<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.Neural network

Search Results

Now showing 1 - 10 of 50
  • Thumbnail Image
    Item type:Item,
    An Improved Style Transfer Approach for Videos
    (2018-01-01)
    Chang, Rong-Jie
    ;
    Chang, Chin-Chen
    ;
    Way, Der-Lor
    ;
    Shih, Zen -Chung
    ;
    資訊工程學系
    In this paper, we present an improved approach to transfer style for videos based on semantic segmentation. We segment foreground objects and background, and then apply different styles respectively. A fully convolutional neural network is used to perform semantic segmentation. We increase the reliability of the segmentation, and use the information of segmentation and the relationship between foreground objects and background to improve segmentation iteratively. We also use segmentation to improve optical flow, and apply different motion estimation methods between foreground objects and background. This improves the motion boundaries of optical flow, and solves the problems of incorrect and discontinuous segmentation caused by occlusion and shape deformation.
  • 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,
  • Thumbnail Image
    Item type:Item,
    神經網路之階層式研究---從應用理論模式到製作
    (1993)
    傅心家
    ;
    Fu Hsin-Chia
    ;
    交通大學資訊工程研究所
    近年來,由於類神經網路在各方面應用漸漸 地愈來愈廣受重視,因此依據一個較有系統,有 層次的方法來設計及製作類神經網路的是相當 重要的.本研究即是透過逐層設計(Hierarchical design)的方式,以階段性方式來設計製作適用的 類神經網路.在這個研究中,我們先擬定出一套 設計法流程,然後再根據此流程.進行設計□分 析□模擬□應用及製作等步驟.我們的目標是 希望根據這種逐層設計的流程,設計出一個多 用途類神經網路模式(Generic neural networks),並從 學理上□應用上對此設計出的類神經網路作較 完整的探討與分析,然後再延伸到此類神經網 路的應用與製作.整體而言,本研究不但具有學 術性的研究價值,也將具有實用性的研究內容.
  • Thumbnail Image
    Item type:Item,
    模糊K個最近鄰點法則於震測圖型識別之研究
    (1994)
    黃國源
    ;
    HUANG KOU-YUAN
    ;
    國立交通大學資訊科學研究所
    模糊K個最近鄰點法則(Fuzzy K nearest neighbors rule)是一個利用測試圖形(Testing pattern)的K個最 近鄰點所提供的對各分類(Class)所屬程度( Membership degree)訊息,而亦給予測試圖形對各分 類所屬程度的方法.它的優點在於較不受K值影 像,並提供了穩健的 (Robust)辨識能力.對於震測 資料(Seismic data)識別工作而言,震測描繪編輯( Seismic trace editing)與首先到達信號選取(First arrival picking)常常會因雜訊干優 (Disturbance)而嚴 重影像識別率.因此,我們需要一個能提供不受 信號對雜訊(Signal-to-noise)改變的影響,而擁有穩 健與可信賴辨識能力的程序與方法.本研究將 針對模糊K個最近鄰點法則在震測資料上的穩 健性識別,以及辨識率上作一深入研究.而為了 提升此識別法之運算效能,我們也將發展相對 應具有平行運算能力之神經網路 (Neural network) 架構與演算法.
  • Thumbnail Image
    Item type:Item,
    端銑智慧型混合控制(II)
    (1994)
    李安謙
    ;
    LEE AN-CHEN
    ;
    國立交通大學機械工程研究所
    本計畫是已核定的二年計畫之第二年計畫, 原始計畫擬結合:(1)模糊控制及(2)神經網路之 技巧,發展智慧型CNC控制器,藉神經網路自我學 習配合最佳化理論,以調整得最佳切削條件.當 切削開始前神經網路預測出一最佳化切削條件 ,利用此組切削條件切削後,神經網路線上學習 輸出輸入關係,並且辨識切削狀態,此時模糊控 制器利用模糊控制決策表線上控制進給率,控 制原則是使切削保證在穩定範圍內,即不產生顫振的先決條件下,且表面精度達到所設定之 值,進行最大效率之切削.本計畫第一年的研究 進度,已完成:(1)兩種神經網路的學習法則探討; (2)端銑刀切削行為的神經網路學習模擬,分析 比較其學習速度□收斂性□穩定性;(3)切削條 件最佳化法則探討;(4)最佳化神經網路平行化 模擬;(5)由模擬結果,作線上實驗驗證.本計畫第 二年的研究目標,在於利用第一年研究成果,在 實施端銑切削前,控制器有智慧地決定出一組 最佳的切削條件後進行穩定切削.但在真正切 削時,由於端銑屬於斷續切削,伴隨著週期性切 削力與撞擊過程,甚至由於心軸□夾具先天上 剛性不足,因此容易產生顫振.為了預防顫振的產生與抑制,利用模糊控制作顫振之智慧型控 制,以保持加工的品質.首先建立每齒進給率□ 軸向切深與徑向切深的穩定曲線圖,配合刀具 的振動與切削力的量測,製作模糊控制法則.此 處利用田口法(Taguchi method)作實驗計畫分析,找 到模糊變數的水準,列出直交表,實施矩陣實驗, 決定影響顫振的可控因子之最適水準,藉以修 正模糊變數的隸屬函數□模糊測度等,此法可 以改正傳統模糊控制隱藏了太多嘗試錯誤的缺 點.另外切削時若神經網路辨識的切削狀態變 化大於設定的值後,配合切削力的變化,模糊控 制的決策表重新設定,輸出量依照新的決策表 輸出.最後並把神經網路模糊控制平行化處理, 利用傳算器(Transputer)構成平行網路,作端銑線 上控制實驗,並分析此神經網路模糊控制之穩 健性.
