<link rel="stylesheet" href="styles.cf390c6bfbe7555f.css">

學術出版;;Publications

Permanent URI for this communityhdl:11536/1

收集所有交通大學研究人員與學生個人或團體所發表之各項學術著作，涵蓋期刊論文、教師專書、學位論文等項。;;Collections of Publications of NCTU Researchers and Students Like Journal Papers and Thesis.

Browse

🏛️國立陽明交通大學機構典藏

Access type: Metadata onlySubject: search.filters.subject.類神經網路

Search Results

Now showing 1 - 10 of 72
  • Thumbnail Image
    Item type:Item,
    運用非傳統控制方式研製拋光加工用撓性機械手 (II)
    (1993)
    唐佩忠
    ;
    陳福川
    ;
    交通大學控制工程學系 
    本計畫的目標分成兩方面,一方面是研製一 種工業用的撓性機械手,希望能大幅度的減輕 機械手重量,而降低製造成本,另一方面是藉著 這種真實的工業難題,整合一些有潛力的非傳 統設計方法,像是影像量測□類神經網路□模 糊控制邏輯□可變結構控制和專家系統等等, 以測試這些新方法的功效和潛力.要推動撓性 機械手作工業應用,必須面對許多真正的難題, 不只像是振動□精度□量測和控制上等學理上 的問題,還有加工受力變形□路徑規劃和機體 設計等實際應用上的問題,由於拋光加工主要 是施力控制,在位置精度上的要求較容易達成, 本計畫乃以拋光加工用撓性機械手作第一項目 標,逐步推動撓性機械手應用在自動化工業上. 由於撓性機械手面臨了非線性□時變和負載干 擾等問題,傳統控制所運用的線性化處理方法 難以發揮,因此我們嘗試整合一些非傳統方式 研製此系統,在量測方面,採用影像系統作非接 觸式量測研究;在控制方面,分別採用類神經網 路,模糊控制邏輯和可變結構控制同時進行研 究,以尋求較佳的結果;在機構規劃和設計上,採 用專家系統方式進行研究;在加工應用上,以實 驗手段分析受力干擾並研究受力干擾下的路徑 規劃問題.在研製工作上,以多微處理機方式建 立模組式結構,並分別以單自由度拋光加工和 多自由度拋光加工進行實驗工作,由於本計畫 以真正的工業難題測試一些極有潛力的非傳統 控制方法,研究結果不但可推動低成本之工業 機械手,更可推廣這些新方法至其他的自動化 研究上.本計畫是三年計畫的第二期,本期計畫 的具體目標是針對第一期計畫中建立的單自由 度撓性機械手,分別以不同方法對拋光加工作 實際施力控制並檢討實驗結果:同時並將研製 一套多自由度撓性機械手以配合未來第三期的 計畫. 
  • Thumbnail Image
    Item type:Item,
    以線上學習演算法學習順向式類神經網路控制器的輸出範圍並用於控制問題
    (1993)
    林昇甫 
    ;
    交通大學控制工程研究所 
    類神經網路已經廣泛地被當作控制器來控制非 線性系統.這種控制方法可藉由離線(Off-line)或線 上(On-line)之學習法則來達成(參考(1),(7),(8)).本計 畫將針對線上學習法則所設計出來的控制法則作 研究.在這些控制問題中,類神經網路控制器之輸 出信號必須有一最小之範圍限制,因為若控制器 的輸出大小被限制在一個更窄的範圍,則不能達 成控制或追蹤的目的.在實際應用上,因為系統有 一最大輸入範圍,所以類神經網路控制器之輸出 信號應該受限於系統之最大輸入範圍.當使用順 向式類神經網路(Feedforward Neural Network)當控制器 時,選擇S函數(Sigmoid Function)或線性函數為控制器 最後一層輸出之作用函數(Activation Function)時,均 不恰當(參考(12)).本計畫的研究方向即為探討此 類的問題,研究主題共有三項,分述如下:�我們改良順向式類神經網路的最後一層作用函 數,並應用Demetri(1)等人所提出之線上學習演算法 來找類神經網路控制器之正確輸出範圍,如此追 蹤之誤差會小於我們事先所設定的大小.更進一 步,我們也討論改良順向式類神經網路的最後一 層作用函數對控制器之學習所能帶來的好處.�因為使用(1)的線上學習演算法時,適用的系統 其型態是有所限制的.所以我們提出一個改良的 線上學習演算法,使得能達到如�所述之目標.如 此一來,能被控制的系統其型態比�所能適用的 系統型態更一般化. 
  • Thumbnail Image
    Item type:Item,
