數值建模計算與大數據分析
施因澤 副校長兼理學院院長/人工智慧碩士學程教授
- 應用徑向基底函數配點法(Radial Basis Function Collocation Method), 傅立葉sine級數(Fourier Sine series) 以及延續法解旋轉玻次愛因斯坦凝聚(Rotating Bose-Einstein condensation)問題。
- 醫療數據AI:與台中慈濟醫院、彰化基督教醫院合作,預測藥物副作用。
- 影像處理:對影像數值模型進行深入細緻的研究。建立偏微分方程式來作為影像處理的模式以便作為壓縮以及同步去雜訊的工具。Streamline法可以快速將雜訊流向低能量區域,與Streamline擴散有限元素方法相比,可以提高局部區塊的精度並壓縮影像所需的計算節點。
生成式智慧系統開發與應用
蔡鴻旭 資料科學與資訊計算研究所教授
本研究團隊成功研發出一個基於對比雙投影器(CBP)之非監督式自適應領域方法,可改善傳統方法的效能,被稱之CBPUDA ,主要提升其中的特徵分類器效能減少混淆特徵產生在分類及自適應領域過程中。此CBP設計不同於傳統對比雙投影方法,主要是可將一個輸入特徵投影至兩個不同特徵,有助於更能分類出特徵所屬類別,主要的雙投影方法設計是用生成式對抗網路來產出更精細的分類邊界,這些邊界使得分類的效能提升正確度。(此成果已投稿至 to IEEE Trans. on Neural Networks and Learning System)。
此技術有很顯著的潛力有更佳的分類效能用於自適應領域的分類問題,未來應可廣泛用於更多影像分類問題,提升分類效能。