<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

Subject: search.filters.subject.Neural network

Search Results

Now showing 1 - 10 of 83
  • 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,
    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,
    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
  • Thumbnail Image
    Item type:Item,
    應用類神經網路和基因演算法求解最佳參數設計
    (2000)
    蘇朝墩
    ;
    SU CHAO-TON
    ;
    交通大學工業工程與管理系
  • Thumbnail Image
    Item type:Item,
    應用類神經網路之組合系統於腦病變源之定位分析
    (2000)
    羅佩禎
    ;
    LO PEI-CHEN
    ;
    交通大學電機與控制工程系
  • Thumbnail Image
    Item type:Item,
  • Thumbnail Image
    Item type:Item,
    類神經網路於震測圖型的強健性之辨認
    (2000)
    黃國源
    ;
    HUANG KOU-YUAN
    ;
    交通大學資訊科學研究所
  • 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,
    類神經網路於震測重覆反射壓制之研究
    (2001)
    黃國源
    ;
    HUANG KOU-YUAN
    ;
    國立交通大學資訊科學學系