    加權連屬神經網路之研究
    (1993)
    張志永 
    ;
    交通大學控制工程研究所 
    類神經網路是最近很熱門的研究主題之一.從 內部結構來說,類神經網路是由許多彼此間相互 連接,且能夠同時運算的神經元所構成,有平行處 理的特性及學習的能力,應用層面相當廣泛(1,2). 在Hopfield類神經網路的模型中(3,4),可應用於解決最佳化,混合信號分離,線性規劃等(5).此外,Hopfield 亦提出可解決內容連屬記憶的問題(6-8),亦即由內 容資料去判定其為某種類的物體,簡言之,即有圖 樣歸屬與辨認的功能. 
  • Thumbnail Image
    Item type:Item,
    類神經網路影像檢索之研究---Web 2.0 影像及視訊檢索系統之建構(V)
    (2008)
    傅心家
    ;
    Fu Hsin-Chia
    ;
    國立交通大學資訊工程學系(所)
    由於數位影像技術的提升與大容量儲存媒介價格的下降，大量的影像及視訊資料的儲 存愈來愈普遍。隨著網際網路的普及通訊品質的提升，有愈來愈多的數位媒體資料， 如文字、影像、視訊等被存放於網際網路上。如何精確、有效且快速地從網路獲得想 要的資訊，已是網路搜尋服務亟欲解決的問題。本研究首先針對Corel 影像資料庫， 於94 年度研發建立了以Visual keyword 作為影像索引的影像搜尋引擎。初步實驗結 果顯示，利用Visual keyword 搜尋Corel 影像資料庫的命中率超過九成。隨後，將此 技術拓展於網際網路上的影像搜尋上，建立了由20 台影像伺服器所組成的分散式影像 檢索系統，搜尋的範圍擴展到45,000 張以上的Internet 或WWW 影像。初步的搜尋命 中率已達六成以上，每次查詢平均需時6 秒。本年度擬研究在目前以圖像Visual keyword 為基礎的檢索（VBIR）技術上，結合「圖像標誌檢索」（TBIR，tag based image retrieval）技術的網際網路搜尋引擎，完成一個能搜尋網際網路影像與視訊的檢索系 統。應用「圖像標誌檢索」技術需將圖像先加注標誌，本計劃將研發Web 2.0 的標誌 系統：由進入網頁的使用者來協助注釋的工作，不斷地對小部份的影像加上標誌，再 以機器學習的方式將大部分的影像自動的加上標誌。由於網路上的使用者興趣與喜好 會隨時改變，因此人工方式的標誌將由各地上網使用者不斷的協助進行，隨時隨地適 應網際網路上多變化的環境。因此「Web 2.0 影像標誌系統之建構」將為本年度（97） 研究計劃書所規劃之創新研究工作。系統研發目標是建立由50 台伺服器所組成的分散 式搜尋系統，將搜尋的範圍擴展到200,000 張以上的Internet 或www 影像，以及檢索 速度提昇到一次影像詢問（image query）平均的需時在1 秒內。
  • Thumbnail Image
    Item type:Item,
    結合語音與唇形識別技術研製互動式華語學習系統
    (2008)
    謝奇文
    ;
    Hsieh Chi-Wen
    ;
    國立交通大學電子物理學系(所)
    本計畫中，我們將研製以語音訊號與唇形影像做為互動式的華語學習系統。在語音 評分方面利用線性預估分析與倒頻譜分析分別來取出線性預估係數(LPC)、線頻譜對係 數(LSP)與梅爾倒頻譜參數(MFCC)三個參數來表示語音聲紋，此外，也取出基頻軌跡 (Pitch Contour)與能量曲線(Energy Curve)分別用來表示語音聲調與強度部分。而唇形影 像方面將利用區域成長、型態學、GRB 向量空間分割與橢圓曲線擬合等方法，來取出唇 形的高度與寬度當作影像參數。之後利用動態時間扭曲(DTW)演算方式算出標準語音與 其它語音在LPC、LSP、MFCC、Pitch Contour、Energy curve 的差異量並配合模糊理論 (Fuzzy Theory)、輻射半徑基底函數網路(RBFNN)與機率神經網路(PNN)來訂出一套判定 學習者學習程度的法則，同時我們也將學習者的唇形影像與標準唇形影像利用DTW 演 算方式求出兩者唇形在高度與寬度的差異程度，用來提醒使用者需改進的地方達到學習 互動上的最佳性。 在先期模擬結果中發現，3 種語音聲紋參數LPC、LSP、MFCC，以MFCC 來分辨 語音優劣的正確率約為84%為最佳。如果再加上Pitch Contour 與Energy Curve 則分辨語 音優劣的正確率將能明顯地再提升，其中以MFCC、Pitch Contour、Energy Curve 為參 數並利用DTW 配合PNN 的方式對語音優劣的程度的辨別為最佳，其正確率可達90%。 我們也利用了ROC Curve 對華語學習中唇形建議方法評估其可行性。
