol.13, No.3, 1990, pp.49–54.
  5. Z.Frankiewicz, J.Łęski, ,,Metoda detekcji zespołów QRS oraz klasyfikacji skurczów ektopowych w sygnale EKG dla potrzeb komputerowo wspomaganych prób wysiłkowych i monitorowania”, Postępy Fizyki Medycznej, Nr 3–4, 1990, pp.101–107.
  6. J.Łęski, ,,Klasyfikacja zespołów QRS dla potrzeb uśredniania sygnału w dziedzinie czasu”, Zesz. Nauk. Pol. Śl., Z.103, 1991, pp.157–167.
  7. J.Łęski, ,,Precyzyjna lokalizacja zespołów QRS w dziedzinie czasu dla potrzeb uśredniania sygnału EKG”, Zesz. Nauk. Pol. Śl., Z.103, 1991, pp.169–179.
  8. J.Łęski, ,,Klasyfikacja zespołów QRS dla potrzeb uśredniania sygnału EKG w dziedzinie czasu”, Postępy Fizyki Medycznej, Tom 26, Z.3–4, 1991, pp.129–138.
  9. J.Łęski, ,,Detekcja zespołów QRS dla zakłóconych sygnałów EKG”, Postępy Fizyki Medycznej, Tom 26, Z.3–4, 1991, pp.113–128.
  10. Z.Frankiewicz, J.Łęski, ,,Adaptive fiducial point detector for ECG stress testing systems”, International Journal of Bio-Medical Computing, Vol.28, 1991, pp.127–135.
  11. J.Łęski, ,,Zastosowanie nieliniowej filtracji Kalmana do tłumienia zakłóceń sygnału EKG”, Zesz. Nauk. Pol. Śl., Z.103, 1991, pp.181–196.
  12. Z.Czyż, T.Petelenz, J.Łęski, M.Sosnowski, K.Kozakiewicz, Z.Flak, B.Białkowska, ,,Późne potencjały przedsionkowe (ALP) — nowy test diagnostyczny. Zagrożenia napadowym migotaniem przedsionków. Analiza w dziedzinie czasu i częstotliwości”. T.Petelenz (Ed.), ,,Zwężenie lewego ujścia żylnego — ,,stara choroba” a nowoczesna medycyna: 40 lat doświadczeń w leczeniu”. Katowice 1992, pp.25–33. (100% części technicznej pracy)
  13. J.Łęski, ,,Klasa filtrów cyfrowych o prawdziwie liniowej charakterystyce fazowej”, Pomiary, Automatyka, Kontrola, nr 8, 1992, pp.198–201.
  14. J.Łęski, ,,Projektowanie prostych obliczeniowo rekursywnych filtrów cyfrowych”, Pomiary, Automatyka, Kontrola, nr 3, 1993, pp.62–64.
  15. J.Łęski, ,,Klasa cyfrowych filtrów do tłumienia zakłóceń wolnozmiennych sygnałów biologicznych”, Zesz. Nauk. Pol. Śl., Z.108, 1994, pp.49–60.
  16. J.Łęski, ,,Projektowanie periodycznie zmiennych rekursywnych filtrów cyfrowych”, Zesz. Nauk. Pol. Śl., Z.113, 1995, pp.167–182.
  17. J.Łęski, ,,Nowa metoda tłumienia zakłóceń mięśniowych w badaniach wysiłkowych przez uśrednianie w dziedzinie czasu”, Zesz. Nauk. Pol. Śl., Z.113, 1995, pp.183–207.
  18. E.Czogała, J.Łęski, ,,Application of entropy measure of fuzziness to building a detection function of ECG signal”, Archiwum Informatyki Stosowanej i Teoretycznej, Tom 8, Z.1–2, 1996, pp.47–54.
  19. E.Czogała, J.Łęski, ,,Energy measure of fuzziness in classification the QRS complex of ECG signal”, Archiwum Informatyki Stosowanej i Teoretycznej, Tom 8, Z.1–2, 1996, pp.55–61.
  20. J.Łęski, T. Pander, ,,An application of bispectrum for high-resolution alignment of ECG cycles”, Systems Science, Vol.23, No.1, 1996, pp.101–111.
  21. P.Rozentryt, E.Czogała, J.Łęski, ,,Application of entropy and energy measure of fuzziness to heart rate variability analysis”, Medical Science Monitor, Vol.2, No.5, 1996, pp.642–649.
  22. P.Rozentryt, J.Łęski, E.Czogała, Z. Religa, ,,Pattern recognition analysis of heart rate variability signal. Is it an alternative method in assessment of autonomic cardiovascular regulation?”, Medical Science Monitor, Vol.3, No.2, 1997, pp.242–253.
  23. J.Łęski, E. Czogała, ,,A new artificial neural network based fuzzy inference system with moving consequents in if-then rules”, BUSEFAL, Vol.71, 1997, pp.72–81.