  • Thumbnail Image
    Item type:Item,
    類神經網路用於交換機維運支援系統辨認技術之研究與雛型發展
    (1994)
    傅心家
    ;
    Fu Hsin-Chia
    ;
    國立交通大學資訊工程學系
    本計畫的目的在於研究應用以類神經網路 來建置交換機維運支援系統(SOSS)中,自動診斷 功能(ADF)模組,以提供維護人員在排除交換機系 統硬體障礙時所需的建議.研究主題包括:(1)類 神經網路診斷偵錯系統模式的評估及研究;(2) 交換機系統障礙診斷報告資料分析及資料表示 法(Data representation)之研究;(3)建立提供維護人 員操作的輸入指令整合及輸出信息整合的展示 系統雛型;(4)以類神經網路方式整合不同機型的交換機維運支援系統中自動診斷功能可行性 之評估分析之研究.本計畫預期成果有:(1)提出 最適合的類神經網路診斷偵錯系統模式;(2)提 出對交換系統障礙診斷報告資料具一致性且合 理的分析法則及統一的數據格式(Data format);(3) 提供維護人員操作的雛型展示系統.本計畫並 能提供以下的具體效益:(1)培養及訓練參與人 員熟悉類神經網路辨識技術;(2)使類神經網路 在學術上研究有進一步發展;(3)精簡交換機維 護工作上的人力和時間;(4)奠定類神經網路技 術應用於電信事業其它相關研究的基礎.
  • Thumbnail Image
    Item type:Item,
    以類神經網路作手寫中文字辨識
    (1994)
    蔡文祥
    ;
    國立交通大學資訊科學研究所
    文字辨識一向是圖形識別領域中相當重要 的研究項目,也是一種合乎人類習慣的文字輸 入方式.中國文字結構複雜□字數繁多,鍵盤輸 入的困難造成了中文資訊化的重大障礙.因此, 智慧型的中文字輸入技術將是促進我國資訊應 用普及的重要關鍵,而中文字辨認正是其中重 要的一環.應用類神經網路來做中文手寫字的 辨認根據以往經驗看來是一條可行的路.本計 畫擬考慮以下方法:(1)以類神經網路□統計理 論等混合方法,改良上期計畫的辨識系統;(2)建 立階層結構的大分類系統,提升學習速度以及 容錯率;(3)提升系統的自動學習力;(4)以萃取部 首的方式做大分類,增加辨識字數;(5)以影像處理的技術,改進上期計畫中細線化模組□筆劃 萃取模組的能力;(6)改進上期計畫所提的遞迴 比對網路,提升細部辨識的能力.本計畫將對以 上各方法做適當的實驗及評估,希望找出最適 用於手寫中文字辨認的技巧,作為日後實際應 用的基礎.
  • Thumbnail Image
    Item type:Item,
    應用類神經網路於無人搬運車指派法則之研究
    (1995)
    李慶恩
    ;
    國立交通大學工業工程研究所
    對於自動化生產系統而言,物料搬運系統能 否有效率的執行對於系統之績效有很大的影響 .基於彈性、安裝容易和可移動性等優點,無人 搬運車適用於大部分的製造環境,而逐漸成為 重要的現代化搬運工具.目前無人搬運車的控 制多半依據指派法則所設定的優先次序來決定 無人搬運車的途程,但由於生產作業的要求與 系統狀況的變異性極大,無人搬運車的指派結 果是否能隨著系統條件的改變而彈性地加以調 整,便成為影響系統績效的重要關鍵.本計畫將 以投標系統作為無人搬運車指派之控制基礎. 在投標系統運作下,使無人搬運車之指派能考 量更多因素,根據不同系統狀況,以不同之權重組合彈性調配指派法則,以期使無人搬運車的 控制能針對系統的變異隨時作迅速反應.雖然 過去的文獻指出混合指派法則下權重之選擇將 直接影響到系統之績效,然而卻一直沒有研究 能針對最佳權重之組合作系統性探討.因此,本 計畫希望以類神經網路的方法結合投標系統控 制架構,探討無人搬運車彈性指派邏輯下最佳 權重之組合.
  • Thumbnail Image
    Item type:Item,
    模糊神經網路專家系統之研製
    (1995)
    傅心家
    ;
    Fu Hsin-Chia
    ;
    國立交通大學資訊工程學系
    近年來,將神經網路與模糊系統結合的研究 正蓬勃展開.這些研究的主要目的是希望擷取 神經網路平行處理、容錯、可學習等優點與模 糊系統具人類推理風格、可使用自然語言描敘 等優點.本計畫第一年中,我們將探討如何建構 一模糊神經網路專家系統,來學習模糊邏輯規 則系統中蘊含的知識,包括:模糊規則、模糊集 合的隸屬函數及模糊運算元的參數.我們計畫 設計一混合式的學習法則,融合Backpropagation型與Competitive型學習法則的優點,以達到精確且快 速的學習.此模糊神經網路專家系統之應用範 圍,是作模糊邏輯推理.希望藉由使用者設定的 語言變數及語言值,自動建構網路中之點及連 線.再由使用者提供的學習樣本,學習出此推理 系統蘊含的知識.第二年的工作中,我們預計完 成單層推理模糊神經網路專家系統的理論設計 、模擬及應用實例.而後,第三年再將之擴充至 多層推理的理論設計、模擬及應用實例,同時 將與另兩項子計畫進行整合工作.