-
Notifications
You must be signed in to change notification settings - Fork 0
Expand file tree
/
Copy pathresearch.html
More file actions
691 lines (626 loc) · 50.5 KB
/
Copy pathresearch.html
File metadata and controls
691 lines (626 loc) · 50.5 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
<!-- Global site tag (gtag.js) - Google Analytics -->
<script async src="https://www.googletagmanager.com/gtag/js?id=UA-174186345-1"></script>
<script>
window.dataLayer = window.dataLayer || [];
function gtag() { dataLayer.push(arguments); }
gtag('js', new Date());
gtag('config', 'UA-174186345-1');
</script>
<!DOCTYPE html>
<html amp lang="en" class="no-js">
<head>
<!-- META DATA -->
<meta charset="UTF-8">
<meta http-equiv="X-UA-Compatible" content="IE=edge">
<meta name="viewport" content="width=device-width, initial-scale=1">
<!-- TITLE OF SITE -->
<title>國立中興大學 工商暨交通數據分析實驗室</title>
<!-- favicon -->
<link id="favicon" rel="icon" type="image/png" href="assets/images/favicon.ico">
<!-- Google Fonts -->
<link rel="stylesheet" href="https://fonts.googleapis.com/css?family=Kaushan+Script:300,400,500%7CMontserrat:300,400,500,600,700,800,900%7CPoppins:300,400,500,700%7CNoto+Sans+TC:300,400,500,600,700">
<!-- Bootstrap css -->
<link rel="stylesheet" href="assets/css/bootstrap.css">
<!-- magnific-popup.css -->
<!-- <link rel="stylesheet" href="assets/css/magnific-popup.css"> -->
<!-- slick css -->
<link rel="stylesheet" href="assets/css/slick.css">
<link rel="stylesheet" href="assets/css/slick-theme.css">
<!-- pe-icon-7-stroke.min.css -->
<link rel="stylesheet" href="assets/css/pe-icon-7-stroke.min.css">
<!-- font-awesome.min.css -->
<link rel="stylesheet" href="assets/css/font-awesome.min.css">
<!-- https://cdnjs.cloudflare.com/ajax/libs/font-awesome/5.13.0/js/fontawesome.min.js -->
<!-- <link rel="stylesheet" href="https://cdnjs.cloudflare.com/ajax/libs/font-awesome/5.13.0/css/all.min.css"> -->
<!-- animations.css -->
<link rel="stylesheet" href="assets/css/animations.css">
<!-- Main style css -->
<link rel="stylesheet" href="assets/css/style.css">
<!-- Responsive css -->
<link rel="stylesheet" href="assets/css/responsive.css">
<!-- Yellow Color -->
<!-- <link rel="stylesheet" href="assets/css/color-yellow.css"> -->
<!-- Purple Color -->
<!-- <link rel="stylesheet" href="assets/css/color-purple.css"> -->
<!-- Green Color -->
<!-- <link rel="stylesheet" href="assets/css/color-green.css"> -->
<!-- Red Color -->
<!-- <link rel="stylesheet" href="assets/css/color-red.css"> -->
<!-- Blue Color -->
<link rel="stylesheet" href="assets/css/color-blue.css">
<!--[if lt IE 9]>
<script src="https://oss.maxcdn.com/html5shiv/3.7.3/html5shiv.min.js"></script>
<script src="https://oss.maxcdn.com/respond/1.4.2/respond.min.js"></script>
<![endif]-->
<!-- Google Tag Manager -->
<script>
(function (w, d, s, l, i) {
w[l] = w[l] || []; w[l].push({
'gtm.start':
new Date().getTime(), event: 'gtm.js'
}); var f = d.getElementsByTagName(s)[0],
j = d.createElement(s), dl = l != 'dataLayer' ? '&l=' + l : ''; j.async = true; j.src =
'https://www.googletagmanager.com/gtm.js?id=' + i + dl; f.parentNode.insertBefore(j, f);
})(window, document, 'script', 'dataLayer', 'GTM-KRHQ727');
</script>
<!-- End Google Tag Manager -->
<script async src="https://cdn.ampproject.org/v0.js"></script>