  24. M.Sosnowski, Z.Czyż, T.Petelenz, J.Łęski, M.Tendera, ,,Evaluation of nonlinear dynamics of ventricular repolarization in normal subjects and in patients after myocardial infraction”, Ann. Noniv. Electrocardiol. Vol.2, No.2, 1997, pp.104–113.
  25. E.Czogała, J.Fodor, J.Łęski, ,,The Fodor fuzzy implication in approximate reasoning”, Systems Science, Vol.23, No.2, 1997, pp.17–28.
  26. T.Pander, J.Łęski, ,,A technique of 3rd order spectrum shift for methods of high-resolution alignment of ECG cycles”, Polish Journal of Medical Physics and Engineering, Vol.3, No.2, 1997, pp.67–84.
  27. E.Czogała, J.Łęski, ,,A new fuzzy inference system with moving consequents in if-then rules. Applications to pattern recognition”, Bull. Pol. Ac.: Tech., Vol.45, No.4, 1997, pp.643–655.
  28. J.Łęski, E.Czogała, ,,A new method of alignment ECG cycles using energy measure of fuzziness”, BUSEFAL, Vol.73, 1998, pp.91–99.
  29. M.Sosnowski, Z.Czyż, J.Łęski, T.Petelenz, M.Tendera, ,,High resolution electrocardiography — its application for the measurement of the QT interval in the presence of low amplitude T-waves”, Ann. Noniv. Electrocardiol. Vol.3, No.4, 1998, pp.304–310.
  30. E.Czogała, J.Łęski, ,,An equivalence of approximate reasoning under defuzzification”, BUSEFAL, Vol.74, 1998, pp.83–92.
  31. P.Rozentryt, J.Łęski, N.Henzel, G. Raczak, M.Zembala, L.Poloński, ,,Zmiennosć morfologii wektora elektrokardiogramu. Analiza z cyklu na cykl”, Folia Cardiologica, Vol.6, 1999, pp.68–81.
  32. J.Łęski, N.Henzel, ,,A neuro-fuzzy system using logical interpretation of if-then rules and its application to diabetes mellitus forecasting”, Archives of Control Sciences, Vol.9, No.1–2, 1999, pp.107–122.
  33. P.Rozentryt, J.Łęski, J.Sroczyński, E.Czogała, ,,A new beat-by-beat spectro-temporal analysis of variability in ECG morphology”, Medical Science Monitor, Vol.5, No.4, 1999, pp.777–785.
  34. E.Czogała, J.Łęski, Y.Hayashi, ,,A classifier based on neuro-fuzzy inference system”, Journal of Advanced Computational Intelligence, Vol.3, No.4, 2000, pp.282–288.
  35. J.Łęski: ,,A new generalized weighted conditional fuzzy clustering”, BUSEFAL, Vol.81, 2000, pp.8–16.
  36. J.Łęski, ,,Robust possibilistic clustering”, Archives of Control Sciences, Vol.10, No.3–4, 2000, pp.141–155.
  37. J.Łęski, N.Henzel, ,,A neuro-fuzzy system based on logical interpretation of if-then rules”, International Journal Applied Mathematics and Computer Sciences, Vol.10, No.4, 2000, pp.703–722.
  38. R. Czabański, Zastosowanie sterowania rozmytego w inżynierii biomedycznej, Zeszyty Naukowe Politechniki Śląskiej 2000, Seria: Elektronika, z. 12, Nr kol. 1492, str. 49-68.
  39. J.Łęski, ,,An ε-insensitive approach to fuzzy clustering”, International Journal Applied Mathematics and Computer Sciences, Vol.11, No.4, 2001, pp.993–1007.
  40. J.Łęski, ,,Improving generalization ability of neuro-fuzzy system by ε-insensitive learning”, International Journal Applied Mathematics and Computer Sciences, Vol.12, No.3, 2002, pp.437–447.
  41. J.Łęski, ,,ε-insensitive fuzzy c-medians clustering”, Bull. Pol. Ac.: Tech., Vol.50, No.4, 2002, pp.361–374.
  42. J.Łęski, H.Henzel, ,,Minimum hypervolume clustering algorithm”, Machine Graphics and Vision, Vol.11, No.1, 2002, pp.123–132.
  43. J.Łęski, ,,Minimum absolute error classifier design with generalization control”, Archives of Control Sciences, Vol.12, No.3, 2002, pp.289–299.
  44. J.Łęski, ,,Computationally effective algorithm to the ε-insensitive fuzzy clustering, System Science, Vol.28, No.3, 2002, pp.31–50.
