Michal Rojček

PaedDr. Michal Rojček, Ph.D.

DomovKatedraČlenovia katedryPaedDr. Michal Rojček

PaedDr. Michal Rojček, Ph.D.

Tajomník Katedry informatiky

Kancelária č. A409
Konzultačné hodiny: Streda: 8:30-10:30

Priebeh štúdia

Ukončené doktorandské štúdium v odbore:

Autonomní systémy na Ústave informatiky, FPF, Slezskej univerzity v Opave.

Téma dizertácie:

Spracovanie informačných zdrojov pomocou ART sietí.

Obhájené: 19.12.2018, priznaný titul Ph.D.

Čoskoro sa aktualizuje.

Na Katedre informatiky pôsobím ako odborný asistent.

Od roku 2006 sa intenzívne zaoberám aj oblasťou e-learningu a to v rôznych jeho aspektoch.

Z pohľadu administrátora systému sa starám o bezchybné a bezpečné fungovanie viacerých e-learningových systémov, z pozície business consultanta navrhujem vhodné stratégie e-vzdelávania, ktoré potom implementujem v rámci organizácie, poskytujem aj online školenia a konzultácie pre učiteľov a manažérov.

Na Katedre informatiky PF KU v Ružomberku vyučuje predmety:

Počítačová grafika, Neurónové siete, Webový dizajn, Princípy počítačov, Architektúry počítačov, Základy elektrotechniky.

Oblasti profesionálneho záujmu: Elektronika, IoT, 3D grafika, 3D skenovanie a 3D tlač, E-learningový systém Moodle, Správa serverov – Linux, Neurónové siete.

Hobby: včelárstvo, klasické motocykle, opravovanie pokazených elektro vecí, drevorezba, gitara, ústna harmonika a ďalšie 😉

Publikované vedecké práce:

Najvýznamnejšie výstupy tvorivej činnosti

1. AEC Černák, Igor, Rojček, Michal, Janiga, Róbert. International Cooperation Towards the Needs of Practice In: Edukacja – technika – informatyka w budowaniu lepszej przyszłości. Radom: Wydawnictwo Uniwersytetu Technologiczno-Humanistycznego w Radomiu, 2018, s. 101-107 [tlačená forma]. ISBN 978-83-7351-860-5. ISSN 1642-5278.
2. ADM ROJČEK, M.; MARČEK, D.: The Category Proliferation Problem in ART Neural Networks. In: Acta Polytechnica Hungarica: journal of applied sciences. – Budapest: Óbuda University. ISSN 1785-8860, Online, vol. 14, issue 5 (2017), pp. 49-63.
3. AFC ROJČEK, M.; ČERNÁK, I.; JANIGA, R.: Quality and Performance Evaluation of the Algorithms KMART and FCM for Fuzzy Clustering and Categorization. In: INES 2017 21st IEEE International Conference on Intelligent Engineering Systems 2017 Larnaca, Cyprus October 20-23, 2017, ISBN 978-1-4799-7677-5, USB, pp. 285-289.
4. AFC ROJČEK, M.; ČERNÁK, I.; JANIGA, R.: Zhlukovanie kontextovo podobných dokumentov, pomocou algoritmu Fuzzy c-means , 2015. In: Aplikace simulátorů ve výcviku leteckých specialistů : mezinárodní konference 18. – 19. 9. 2015, Ostrava  LET´S FLY, 2015. – ISBN 978-80-260-8337-5, CD-ROM, s. 188-201.
5. AFC ROJČEK, M.: System for fuzzy document clustering and fast fuzzy classification. In: CINTI 2014 : 15th IEEE International Symposium on Computational Intelligence and Informatics: 2014, November 19-21, Budapest: Óbuda University in Budapest, Hungary, 2014, ISBN: 978-1-4799-5338-7, USB, pp. 39-42.