<meta name="viewport" content="width=device-width,minimum-scale=1,initial-scale=1">
<style amp-custom>
/* any custom style goes here */
body {
background-color: white;
}
/* amp-img {background-color: white;} */
</style>
<style amp-boilerplate>
body {
-webkit-animation: -amp-start 8s steps(1,end) 0s 1 normal both;
-moz-animation: -amp-start 8s steps(1,end) 0s 1 normal both;
-ms-animation: -amp-start 8s steps(1,end) 0s 1 normal both;
animation: -amp-start 8s steps(1,end) 0s 1 normal both
}
@-webkit-keyframes -amp-start {
from {
visibility: hidden
}
to {
visibility: visible
}
}
@-moz-keyframes -amp-start {
from {
visibility: hidden
}
to {
visibility: visible
}
}
@-ms-keyframes -amp-start {
from {
visibility: hidden
}
to {
visibility: visible
}
}
@-o-keyframes -amp-start {
from {
visibility: hidden
}
to {
visibility: visible
}
}
@keyframes -amp-start {
from {
visibility: hidden
}
to {
visibility: visible
}
}</style>
<noscript>
<style amp-boilerplate>
body {
-webkit-animation: none;
-moz-animation: none;
-ms-animation: none;
animation: none
}</style>
</noscript>
</head>
<body class="loading side-menu">
<!-- Google Tag Manager (noscript) -->
<noscript><iframe src="https://www.googletagmanager.com/ns.html?id=GTM-KRHQ727" height="0" width="0" style="display:none;visibility:hidden"></iframe></noscript>
<!-- End Google Tag Manager (noscript) -->
<!--Start Preloader-->
<div class="page-loader startLoad">
<div class="loader startLoad"></div>
</div>
<!--End Preloader-->
<!--Start Menu-->
<div class="mob-menu-overlay"></div>
<i class="fa fa-times mob-menu-close" aria-hidden="true"></i>
<div class="mob-menu">
<div class="mob-menu-content container">
<div class="float-left">
<p class="menu-title">工商暨交通數據分析實驗室</p>
</div>
<div class="float-right">
<button type="button" class="navbar-toggle collapsed" data-toggle="collapse" data-target="#bs-example-navbar-collapse-1" aria-expanded="false">
<span class="sr-only">Toggle navigation</span>
<span class="icon-bar"></span>
<span class="icon-bar"></span>
<span class="icon-bar"></span>
</button>
</div>
</div>
</div>
<div class="side-left">
<div class="menu-wrapper">
<div class="intro-content">
<div class="vertical-menu">
<div class="profile">
<!-- <img src="assets/images/logo4.png" alt="profile"> -->
<amp-img alt="profile" src="assets/images/logo4.png" width="100" height="100" layout="responsive"> </amp-img>
</div>
<h1>工商暨交通數據分析實驗室</h1>
<!--Social links-->
<!-- <div class="menu-social-icons">
<a href="#">
<i class="fa fa-facebook"></i>
</a>
<a href="#">
<i class="fa fa-twitter"></i>
</a>
<a href="#">
<i class="fa fa-linkedin"></i>
</a>
<a href="#">
<i class="fa fa-instagram"></i>
</a>
</div> -->
<!-- Menu Items
<ul class="list-unstyled menu_list">
<li>
<a href="#home" onclick="gtag('event', 'btnhome', { event_category: 'action', event_action: 'homeclick', event_label: 'home'} );" class="active_item">home</a>
</li>
<li>
<a href="#about" onclick="gtag('event', 'btnabout', { event_category: 'action', event_action: 'aboutclick', event_label: 'about'} );">實驗室簡介</a>
</li>
<li>
<a href="#resume" onclick="gtag('event', 'btnresume', { event_category: 'action', event_action: 'resumeclick', event_label: 'resume'} );">指導教授</a>
</li>
<li>
<a id="btnresearch" href="#research" onclick="gtag('event', 'btnresearch', { event_category: 'action', event_action: 'researchclick', event_label: 'research'} );">研究方向</a>