  45. J.Łęski, ,,ε-insensitive learning techniques for approximate reasoning systems (Invited Paper)”, International Journal of Computational Cognition, Vol.1, No.1, 2002, pp.21–77.
  46. J.Łęski: ,,An ε–insensitive fuzzy c-means clustering”, BUSEFAL, Vol.86, 2003, pp. 61–70. (http://www.univ-savoie.fr/Portail/Groupes/LISTIC/busefal/Papers/ 86.zip/86_09.pdf)
  47. J.Łęski, ,,Fuzzy if-then rule-based nonlinear classifier”, International Journal of Applied Mathematics and Computer Sciences, Vol.13, No.2, 2003, pp.215–224.
  48. J.Łęski, ,,Kernel Ho-Kashyap classifier with generalization control” International Journal of Applied Mathematics and Computer Science. Vol.14, No.1, 2004, pp.53–62.
  49. J.Łęski, T.Czogała, ,,A fuzzy system with ε-insensitive learning of premises and consequences of if-then rules” International Journal of Applied Mathematics and Computer Sciences. Vol.15, No.2, 2005, pp.257–273.
  50. R. Czabański: Neuro-fuzzy modelling based on a deterministic annealing approach, Applied Mathematics and Computer Science, 2005, Vol. 15, No. 4, pp. 561-576.
  51. R. Czabański: Fuzzy if-then rules extraction by means of e-insensitive learning techniques integrated with deterministic annealing optimization method, International Journal of Computational Cognition, 2005, Vol. 3, No. 4, pp. 80-89.
  52. A. Momot, M. Momot, J. Łęski, „Empirical bayesian averaging method and its application to noise reduction in ECG signal”, Journal of Medical Informatics and Technologies, Vol.10, 2006, pp.93–101.
  53. R. Czabański: Extraction of Fuzzy Rules Using Deterministic Annealing Integrated with eps-insensitive Learning, Applied Mathematics and Computer Science, 2006, Vol.16, No. pp. 357-372.
  54. R. Czabański, T. Przybyła: Median Fuzzy Conditional Clustering, International Journal of Information Technology and Intelligent Computing, 2006, Vol. 1, No. 1, pp. 79-89.
  55. R. Czabański, T. Pander: Parameters Estimation for Digital Non-Linear Filters Using Neuro Fuzzy System, Journal of Medical Informatics and Technologies, 2006, Vol. 10, pp. 139-144.
  56. A. Momot, M. Momot, J. Łęski, „Bayesian and empirical bayesian approach to weighted averaging method of ECG signal”, Bull. Pol. Ac.: Tech. Vol. 55, No. 4, 2007, pp.341-350.
  57. R. Czabański, M. Jeżewski, J. Wróbel. T. Kupka, J. Łęski, J. Jeżewski: „The prediction of the low fetal birth weight based on quantitative description of cardiotocographic signals”, Journal of Medical Informatics and Technologies, Vol. 12, 2008, pp.97-102.
  58. M. Jeżewski, R. Czabański, K. Horoba, J. Wróbel, J. Łęski, J. Jeżewski: „Influence of gestational age on neural networks interpretation of fetal monitoring signals”, Journal of Medical Informatics and Technologies, Vol. 12, 2008, pp.137-142.
  59. R. Czabański, M. Jeżewski, J. Wróbel. T. Kupka, J. Łęski, J. Jeżewski: The prediction of the low fetal birth weight based on quantitative description of cardiotocographic signals, Journal of Medical Informatics and Technologies, 2008, Vol. 12, 97-102.
  60. R. Czabański, M. Jeżewski, J. Wróbel, J. Jeżewski, K. Horoba: Fuzzy system for evaluation of fetal hart rate signals using FIGO criteria, Journal of Medical Informatics and Technologies, 2009, Vol. 13, 189-194.
  61. R. Czabański, M. Jeżewski, D. Roj, Z. Szaszkowski, T. Kupka, J. Wróbel: Evaluation of predictive capabilities of quantitative cardiotocographic signal features, Journal of Medical Informatics and Technologies, 2010, Vol. 16, 11-17.
