能力培養

(Individual Ability)

本實驗室在培養資料科學家,能力可分為下列四種面向

1.領域知識轉移及專家互動

2.客戶溝通與分析視覺化呈現

3.資訊能力與大數據處理

4.數理統計(線性代數、工程機率)

 
 
 

*AI創新研究中心專案*

計畫名稱: 群體人工智慧之合作式定位, 地理知識與終端輪廓學習, 及感知互動技術之研究

 

本計畫為整合型群體人工智慧計畫中之一。與一般人工智慧不同,群體方式將運算從中央移至終端,使學習變的更為個人與保護隱私。本計畫聚焦於在有限資源中,群體人工智慧之合作式定位,地理知識與終端輪廓學習,及感知互動技術之研究。

因位置資訊之強烈屬地性質,適合用來開發臺灣的高附加價值技術,本計畫首先研究於基於無線電波的合作式定位技術。除傳統的時空間特性,我們將進一步考慮如何因應無線電法規的更新。網路頻譜的規範每隔數年便會發生。舉例而言,臺灣2G與3G的頻譜執照將確定於今年與明年到期,而5G的時代也在可預見的未來發生。
屆時目前已有的定位技術需要重新蒐集新規範的無線電訊號嗎?過去蒐集的訊號將
變成無用的垃圾嗎?想像當圍棋的競賽規則改變,AlphaGo將如何面對?本計畫將會研究能夠處理時間-空間-法規的模型調適技術,使無線定位在面對次世代網路的更迭時,能夠自動進行領域轉換與資料融合。具體而言,透過物理環境的重建,來達成新舊世代電信技術的合作。從大量老舊資料淘金,小量年輕資料補償,領域轉換與多元特徵融合的合作將使定位更有智慧與彈性面對時空間法規不停的異動。本計畫也將研究能保障隱私的離線定位模式,設計資料下載的優化技術與策略。
其次,本計畫將研究地理知識視覺化以及終端輪廓學習的技術。終端輪廓分為動態與靜態,前者包含移動軌跡,交通模式,及即時環境資訊,而後者則包含年齡,性別,與其他歷史屬性。我們將從巨量網宇實體數據對動態與靜態之終端同步進行輪廓側寫。接著,搭配地理知識視覺化技術,特殊事件的建立,及興趣熱點,我們可設計資料導向的地理行政區,並對群體與終端的行動模式與移動軌跡進行更高層次的理解與翻譯。本計畫也將研究感知場域中的互動技術。透過額外佈建的封包觀測,能夠解譯指定場域中的人潮停留時間與裝置識別,對個別與群體移動模式能更完整的解讀。
最後,本計畫開發的技術希望能夠推廣群體人工智慧之客製化應用。我們將協助協助產業伙伴「勝義科技」提升原有的適地應用服務,開發精準的個人定向廣告與客製化群體廣告投放策略。我們將協助產業夥伴「均一教育平台」提升用戶程度辨認能力,並視覺化分析線上教育資源之地理分佈。

我們將協助大學校園善用位置智慧,透過整合網宇(教學總務)與實體環境(位置)的數據分析並將群體的互動關係納入考量,使群體(教職員生與店家)學習後產生有共鳴的正向互動,並能在不同學校間實踐轉移學習。

 

心電圖訊號分析

(ECG signal analysis)

醫學研究指出長時間心電圖(Electrocardiography, EEG)記錄對於偵測慢性心血管系統相關疾病有其重要性亦為現階段臨床上的缺口;然而,多天期記錄所衍生之大數據量處理是目前面臨之難題。大數據量的產生將使得資料庫管理資源的上升,醫學訊號的後分析(post-processing)最後皆須經具醫學相關訓練人員判讀並由醫師簽核,醫療人力成本將大幅提高。因此,本案欲開發機器學習(Machine Learning)演算法架構,透過如深度學習(Deep Learning)、類神經網路(Artificial Neural Network)或基因演算法(Gene Algorithm)等架構以智能化的學習機制達到自動化處理所蒐集到大量的心電訊號,達到有效的降低人力與醫療成本之目的。

室內定位

(Indoor Positioning)

