2020年 1月 30日 Thu 
累積人次:0001516 

最新消息 (news)
活動列表 (program)
緣起 (origin)
現階段目標 (current goal)
可能合作對象
(possible cooperators)
目前成員
(current research mates)
運作方式 (operation)
機器學習與演化計算簡介
(introduction to machine learning and evolutionary computation)
現階段主要研究方向
(current research directions)
目前正進行之研究計畫
(current research projects)
與我們聯絡 (contact us)
歷史公告
(historical bulletin)
古典控制工具箱
(classical control toolbox)
支撐向量機工具箱
(support vector machine toolbox)
實用R程式設計
(Practical R Programming)
實用Python程式設計
(Practical Python Programming)
Lead-lag compensator
design toolbox based on step
response using particle swarm
optimization
Lead-lag compensator
design toolbox based on step
response using cuckoo search
Lead-lag compensator
design toolbox based on Vector
Margin using particle swarm
optimization
Lead-lag compensator
design toolbox based on Vector
Margin using cuckoo search
Pathways to Machine Learning and Soft Computing
實用深度學習
(Practical Deep Learning)

現階段主要研究方向:

一、研發新的學習機

  過去發展較為成功之學習機包括類神經網路、廣義徑幅函數網路、模糊神經網路、支撐向量分類器、及支撐向量回歸器等。這些學習機都屬於非參數化之回歸模型。過去幾年中,我們結合了統計回歸理論,尤其是半參數化回歸理論 (semiparametric regression theory),陸續研發了一些新的學習機,其中包括:

Maximum Likelihood Neural Network (MLNN)
Single Index Neural Network (SINN)
Additive Artificial Neural Network (AANN)
Generalized Additive Neural Network (GANN)
LTS-Neural Network (LTSNN)
M-Neural Network (MNN)
Wilcoxon Neural Network (WNN)

這些新的學習機可適用於不同型態的資料上。十分歡迎有興趣的教授及研究生們來共同研究這些新的學習機。

二、各種學習機之統計特性分析

  各種機器學習問題基本上都是一些非線性回歸問題,因此如何適當地應用非線性回歸理論之技巧來分析各種學習機之統計特性是非常有趣且具挑戰性之研究課題。比方說各種統計量 (statistic) 之抽樣分布 (sampling distribution) 為何?如何有效地從事統計推論 (statistical inference),包括信賴區間 (confidence interval) 之計算及如何執行假設檢定 (hypothesis testing)?如何從事模型診斷 (model diagnostic checking)?如何應用靴環法或自助法 (bootstrap methods) 於各種機器學習問題上。目前我們在這個研究方向沒有任何動靜,主要原因是我們幾位統計根基不夠深厚。我們期待本校具深厚統計背景之教授們來共襄盛舉,有許多非常有趣且具挑戰性之研究課題等待我們一一去克服。

三、機器學習與演化計算之應用

  機器學習與演化計算之應用極廣,事實上本校有些教授在這方面已有一些研究成果之發表。我們基於原先之學術背景,應用方面目前侷限於碎形影像壓縮 (Fractal Image Compression, FIC)、影像補繪 (image inpainting)、細胞神經網路 (Cellular Neural Network, CNN) 之模版設計 (template design)、電力負載預測 (power load forecasting)、智慧型控制 (intelligent control)、及濾波器設計 (filter design) 等領域。我們相信由各位的加入可以大大地擴展應用領域之版圖。





義守大學機器學習與演化計算研究群
Designed by cutemark 2009.1