</li>
<li>
<a id="btnpublication" href="#publication" onclick="gtag('event', 'btnpublication', { event_category: 'action', event_action: 'publicationclick', event_label: 'publication'} );">研究論文</a>
</li>
<li>
<a id="btncourse" href="#course" onclick="gtag('event', 'btncourse', { event_category: 'action', event_action: 'courseclick', event_label: 'course'} );">開授課程</a>
</li>
<li>
<a id="btnactivity" href="#activity" onclick="gtag('event', 'btnactivity', { event_category: 'action', event_action: 'activityclick', event_label: 'activity'} );">實驗室活動</a>
</li>
</ul> -->
<!--Menu Items-->
<ul class="list-unstyled menu_list">
<li>
<a id="btnhome" href="" onclick="javascript:location.href='./index.html'">home</a>
</li>
<li>
<a id="btnabout" href="" onclick="javascript:location.href='./about.html'">實驗室簡介</a>
</li>
<li>
<a id="btnresume" href="" onclick="javascript:location.href='./resume.html'">指導教授</a>
</li>
<li>
<a id="btnresearch" style="color: #00cae9; !important">研究方向</a>
</li>
<li>
<a id="btnpublication" href="" onclick="javascript:location.href='./publication.html'">研究論文</a>
</li>
<li>
<a id="btncourse" href="" onclick="javascript:location.href='./course.html'">開授課程</a>
</li>
<li>
<a id="btnactivity" href="" onclick="javascript:location.href='./activity.html'">實驗室活動</a>
</li>
</ul>
</div><!--.vertical-menu-->
<p class="copyright">All rights reserved.</p>
</div><!--.intro-content-->
</div>
</div><!--.side-->
<!--End Menu-->
<main>
<!--Start Research Section-->
<section class="research sec_content" id="research">
<div class="content__inner">
<div class="scroll__content">
<div class="sec__content padding-top-80 padding-bottom-80">
<div class="container">
<div class="sec_title">
<h2>Research Direction</h2>
</div>
<div class="row">
<div class="col-lg-12">
<div class="more-about-me">
<!-- <p class="margin-bottom-30 sm-xs-margin-top-30 md-margin-top-30" style="color: black;">
本實驗室近五年進行兩大領域的研究，包含(1)依時空大數據資料集特性設計新型態的深度學習網路與(2)空間資訊應用演算法與系統。以下介紹本實驗室在兩大研究領域的貢獻。
</p> -->
</div><!--.more-about-me-->
<h3 class="subtitle" style="color: black; margin-bottom: 0px;"><b>本實驗室研究主幹</b></h3>
<div class="more-about-me">
<p class="margin-bottom-30 sm-xs-margin-top-30 md-margin-top-30" style="color: black;">
<b><u>1. 客製化類神經網路之設計：</u></b>本部分的研究會從類神經網路的基礎概念出發，接著導引學生如何依據實際問題的需求，設計出客製化的類神經網路，例如高抗噪性、高輕量化、能在簡易硬體設備上運行的深度學習模型、又或者是易於工廠做AI模型維運的框架等。
<font color="#FF0000">→本訓練能協助同學們成為一位合格的AI RD工程師。</font>
<br><b><u>2. 大數據分析流程之設計：</u></b>本部分的研究將指導學生從極度骯髒的真實資料開始，學習如何進行清洗資料、取特徵值、降維、分群分類、建模、與視覺化介面設計等步驟，最終完成符合廠商需求的大數據分析案。
<font color="#FF0000">→本訓練能協助同學們成為一位合格的資料工程師。</font>
<br><b><u>3. 可解釋化AI之設計：</u></b>隨著AI技術的逐漸發展，近年的工廠對AI的期待已遠遠超過建模，而是希望透過可解釋化AI找出改善工廠不足之處並加以改善。而這能力也是本實驗室對學生的重點培養項目之一。
<font color="#FF0000">→本訓練能協助同學們成為一位合格的IT或資料工程師。</font>
<br><b><u>4. AI系統之架設：</u></b>現階段做AI研究之碩班生大多只會做軟體分析而不會架設系統，而這點對學生們找工作時有非常重大影響，所以本實驗室有與AWS的業師合作，指導同學們學習把碩論開發的系統建立在雲端系統上。
<font color="#FF0000">→本訓練能協助同學們求職。</font>
</p>
</div><!--.more-about-me-->
<br>
<h3 class="subtitle" style="color: black; margin-bottom: 0px;"><b>本實驗室的應用場域</b></h3>
<div class="more-about-me">
<p class="margin-bottom-30 sm-xs-margin-top-30 md-margin-top-30" style="color: black;">
<b><u>1. 時空大數據資料：</u></b>包含各式交通資料集、人流資料集，氣候資料集之處理。
<br><b><u>2. 工廠資料：</u></b>包含CNC機台運作資料、工單排程等。