Najvýznamnejšie výstupy tvorivej činnosti za ostatných šesť rokov

1. AEC Černák, Igor, Rojček, Michal, Janiga, Róbert. International Cooperation Towards the Needs of Practice In: Edukacja – technika – informatyka w budowaniu lepszej przyszłości. Radom: Wydawnictwo Uniwersytetu Technologiczno-Humanistycznego w Radomiu, 2018, s. 101-107 [tlačená forma]. ISBN 978-83-7351-860-5. ISSN 1642-5278.
2. ADM ROJČEK, M.; MARČEK, D.: The Category Proliferation Problem in ART Neural Networks. In: Acta Polytechnica Hungarica: journal of applied sciences. – Budapest: Óbuda University. ISSN 1785-8860, Online, vol. 14, issue 5 (2017), pp. 49-63.
3. AFC ROJČEK, M.; ČERNÁK, I.; JANIGA, R.: Quality and Performance Evaluation of the Algorithms KMART and FCM for Fuzzy Clustering and Categorization. In: INES 2017 21st IEEE International Conference on Intelligent Engineering Systems 2017 Larnaca, Cyprus October 20-23, 2017, ISBN 978-1-4799-7677-5, USB, pp. 285-289.
4. AFC ROJČEK, M.; ČERNÁK, I.; JANIGA, R.: Zhlukovanie kontextovo podobných dokumentov, pomocou algoritmu Fuzzy c-means , 2015. In: Aplikace simulátorů ve výcviku leteckých specialistů : mezinárodní konference 18. – 19. 9. 2015, Ostrava  LET´S FLY, 2015. – ISBN 978-80-260-8337-5, CD-ROM, s. 188-201.
5. AFC ROJČEK, M.: System for fuzzy document clustering and fast fuzzy classification. In: CINTI 2014 : 15th IEEE International Symposium on Computational Intelligence and Informatics: 2014, November 19-21, Budapest: Óbuda University in Budapest, Hungary, 2014, ISBN: 978-1-4799-5338-7, USB, pp. 39-42.

Najvýznamnejšie ohlasy na výstupy tvorivej činnosti

1.

ROJČEK, M.; MARČEK, D.: The Category Proliferation Problem in ART Neural Networks. In: Acta Polytechnica Hungarica: journal of applied sciences. – Budapest: Óbuda University. ISSN 1785-8860, Online, vol. 14, issue 5 (2017), pp. 49-63.

Anitha, K., Naresh, K., Devi, D.R.: A framework to reduce category proliferation in fuzzy ARTMAP classifiers adopted for image retrieval using differential evolution algorithm. 2020 Multimedia Tools and Applications 79(5-6), pp. 4217-4238.

2.

ROJČEK, M.; MARČEK, D.: The Category Proliferation Problem in ART Neural Networks. In: Acta Polytechnica Hungarica: journal of applied sciences. – Budapest: Óbuda University. ISSN 1785-8860, Online, vol. 14, issue 5 (2017), pp. 49-63.

Szenasi, S., Fried, Z., Felde, I.: Training of Artificial Neural Network to Solve the Inverse Heat Conduction Problem. 2020 SAMI 2020 – IEEE 18th World Symposium on Applied Machine Intelligence and Informatics, Proceedings 9108733, pp. 293-298.

3.

SKOVAJSOVÁ, L.; ROJČEK, M.: Soft clustering algorithms based on neural networks. In 2011 IEEE 12th International Symposium on Computational Intelligence and Informatics : CINTI 2011. – Budapest : IEEE Advancing Technology for Humanity, 2011, p. 439-442. ISBN 978-1-4577-0045-3.

CHERAGHCHI, Hamideh Sadat – ZAKEROLHOSSEINI, Ali. Toward a novel art inspired incremental community mining algorithm in dynamic social network. In APPLIED INTELLIGENCE. ISSN 0924-669X, 2017, vol. 46, no. 2, pp. 409-426. WoS, SCOPUS

4.

ROJČEK, M.: System for fuzzy document clustering and fast fuzzy classification. In: CINTI 2014 : 15th IEEE International Symposium on Computational Intelligence and Informatics: 2014, November 19-21, Budapest: Óbuda University in Budapest, Hungary, 2014, ISBN: 978-1-4799-5338-7, USB, pp. 39-42.

Bikku, T., Nandam, S.R., Akepogu, A.R.: A contemporary feature selection and classification framework for imbalanced biomedical datasets. In: Egyptian Informatics Journal volume 19, issue 3, November 2018, Pages 191-198, ISSN:1110-866. WoS, SCOPUS

5.

ROJČEK, M.; MOKRIŠ, I: System for document clustering from mixed sources based on fuzzy ART neural network. In IEEE International Conference on System Science and Engineering: ICSSE 2013. – Budapest : IEEE Advancing Technology for Humanity, 2013, p. 259-262. ISBN 978-1-4799-0007-7.

CHIEW, Fei Ha – NG, Chee Khoon – CHAI, Kok Chin – TAY, Kai Meng. A Fuzzy Adaptive Resonance Theory-Based Model for Mix Proportion Estimation of High-Performance Concrete. In COMPUTER-AIDED CIVIL AND INFRASTRUCTURE ENGINEERING. ISSN 1093-9687, 2017, vol. 32, no. 9, pp. 772-786. CCC, WoS, SCOPUS

Adresa

Katolícka univerzita

Katedra informatiky

Hrabovská cesta 1

034 01, Ružomberok

Kontakt

© Copyright 2018 KU, Katedra informatiky. Všetky práva vyhradené.