Megújult a Tudóstér, az oldal ezentúl a https://tudoster.unideb.hu címen érhető el.

Szathmáry László

DE IK

Információ Technológia Tanszék

egyetemi docens 2012-

Teljes publikációs lista

Tudóstér társszerzők statisztika szűrhető publikációs lista

RIS export (EndNote, Mendeley, RefWorks, Zotero stb.)

Hiányzó közlemények feltöltése

Hitelesített Publikációs Lista igénylése

Feltöltött közlemény:

DEA-ban:

OA:

Publikációs időszak:

2010-2024

2024

Alshuwaili, D. G. H., Nsaif, M., Szathmáry, L., Szeghalmy, S.: A comparative study of pre-trained models in breast ultrasound image segmentation.
2024 IEEE 3rd Conference on Information Technology and Data Science (CITDS) Proceedings /András Hajdu 81-86, 2024.

DEA

Alshuwaili, D. G. H., Szathmáry, L.: A one-dimensional convolutional neural network-based deep learning approach for predicting cardiovascular diseases.
Inform. Med. Unlocked. 49, 1-14, (cikkazonosító: 101535), 2024.

doi DEA Scopus

Folyóirat-mutatók:

Q2 Health Informatics (2023)

2023

Szathmáry, L.: An incremental algorithm for computing the transversal hypergraph.
Ann. Math. Inform. 58 ((2023),), 147-159, 2023.

doi DEA WoS Scopus

Folyóirat-mutatók:

Q4 Computer Science (miscellaneous)

Q4 Mathematics (miscellaneous)

2021

Ghori, K. M., Awais, M., Akmal, S. K., Imran, M., Abbasi, R. A., Szathmáry, L.: A Review on Latest Trends in Non-Technical Loss Detection.
In: CEUR Workshop Proceedings. Szerk.: Fazekas István, Hajdu András, Tómács Tibor, CEUR Workshop Proceedings, Debrecen, 131-139, 2021.

DEA Scopus

2020

Szathmáry, L.: Closed Association Rules.
Ann. Math. Inform. 51, 65-76, 2020.

doi DEA WoS Scopus

Folyóirat-mutatók:

Q4 Computer Science (miscellaneous)

Q4 Mathematics (miscellaneous)

Szathmáry, L.: Egy gyakori zárt mintákat és gyakori generátorokat kereső vertikális algoritmus.
AML. 37 (1), 71-85, 2020.

doi DEA

Ghori, K. M., Abbasi, R. A., Awais, M., Imran, M., Ullah, A., Szathmáry, L.: Impact of Feature Selection on Non-Technical Loss Detection.
In: 6th Conference on Data Science and Machine Learning Applications, IEEE, Piscataway, 19-24, 2020. ISBN: 9781728127460

doi DEA Scopus

Ghori, K. M., Abbasi, R. A., Awais, M., Imran, M., Ullah, A., Szathmáry, L.: Performance Analysis of Different Types of Machine Learning Classifiers for Non-Technical Loss Detection.
IEEE Access. 8, 16033-16048, 2020.

doi DEA WoS Scopus

Folyóirat-mutatók:

Q1 Computer Science (miscellaneous)

Q1 Engineering (miscellaneous)

Q2 Materials Science (miscellaneous)

Ghori, K. M., Imran, M., Nawaz, A., Abbasi, R. A., Ullah, A., Szathmáry, L.: Performance analysis of machine learning classifiers for non-technical loss detection.
Ambient Intell. Humaniz. Comput. [Epub ahead of print], 1-16, 2020.

doi DEA WoS Scopus

Folyóirat-mutatók:

Q1 Computer Science (miscellaneous)

2014

10.

Szathmáry, L., Ispány, M.: CGT: a vertical miner for frequent equivalence classes of itemsets.
In: Proceedings of the 1st International Conference and Exhibition on Future RFID Technologies [elektronikus dokumentum]. Eds.: Emőd Kovács, Gábor Kusper, Tibor Juhász, Tibor Tómács, [EKTF], [Eger], 161-169, 2014. ISBN: 9786155509230

doi DEA

2013

11.

Szathmáry, L., Valtchev, P., Napoli, A., Godin, R., Boc, A., Makarenkov, V.: A fast compound algorithm for mining generators, closed itemsets, and computing links between equivalence classes.
Ann. Math. Artif. Intell. 70 (1-2), 81-105, 2013.

doi DEA

Folyóirat-mutatók:

Q3 Applied Mathematics

Q3 Artificial Intelligence

2010

12.

Szathmáry, L., Valtchev, P., Napoli, A.: Generating Rare Association Rules Using the Minimal Rare Itemsets Family.
Int. J. Softw. Inform. 4 (3), 219-238, 2010.

DEA