<br><b><u>3. 醫療資料：</u></b>包含各式疾病辨識、醫院管理數據之分析等。
<br><b><u>4. 其他：</u></b>本實驗室之應用場域不限上述三項，若同學們有興趣皆可自己提出，老師盡力協助各位同學完成分析。
</p>
</div><!--.more-about-me-->
<br>
<h3 class="subtitle" style="color: black; margin-bottom: 0px;"><b>本實驗室的主要成果(持續更新中)</b></h3>
<div class="more-about-me">
<p class="margin-bottom-30 sm-xs-margin-top-30 md-margin-top-30" style="color: black;">
<b><u>1. 利用輕量化深度學習模型完成工廠資料與PM2.5資料的建模與預測</u></b>
<br>Development of Lightweight RBF-DRNN and Automated Framework for CNC Tool-Wear Prediction
<br><a target="_blank" href="https://ieeexplore.ieee.org/document/9748893" style="color:lightgray;">
https://ieeexplore.ieee.org/document/9748893
</a>
<br>Selection of key features for PM2.5 prediction using a wavelet model and RBF-LSTM
<br><a target="_blank" href="https://link.springer.com/article/10.1007/s10489-020-02031-5" style="color:lightgray;">
https://link.springer.com/article/10.1007/s10489-020-02031-5
</a>
<br><b><u>2. 利用可解釋化AI進行人流變動關鍵點之搜尋</u></b><br>Identifying Key Grid Cells for Crowd Flow Predictions Based on CNN-based Models with the Grad-CAM Kit
<br><a target="_blank" href="https://link.springer.com/article/10.1007/s10489-022-03988-1" style="color:lightgray;">
https://link.springer.com/article/10.1007/s10489-022-03988-1
</a>
<br><b><u>3. 利用生成式對抗網路協助產業進行工單排程</u></b><br>Application of Generative Adversarial Network to Optimize Vehicle Allocation at Dispatch Stations of Paratransit Services
<br><a target="_blank" href="https://www.mdpi.com/2079-9292/11/3/423" style="color:lightgray;">
https://www.mdpi.com/2079-9292/11/3/423
</a>
</p>
</div><!--.more-about-me-->
<br>
</div>
</div><!--.row-->
<section class="resume margin-top-60">
<h3 class="subtitle" style="color: black;"><b>歷年實作之議題</b></h3>
<div class="row">
<!--Education-->
<div class="col-md-6">
<h3 class="subtitle">專題</h3>
<div class="item">
<div class="date">
<i class="fa fa-calendar" aria-hidden="true"></i> <span>113學年度</span>
</div>
<div class="content project_p">
<p><i class="fa fa-minus" aria-hidden="true"></i> 融合人流特性的行動軌跡預測演算法</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於深度學習與圖論演算法之旅遊行程推薦系統</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於 2D 池化與高斯平滑方法之旅遊次級景點推薦系統</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於擴散模型與時空群集實現大範圍地區的未來時刻人流預測</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 運用自編碼器與分群演算法進行資料擴增以提升人流預測之準確度</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於生成式模型產生可用於各項數據分析之擬真台灣電信人流數據</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於深度學習之小時級洪水預測系統：以 LSTM 與 TimesNet 模型為例</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 利用雷達回波圖與客製化深度學習模型改善雨天時的國道車速預測準確度</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 利用新聞文字協助YouBike公司了解異常借用狀況發生的原因與提昇借用量預測準確率</p>
</div>
</div>
<div class="item">
<div class="date">
<i class="fa fa-calendar" aria-hidden="true"></i> <span>112學年度</span>
</div>
<div class="content project_p">
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於CycleGAN之旅遊影像景色轉換</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於機器學習的便利店顧客行為預測研究</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 以基因演算法求解超商新展店之商品配置</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 考量人流軌跡之即時避難場所指派問題以臺北市為例</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 改善Youbike調配系統之研究:以基因演算法推薦還車站點</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 結合自編碼器和條件式生成對抗網路之旅程推薦與合理性評估系統</p>