  • Thumbnail Image
    Item type:Item,
    金融機構對中小企業放款風險評估與信用評等整合模式及放款決策之研究
    (2008)
    唐麗英
    ;
    TONG LEE-ING
    ;
    國立交通大學工業工程與管理學系(所)
    信用評等是金融機構用以評量借款企業償債能力的重要依據。由於國內近年來倒帳 事件頻傳，導致銀行對中小企業逾放比居高不下，且「新巴塞爾資本協定」(New Basel Capital Accord)首度明文規定允許銀行使用內部信用評等方法來衡量借款企業之信用風 險，因此，金融機構建構一套有效的信用評等模型已迫在眉睫。目前中外文獻利用統計 方法(Statistical methods)、無母數方法(Nonparametric methods)以及類神經網路(Artificial Neural Networks)來探討此問題，這些方法所構建的模式中以類神經網路架構出的信用評 等模型分類正確率表現較其他方法建構出之模型為佳，但由於類神經網路的運算過程為 一黑盒子，且無法找出重要之解釋變數，使得類神經網路架構出之信用評等模型在實務 應用效果不佳。由於過去中外文獻大多是提供一套判別信用等級之模式，很少文獻提及 如何針對違約樣本之存活期大小(即借款者於發生違約前依約還款之期間長短)構建一套 存活期預估模式，以瞭解其可能發生違約之嚴重程度，這些文獻中有些假設不符合實務 狀況，亦或是需進行適配度檢定(Goodness of Fit Test)來驗證存活期資料是否服從某種分 配，使得文獻中所提之存活期預估模式不恰當或應用不易，因而導致放款機構決策者較 無法瞭解關於放款企業可能還款期長短及擔保品多寡的資訊。放款機構在建構出信用評 等模式之後，可依其放款對像做出多等級之判別，以增加其放款之彈性。然而如何決定 各等級之放款策略，使放款機構能在放款前決定借款者需提供多少擔保品或是應設定多 高之利率，則是放款機構在放款前須考慮之課題。此外，近年來由於企業倒閉違約事件 頻傳，銀行及放款機構之逾期放款比率更趨惡化，造成逾期後償還之比率逐年降低。因 此銀行或放款機構針對償還率逐年下降的問題，急需建立一套完善的違約後償還率評估 模式，以做為銀行製訂客戶違約後催討決策之依據，並降低違約後之損失。因此本計畫 欲建立一個信用評等與放款策略及催收策略之整合流程，本計畫共分三年完成，第一年 將利用羅吉斯迴歸以及類神經網路方法發展出一套複合式違約預測模型，此信用評等模 型首先建立羅吉斯迴歸模式(Logistic Regression)，然後再將羅吉斯迴歸模式的預測結果及事後機率作為後續的類神經網路的輸入變數，藉此來增加整體複合式模型的分類正確 率；此外，藉由使用羅吉斯迴歸來鑑別具有顯著影響的變數，可增加整體複合式模型的 模型解釋能力。接下來，利用自組性演算法構建一套存活期預估模式，然後再根據存活 期的長短作違約企業的等級劃分，建立出多等級之信用評等模型；本計畫第二年的工作 則是將每一個等級中的借款者的預估存活期以及財務及非財務變數，利用TOPSIS 法進 行決策分析以決定可使放款機構利潤最大或是借款者違約時損失最小之擔保品價值、借 款利率或契約期限的長度。本計畫第三年的工作則是利用本計畫綜合借款者特質、信用 評估項目、產業指標及總體經濟指標，納入利用分類決策樹及類神經方法之複合式模型 中，所建立之呆帳及結清組判別式，再利用複迴歸分析構建較現有文獻更合理的償還率 評估模式。最後，本計畫利用償還率預測值、風險暴險額、信用評估項目及總體經濟等 指標構建風險等級模式，作為放款機構催收決策之參考指標。本計畫將利用國內某金 融機構所提供近幾年借款企業之歷史資料驗證本計畫所發展之整合流程確實能 有效地判別借款企業之信用等級。
  • Thumbnail Image
    Item type:Item,
    延遲型方程的穩定性與分歧性分析
    (2008)
    石至文
    ;
    SHIH CHIH-WEN
    ;
    國立交通大學應用數學系(所)
    在生物、物理、工程系統中，延遲為一自然現象，故近年來仍持續地廣泛地受到重視。我們可從物理與工程等具代表性的期刊找出許多篇這方面的論文。另一方面，延遲型微分方程的數學研究至少已有40年的歷史。延遲微分方程的基本數學理論相當具有挑戰性，但也極富趣味。如延遲時間量與狀態有關之系統中，其解的存在性是最近才被研究出來的。基於過去幾年對類神經網路的研究經驗與興趣，我們計劃探討延遲性微分方程，與延遲性類神經網路，包括Hopfield neural networks with delays and cellular neural networks with delays。 