  62. N. Henzel, A. Gacek, J. Łęski: ,,Szereg czasowy zbiorów rozmytych w opisie i analizie sygnałów elektrokardiograficznych”, Acta Bio-Optica et Informatica Medica, Vol.17, No.4, 2011, pp.313-316.
  63. R. Czabański, D. Roj, J. Jeżewski, K. Horoba, M. Jeżewski, Fuzzy prediction of fetal acidemia, Journal Of Medical Informatics & Technologies vol. 17, 2011, 81-87.
  64. J. Łęski, M. Jeżewski: “Clustering Algorithms For Classification Methods”, Journal of Medical Informatics and Technologies, Vol. 20, 2012, pp.11-18.
  65. R. Czabański, M. Jeżewski, J. Jeżewski, J. Wróbel, K. Horoba, Robust extraction of fuzzy rules with artificial neural network based on fuzzy inference system. Int. J. Intelligent Information and Database Systems, Vol. 6(1), 2012, 77-92.
  66. R. Czabański, D. Roj, J. Jeżewski, K. Horoba, M. Jeżewski, Fuzzy prediction of fetal acidemia, Journal Of Medical Informatics & Technologies vol. 17, 2011, 81-87.
  67. R. Czabanski, J. Wrobel, J. Jezewski, M. Jezewski: ”Two-Step Analysis of the Fetal Heart Rate Signal as a Predictor of Distress” in “Intelligent Information and Database Systems”, Editors: J. S. Pan, S. M. Chen, N. T. Nguyen, LNAI 7197(II)/Lecture Notes in Computer Science, Springer Verlag, 2012, 431-438.
  68. T. Pander, R. Czabański, T. Przybyła, D. Pojda-Wilczek: “The Possibilities Of Optokinetic Nystagmus Cycles Averaging”, Journal of Medical Informatics and Technologies, 2012, Vol. 19, 25-31.
  69. T. Pander, R. Czabański, T. Przybyła, D. Pojda-Wilczek: Saccades Detection In Optokinetic Nystagmus - A Fuzzy Approach”, Journal of Medical Informatics and Technologies, 2012, Vol. 19, 33-39.
  70. T. Przybyła, J. Wróbel, R. Czabański, K. Horoba, T. Pander, M. Momot: “Segmentation of Biomedical Signals Using an Unsupervised Approach”, Journal of Medical Informatics and Technologies, 2012, Vol. 19, 124-131.
  71. R. Czabański, T. Pander, T. Przybyła: Fuzzy Approach to Saccades Detection in Optokinetic Nystagmus, Advances in Intelligent Systems and Computing, Springer International Publishing, 2014, Vol. 242, 231-238.
  72. T. Pander, T. Przybyła, R. Czabański: An Application of The Lp-Norm in Robust Weighted Averaging of Biomedical Signals, Journal of Medical Informatics and Technologies, 2013, Vol. 22, 71-78.
  73. T. Przybyła, J. Wróbel, T. Pander, R. Czabański, J. Jeżewski, A. Matonia: Projective Filtering Based on l1-Norm PCA, Journal of Medical Informatics and Technologies, 2013, Vol. 22, 79-86.
  74. Kozielski M., Stypka Ł., Gene ontology based gene analysis in graph database environment, Studia Informatica, vol 34 Number 2A(111), 2013, pp. 325-336.
  75. Stypka, Ł., & Kozielski, M. Methods of normalization the results of Gene Ontology term similarity. Studia Informatica, 35(2), 2014, pp. 7-18.

© Silesian University of Technology

General information clause on the processing of personal data by the Silesian University of Technology

The authors - the organizational units in which the information materials were produced, are fully responsible for the correctness, up-to-date and legal compliance with the provisions of the law. Hosted by: IT Center of the Silesian University of Technology ()

Rules for the use of "cookies" on the websites of the Silesian University of Technology

Data availability statement

„E-Politechnika Śląska - utworzenie platformy elektronicznych usług publicznych Politechniki Śląskiej”

Fundusze Europejskie
Fundusze Europejskie
Fundusze Europejskie
Fundusze Europejskie