</div>
</div>
<div class="item">
<div class="date">
<i class="fa fa-calendar" aria-hidden="true"></i> <span>111學年度</span>
</div>
<div class="content project_p">
<p><i class="fa fa-minus" aria-hidden="true"></i> 使用RBF-LSTM、LSTM與CGAN混成模型進行未來人流分佈預測</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 利用小遊戲蒐集資料並利用此資料訓練條件式生成對抗網路以實現適地性美食推薦系統</p>
</div>
</div>
<div class="item">
<div class="date">
<i class="fa fa-calendar" aria-hidden="true"></i> <span>110學年度</span>
</div>
<div class="content project_p">
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於雙北市 YouBike 歷史資料設計個人化旅遊排程推薦系統</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 使用 Convolutional Neural Networks 與 Grad-CAM 套件進行人流來源探究</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 使用人流、高速公路車流量資料與補償式類神經進行可應付突發狀況之高速公路車流量預測</p>
</div>
</div>
<div class="item">
<div class="date">
<i class="fa fa-calendar" aria-hidden="true"></i> <span>109學年度</span>
</div>
<div class="content project_p">
<p><i class="fa fa-minus" aria-hidden="true"></i> 東京迪士尼遊玩路線排程</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 利用Twitter上的時間、空間資料進行日本人對台灣景點主題分析</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 利用人流資料與遞迴類神經網路來進行消防局服務區的配置最佳化</p>
</div>
</div>
<div class="item">
<div class="date">
<i class="fa fa-calendar" aria-hidden="true"></i> <span>108學年度</span>
</div>
<div class="content project_p">
<p><i class="fa fa-minus" aria-hidden="true"></i> 澳門公車刷卡資料分析</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 台北市區商店最佳宣傳地點查詢</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於深度學習之太陽能發電量預測</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於模糊類神經網路之刀具磨耗分析</p>
</div>
</div>
<div class="item">
<div class="date">
<i class="fa fa-calendar" aria-hidden="true"></i> <span>107學年度</span>
</div>
<div class="content project_p">
<p><i class="fa fa-minus" aria-hidden="true"></i> 騎士騎程行為資料分析</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 智慧型安全帽加速度訊號之騎士安全度分析</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 應用遞迴類神經網路於澳門公車班次運行時間預測</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於網頁小遊戲所蒐集資料及機器學習之方法分析全國大專院校之排名</p>
</div>
</div>
<div class="item">
<div class="date">
<i class="fa fa-calendar" aria-hidden="true"></i> <span>106學年度</span>
</div>
<div class="content project_p">
<p><i class="fa fa-minus" aria-hidden="true"></i> 全國膳食資料庫之收集與分析</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 智慧行程遊港都-以計程車為例</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> ANIMAP-一個適地性的社群分享軟體</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於安裝於安全帽三軸加速度計訊號之動作辨識系統</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於自製英語教學軟體之台灣地區學生英文能力檢測</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於Google搜尋趨勢與系統鑑別技術之高速公路車流量預測演算法</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 使用人流資料分析商店之展店地點選擇－以逢甲大學學餐地點選擇為例</p>
</div>
</div>
<div class="item">
<div class="date">
<i class="fa fa-calendar" aria-hidden="true"></i> <span>105學年度</span>
</div>
<div class="content project_p">