本實驗室長期以室內定位演算法為主要研究方向,在不同實驗場域中透過無線電波對使用者進行定位。在學理創新部分之重要突破包含提升定位精確度,提升強健性,保護使用者隱私,降低耗電量,與跨電信業者合作之多種面向,近來,更致力於研究無裝置定位系統,提升室內定位的便利性。針對上述議題之學術論文均發表在電機領域公認之頂尖國際期刊,引用次數近1000次(Google Scholar),其中有2篇超過100次。在產業合作方面,本實驗室協助工研院建置台積電之定位系統,提出的關鍵定位技術已共同申請多國專利。我們參與元智老人中心之跨領域計畫,引用室內定位至照護機構,也替鴻海集團之雲計算事業群評估應用於產線之人員追蹤。

 

2017 IPIN室內定位競賽 :

在學術競賽方面,於2017年獲得全球定位競賽 IPIN 2017 全球第三名。比賽內容為使用主辦方所提供手機的多種感測器資料,以及無線電波訊號來進行室內定位。本實驗室參賽團隊結合機器學習的概念與傳統運算公式進行定位,最後比較各個參賽團隊的定位準確度來進行評分。

 

 

行動運算

(Mobile Computing)

此研究領域為透過智慧型手機內建的各式感測器,如加速器,陀螺儀,無線電射頻接收器,以及麥克風等。進行大量的紀錄與分析。利用收集到的各式感測記錄,替使用者進行側寫,並激發出普及服務。本實驗室研究行動計算環境及其衍生資料科學議題,並以Android為基礎開發行動環境下的實際應用為目標。本實驗室參與亞東紀念醫院合作計畫,開發具跌倒偵測的手機平台,警報異常事件。

 

 

2016 BigMM競賽 : 

HTC與當今熱門議題-IoT結合應用,舉辦2016 BigMM競賽。競賽內容為分析大量手機感測器,藉以預測手機使用者的交通模式。本實驗室的參賽團隊結合了大數據與機器學習的概念,同時考慮模型的運算速度以及正確率後,訓練出交通模式分類模型。比賽獲得全球第三名。

生醫訊號分析

(Biomedical Signal Analysis)

本實驗室近期加入生醫訊號分析的領域,與亞東紀念醫院合作進行。利用機器學習對人的嗓音進行分類,藉此達到透過機器分辨病例的目的。利用亞東紀念醫院提供給本實驗室的病例資料結合深層神經網路進行模型創建,然後透過測試資料來測試模型分類的正確率。在應用層面上,可先透過建立好的模型對病人進行病例分析,依照病人的病例可以給予遠距離建議與保養,遠端操作、記錄病況,縮短醫師判斷病灶,有效降低侵入式檢查。也可以省去交通時間與金錢。

機器學習

(Machine Learning)

基於機器學習的理論,我們可從過去的資料或經驗當中,萃取出感興趣的部份。此理論包含監督與非監督式學習,特徵抽取,樣型識別等技術。作法上,可藉由訓練資料建立一個數學模型來學習與調整模型參數。當資料數量與訓練誤差收斂到一定程度後,此模型可用來做預測,分類,與回歸等各式應用。此研究領域為室內定位與行動運算之核心理論基礎。本實驗室目前已建立氣候監測平台分析氣候資料,也同時參與本校大數據與匯流中心之智慧電網與生醫感測團隊,以機器學習技術對 多樣性的大數據進行分析與挖掘。

無線網路

(Wireless Networking)

此領域研究無線網路中的各層技術,包含實體,協定,與應用層。本實驗室主要據焦於應用層,其中一個研究方向是綠色交通。因持續的無線傳輸非常耗費資源,我們將設計電動機車的傳輸機制,探討不同的策略用來降低傳輸的能耗,或增進能量的使用效率。此為參與資策會之產業創新計畫,未來將以本校電動機車為實驗場域。另外一個研究方向是評估無線網路之時空間狀態,當網路品質不好時,可導航使用者至建議位置。在此領域中,本實驗室的合作對象為師大電機王嘉斌及元智電機郭文興教授。

 

數位訊號處理

(Digital Signal Processing)

在數位訊號處理中,本實驗室主要據焦於聲學訊號,其中一個研究方向為聲學雜訊與回音消除。針對此議題,我們已提出一個應用先驗知識之適應濾波器技術。此技術已被接受發表於頂尖國際期刊,並同時申請台灣與美國專利。在產業合作方面,本實驗室與麥威電子合作,設計適用於語音辨認之強健麥克風,並獲國科會小產學補助。目前我們據焦於聲學訊號的各式應用,包含聲音地圖,訊號分離與基於聲學訊號之追蹤。在此領域中,本實驗室的合作對象為中研院資創中心曹昱,宜蘭電機錢膺仁及清大電機洪樂文教授。