<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

End date: 2009Subject: search.filters.subject.類神經網路

Search Results

Now showing 1 - 10 of 111
  • 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---網格計算影像與視訊資料檢索系統之建構(IV)
    (2007)
    傅心家
    ;
    Fu Hsin-Chia
    ;
    國立交通大學資訊工程學系(所)
    隨著數位影像技術的提升、大容量儲存媒介價格的下降與網際網路的普及，有愈 來愈多的數位資料，如文字、影像、視訊等被存放於網際網路上。如何有效且快速準 確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。本實驗室首先針對 Corel 影像資料庫，於前年研發建立了以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 的搜尋命中率超過九成。隨後，本實驗 室將此技術拓展於網際網路上的影像搜尋上，建立了由5 台影像伺服器所組成，搜尋 的範圍在15000 張以上Internet 或www的影像的分散式影像搜尋系統。初步的搜尋命 中率已達六成以上。本年度將延伸前三年所完成之影像搜尋引擎的技術，研究開發出 以視訊內容為基礎的網際網路視訊搜尋引擎，完成一個能在網際網路上搜尋影像與視 訊的系統。本計畫將根據所提的Visual keyword 概念，研發利用Visual keyword 來描述 視訊上特徵的技術，期望可以在視訊檢索研究上，發堀有效的視訊索引。同時，為了 研究分析所提之索引技術在上線使用者及搜尋標的資料的快速增加下之可行性，並找 出可能發生問題的解決方案，目前規劃擴建一個包含50 台伺服器，儲存十五萬張以上 影像的分散式搜尋系統。基於網格(Grid)的資源分享與網格的無縫(seamless)存取服務的 特性，本計畫準備建構一個以網格為基礎的分散式影像與視訊搜尋引擎，預期將可有 效的減少重複的運算負載並動態平衡網格的資源，進而提升系統的搜尋速度，以達到 在可接受的時間內快速找到使用者所要找尋的影像或視訊。
  • Thumbnail Image
    Item type:Item,
    應用智慧型雙眼機器人於物體運動偵測、預測與狀態描述之研究(I)
    (2008)
    陳永平
    ;
    CHEN YON-PING
    ;
    國立交通大學電機與控制工程學系(所)
    本計劃嘗試開發智慧型雙眼機器人(eyeRobot)，以視覺為基礎執行物體運動偵測、預測與狀態描述，展開為期兩年的研究。目前計畫主持人已經開發了影像處理技術、學習與灰預測法則、影像與控制硬體實現技術、雙眼機器人，分別如下所示： 1. 仿人類眼球運動機器人機構設計。 2. 影像縫合技術。 3. 應用於無背景限制下三維建模之物體萃取演算法。 4. 演化策略為基礎的學習控制系統。 5. 以灰預測設計離散型順滑模態控制器。 6. 以CAM為基礎之樣式累加向量法在車牌字元辨識系統之應用 7. 以DSP為基礎實現馬達控制。 由於影像的技術需要大量的數學運算時間，因此本計劃改以類神經網路為主要架構，讓eyeRobot利用學習及灰預測的智慧型法則，學習疊合雙眼影像並建構立體視知覺，此外也將控制技術直接實現於數位訊號處理器上。本計劃預計兩年內可達成以下之目標： 第一年：以類神經網路為基礎，學習雙眼影像疊合技術與建構立體視知覺，以偵測物體。 第二年：以類神經網路學習以及灰預測智慧型法則為基礎，預測及描述物體運動狀態，提供物體間在空間與時間上的相對關係，並以數位訊號處理器實現控制技術，以追蹤運動物體。 完成以上目標之eyeRobot將可應用於各類型的監控系統，主動提供監控地點的物體運動狀態。
  • 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,
    智慧型多媒體資訊處理系統的研究(II)
    (2000)
    傅心家
    ;
    Fu Hsin-Chia
    ;
    交通大學資訊工程系
  • 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,
    發展適用於交叉耦合預補償法之類神經模糊控制器
    (2000)
    秦繼華
    ;
    CHIN JIH-HUA
    ;
    交通大學機械工程系