<p><i class="fa fa-minus" aria-hidden="true"></i> 動作辨識</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 旅遊 Bar</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於GPS系統之影像補償系統</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 旅遊推薦及快速旅程安排系統</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 自適應性時間序列資料過濾系統</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於高速公路之交管大數據分析</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於天際線查詢之旅遊彈性規劃</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於天際線查詢之遊樂園排程演算法</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 具有固定數目結果的天際線查詢演算法</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 區域內多條件停車場選擇及路徑規劃演算法</p>
</div>
</div>
<div class="item">
<div class="date">
<i class="fa fa-calendar" aria-hidden="true"></i> <span>104學年度</span>
</div>
<div class="content project_p">
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於三維加速度之體感武打遊戲</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於巨量交控資料的區域車流量查詢系統</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於One-Hop-Tree之天際線路徑查詢系統</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於天際線查詢的景點推薦系統-以文史脈流系統為例</p>
</div>
</div>
</div><!--.col-md-6-->
<!--Experience-->
<div class="col-md-6 sm-xs-margin-top-60">
<h3 class="subtitle">碩博論</h3>
<div class="item">
<div class="date">
<i class="fa fa-calendar" aria-hidden="true"></i> <span>114學年度</span>
</div>
<div class="content project_p">
<p><i class="fa fa-minus" aria-hidden="true"></i> 融合Yolov11與RAG之道路安全路徑推薦系統</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 結合CGAN與LLM的道路標線生成與語意解析系統</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 以擴散模型結合違規分析與在地化調整之路口標線生成方法研究</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 結合擴散模型與決策樹以高效率生成未來任意時刻大範圍人群分布</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 利用大語言模型解讀雨量模型之參數並以此實現旅遊雨備推薦系統</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 利用Llama3解譯股票預測模型之運行參數以實現股票投資問答系統</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於條件式GAN、GPT 和 RAG之中山高速公路客製化行車建議推薦系統</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 使用新型態模糊類神經網路與其相對應演算法來進行 YouBike 使用意願預測</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 利用生成式人工智慧模型進行捷運站未來任一時刻人流量預測與其附屬商店之商品進貨量推薦</p>
</div>
</div>
<div class="item">
<div class="date">
<i class="fa fa-calendar" aria-hidden="true"></i> <span>113學年度</span>
</div>
<div class="content project_p">
<p><i class="fa fa-minus" aria-hidden="true"></i> 利用基於聯邦學習的條件生成對抗網路實現人群流量預測</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 使用補償式自動編碼器進行單監測站到廣域的即時人流預測</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 使用自編碼器進行未來任意時刻人流分佈預測之可行性評估</p>
</div>
</div>
<div class="item">
<div class="date">
<i class="fa fa-calendar" aria-hidden="true"></i> <span>112學年度</span>
</div>
<div class="content project_p">
<p><i class="fa fa-minus" aria-hidden="true"></i> 利用RBF-UNet進行高準確率低成本之刀具磨耗預測</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 以複合式人工智慧演算法求解航空公司破產重建之航網及機隊問題</p>
</div>
</div>
<div class="item">
<div class="date">
<i class="fa fa-calendar" aria-hidden="true"></i> <span>111學年度</span>
</div>
<div class="content project_p">
<p><i class="fa fa-minus" aria-hidden="true"></i> 利用生成對抗網路實現旅遊推薦系統</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 應用階層式深度模型進行穿戴裝置之動作辨識</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 利用道路空拍資料與深度學習模型預測車輛未來位置</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 以外掛式類神經網路預測區域YouBike站點之租借量</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 利用RBF-DNN配合醫院病患人流資料探究流行病之院內感染熱區</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 用Google搜尋趨勢資料提升YouBike借用量 預測準確度之可行性研究</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 應用自動編碼器架構於影片生成文字敘述 - 以美國職業籃球聯賽比賽為例</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 利用社群網路平台資訊與BERT模型分析COVID-19疫情前後日本旅宿的評論</p>