我們有興趣的問題包括多平衡解(常態解)的存在性與穩定性分析、basins of attraction之估計、global behaviors、週期解-近週期解 (almost periodic)的存在性與穩定性、包含Hopf bifurcation 等之分歧現象、convergence of dynamics。各類型式的穩定性分析理論，包括linearization and characteristic roots，Lyapunov functions，Lyapunov functionals，direct estimations，oscillation analysis，也將是我們想要研究與發展的課題。以上若幹部份我們已得到一些成果。基於我們已有的研究成果與經驗，應該有相當不錯的機會在這些課題上有所進展。
  • Thumbnail Image
    Item type:Item,
    模擬退火參數偵測系統於物件偵測與震測圖形之應用(III)
    (2009)
    黃國源
    ;
    HUANG KOU-YUAN
    ;
    國立交通大學資訊工程學系(所)
    類神經網路的理論及應用之研究，近年來在國際上愈來愈重要，應用範圍也相當的廣泛。我們提出利用以機率為基礎的模擬退火演算法的圖形偵測系統，偵測直線、圓、橢圓、與雙曲線的圖型參數。不同於赫夫轉換類神經網路(Hough transform neural network)會受到收斂到區域最小值的影響，此一系統利用模擬退火演算法求得的圖型參數，會使得誤差為全域的最小值(最佳化)，因而能夠使得偵測的直線、圓、橢圓、與雙曲線的參數將更精確。在實驗上，此系統於影像中圖形偵測成功後，我們將應用於震測圖形中的直線的直接波與雙曲線的反射波的參數之偵測，其震測圖形包含模擬震測圖形與實際震測圖形，偵測後的結果將有助於震測訊號的解釋。在更進一步的應用上，有別於傳統的速度分析方法，我們將用於 Common Depth Point (CDP) gather 的 data 作雙曲線的參數偵測，由偵測到的參數，求出震波的 root-mean-squared 速度，再對震測圖作 normal moveout correction (NMO) 修正，及 stacking，得出stacked 後的震測資料，以反映地層的震波的垂直來回時間的震測圖形。
  • Thumbnail Image
    Item type:Item,
    類神經網路影像檢索之研究---數百萬頁影像檢索系統之建構(VII)
    (2010)
    傅心家
    ;
    Fu Hsin-Chia
    ;
    國立交通大學資訊工程學系（所）
    由於數位影像技術的提升與大容量儲存媒介價格的下降，大量的影像及視訊資料的儲存 愈來愈普遍。隨著網際網路的普及通訊品質的提升，有愈來愈多的數位媒體資料，如文 字、影像、視訊等被存放於網際網路上。如何精確、有效且快速地從網路獲得想要的資 訊，已是網路搜尋服務亟欲解決的問題。本長期研究計畫首先針對Corel 影像資料庫， 於94 年度研發建立了以Visual keyword 作為影像索引的影像搜尋引擎。初步實驗結果 顯示，利用Visual keyword 搜尋Corel 影像資料庫的命中率超過九成。隨後，95~97 年度研究計畫將此技術拓展於網際網路上的影像搜尋上，建立了由20 台影像伺服器所 組成的分散式影像檢索系統，搜尋的範圍擴展到200,000 張以上的Internet 或WWW 影 像。97 年度初步的研究的成果顯示檢索命中率已達六成以上，每次查詢平均需時1～5 秒。本計畫書擬規劃一個三年期的研究工作，希望能在已有的研究成果上只添加20~30 部PC，就能在相同時間（1～5 秒）內搜尋數 （2~5） 百萬張影像，提供使用者想要的 圖片（首頁20～30 張圖像達95％的正確率）。本三年期研究擬進行的工作項目：（1）第 一年完成一個新SOM 分群演算法，將用目前已收集到的二十萬張影像，來驗証分群演算 法的功效；（2）第二年將擴大收集WWW 影像到壹百萬張，實做分群演算法在一個含30 個PC 的分散式系統，來實測分群演算法的功效（包括分群需要的計算時間及所達到的 正確率）；(3）第三年將研發一個兩階層的分散式計算架構：（1）影像分群及（2）影像 檢索，來建構一個包含50 部PC 就能搜尋數百萬張影像的電腦系統。我們預期目標是在 1~5 秒內搜尋2～3 百萬張影像，達到整體有70%或首頁（前20～30 張）95%的正確率。
  • Thumbnail Image
    Item type:Item,
    應用智慧型演算法於地表地下最佳聯合營運模式之建立(III)
    (2010)
    張良正
    ;
    CHANG LIANG-CHENG
    ;
    國立交通大學土木工程學系（所）