</div>
</div>
<div class="item">
<div class="date">
<i class="fa fa-calendar" aria-hidden="true"></i> <span>110學年度</span>
</div>
<div class="content project_p">
<p><i class="fa fa-minus" aria-hidden="true"></i> 應用補償式遷移學習模型於區域人流之強健性預測</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 以純Youbike資料識別Covid-19對臺北市區活動的影響</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 利用補償式GAN進行晴雨天之人流分布預測-以台北市為例</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 應用混合式深度學習開發適應於小資料集之鼻咽癌分類模型</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 用資料科學手法探究銲接環境對沃斯田鐵不銹鋼管銲道氣孔之影響</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於3D-RCL與條件式生成對抗網路產生未來時刻人群分布之可能性探討</p>
</div>
</div>
<div class="item">
<div class="date">
<i class="fa fa-calendar" aria-hidden="true"></i> <span>109學年度</span>
</div>
<div class="content project_p">
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於深度學習之內視鏡鼻咽癌腫塊辨識</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於集成式生成對抗網路進行人流異常預測</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 利用資料擴增方法提升員工離職預測準確度</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 使用STL分解法和類神經網路進行長期股價預測</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於捷運及YouBike資料集預測YouBike 未來借還量</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 應用生成對抗網路於復康巴士資源分配最佳化_以雲林縣為例</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於R-tree與SPACE-MDL-LSTM提升大區域人流預測之效率</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 利用類神經網路與決策樹預測客製產品的工時-以B公司之過濾器為例</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 應用集成式深度學習模型進行芒果分類辨識 (與蘇純繒副校長共同指導)</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於對抗生成網路設計循環風扇控制系統以進行冷氣房之微空間溫度調整</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 應用三維高斯函數結合深度學習之區域 PM2.5 預測 (與蘇純繒副校長共同指導)</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 利用公共自行車之租借資料進行集群分析以探討都市內各區之生活習性-以臺北市為例</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 利用生成對抗網路產生模擬資料以提昇刀具磨耗預測之準確率 (與蘇純繒副校長共同指導)</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於人流資料、土地使用分區圖以及Google趨勢資料進行捷運進出站人數預測-以台北捷運為例</p>
</div>
</div>
<div class="item">
<div class="date">
<i class="fa fa-calendar" aria-hidden="true"></i> <span>108學年度</span>
</div>
<div class="content project_p">
<p><i class="fa fa-minus" aria-hidden="true"></i> 台北捷運人流量異常分析及預測</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於卷積類神經網路之澳門公車軌跡辨識</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 應用輕量化外掛式深度學習模型於空間型態時間序列之預測</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 使用深度學習模型結合二維高斯函數探討交通站點之用量與成因</p>
</div>
</div>
<div class="item">
<div class="date">
<i class="fa fa-calendar" aria-hidden="true"></i> <span>107學年度</span>
</div>
<div class="content project_p">
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於社群網路資料之旅遊區辨識</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於類神經網路之區域PM2.5預測</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於使用者興趣之個人化活動推薦系統</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於深度學習模型之時序型天際線查詢</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 校園胖卡之設置策略研究-以逢甲大學為例</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 應用遞迴式神經網路之鮮食廠銷售預測-以涼麵為例</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於公車GPS軌跡資料之公車駕駛行為分析 —以澳門公車為例</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於類神經網路與高速公路車流量之服務區 營業額銷售分析以西螺休息站為例</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 使用類神經網路預測蔬菜的價格與銷售量-以西螺果菜市場及某蔬果批發商為例</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 利用深度學習模型探究交通工具的使用量及其影響因素–以計程車與Youbike為例</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 利用各種機器學習演算法提升Matlab類神經網路模組於太陽能光伏發電預測的準確度</p>
</div>
</div>
<div class="item">
<div class="date">
<i class="fa fa-calendar" aria-hidden="true"></i> <span>106學年度</span>
</div>
<div class="content project_p">
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於社群新聞資料分析預測台股指數</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於行動裝置GPS訊號之上班族生活時空資料分析</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於天氣預報及網路論壇資料之個人化旅遊推薦系統</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於類神經網路與天際線查詢技術之工業4.0實踐方法</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於可替換式遞迴式類神經之能預測突發事件的時間序列預測模型</p>
</div>
</div>
<div class="item">
<div class="date">
<i class="fa fa-calendar" aria-hidden="true"></i> <span>105學年度</span>
</div>
<div class="content project_p">
<p><i class="fa fa-minus" aria-hidden="true"></i> 近似巡訪天際線路徑查詢</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於模糊類神經網路的路網旅行時間預測方法</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於人流系統之空間擴張-以逢甲人流資料為例</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 基於模糊類神經之輔助機台監測與多工多條件生產排程系統</p>
</div>
</div>
<div class="item">
<div class="date">
<i class="fa fa-calendar" aria-hidden="true"></i> <span>104學年度</span>
</div>
<div class="content project_p">
<p><i class="fa fa-minus" aria-hidden="true"></i> 以詞彙擴展和地域性社群網路為基礎之見解探勘方法</p>
<p><i class="fa fa-minus" aria-hidden="true"></i> 使用適應性過濾器在巨量資料中快速找出近似天際線結果</p>
</div>
</div>
</div><!--.col-md-6-->
</div><!--.row-->
</section>
</div><!--.container-->
</div><!--.sec__content-->
</div><!--.scroll__content-->
</div><!--.content__inner-->
</section>
<!--End Research Section-->
</main>
<!--jquery.min.js-->
<script src="assets/js/jquery.min.js"></script>
<!--modernizr-custom.js-->
<script src="assets/js/modernizr-custom.js"></script>
<!--bootstrap.min.js-->
<script src="assets/js/bootstrap.min.js"></script>
<!--jquery.fittext.js-->
<script src="assets/js/jquery.fittext.js"></script>
<!--jquery.lettering.js-->
<script src="assets/js/jquery.lettering.js"></script>
<!--jquery.magnific-popup.min.js-->
<script src="assets/js/jquery.magnific-popup.min.js"></script>
<!--isotope.pkgd.min.js-->
<script src="assets/js/isotope.pkgd.min.js"></script>
<!--pagetransitions.js-->
<script src="assets/js/pagetransitions.js"></script>
<!--slick.js-->
<script src="assets/js/slick.js"></script>
<!--jquery.hover3d.min.js-->
<script src="assets/js/jquery.hover3d.min.js"></script>
<!--jquery.slimscroll.min.js-->
<script src="assets/js/jquery.slimscroll.min.js"></script>
<!--imagesloaded.pkgd.min.js-->
<script src="assets/js/imagesloaded.pkgd.min.js"></script>
<!--three.min.js-->
<script src="assets/js/three.min.js"></script>
<!--TweenMax.min.js-->
<script src="assets/js/TweenMax.min.js"></script>
<!-- Google maps -->
<script src="https://maps.googleapis.com/maps/api/js?key=AIzaSyCABUipchxBy5ubGg0ajToD30sX9KhcCBQ"></script>
<!--hover.js-->
<script src="assets/js/hover.js"></script>
<!-- Main script js -->
<script src="assets/js/custom.js"></script>
</body>
</html>