[2017-02-21]Operating System

• 更新日: 2017-02-27
• 類型: 105學年度 作業系統

[2017-03-07]Operating System

• 更新日: 2017-03-14
• 類型: 105學年度 作業系統

[2017-03-14]Operating System

• 更新日: 2017-03-22
• 類型: 105學年度 作業系統

[2017-03-21]Operating System

• 更新日: 2017-03-27
• 類型: 105學年度 作業系統

[2017-03-28]Operating System

• 更新日: 2017-04-10
• 類型: 105學年度 作業系統

[2017-04-11]Operating System

(學生)溫柏叡 : 在此提醒 我上字幕的時候沒有發現 老師投影片寫2.3 然後講3.3開始 所以是2.3開始喔各位

• 更新日: 2017-04-17
• 類型: 105學年度 作業系統

[2017-04-18]Operating System

• 更新日: 2017-04-25
• 類型: 105學年度 作業系統

[2017-04-25]Operating System

• 更新日: 2017-05-02
• 類型: 105學年度 作業系統

[2017-05-02]Operating System

• 更新日: 2017-05-10
• 類型: 105學年度 作業系統

[2017-05-09]Operating System

• 更新日: 2017-05-14
• 類型: 105學年度 作業系統

[2017-05-16]Operating System

• 更新日: 2017-05-23
• 類型: 105學年度 作業系統

[2017-05-23]Operating System

• 更新日: 2017-06-04
• 類型: 105學年度 作業系統

[2017-06-06]Operating System

• 更新日: 2017-06-14
• 類型: 105學年度 作業系統

[2017-06-13]Operating System

• 更新日: 2017-06-19
• 類型: 105學年度 作業系統

Close Window

[2018-03-02]Operating System

• 更新日: 2018-03-07
• 類型: 106學年度 作業系統

[2018-03-09] Operating System

請在右下角開啟字幕

• 更新日: 2018-03-13
• 類型: 106學年度 作業系統

[2018-03-15] Operating System

請在右下角開啟字幕

• 更新日: 2018-03-18
• 類型: 106學年度 作業系統

[2018-03-22] Operating System

請在右下角開啟字幕

• 更新日: 2018-03-27
• 類型: 106學年度 作業系統

[2018-03-29] Operating System

請在右下角開啟字幕

• 更新日: 2018-04-11
• 類型: 106學年度 作業系統

[2018-04-12] Operating System

請在右下角開啟字幕

• 更新日: 2018-04-18
• 類型: 106學年度 作業系統

[2018-04-19] Operating System

請在右下角開啟字幕

• 更新日: 2018-04-25
• 類型: 106學年度 作業系統

[2018-04-26] Operating System

請在右下角開啟字幕

• 更新日: 2018-05-01
• 類型: 106學年度 作業系統

[2018-05-03] Operating System

請在右下角開啟字幕 P.s 後面因為記憶體不足，沒錄製完整，如同學對於沒錄製到的部分複習，可以觀看前一學期的影集 謝謝

• 更新日: 2018-05-01
• 類型: 106學年度 作業系統

[2018-05-10] Operating System

請在右下角開啟字幕

• 更新日: 2018-05-15
• 類型: 106學年度 作業系統

[2018-05-17] Operating System

請在右下角開啟字幕

• 更新日: 2018-05-22
• 類型: 106學年度 作業系統

[2018-05-24] Operating System

請在右下角開啟字幕

• 更新日: 2018-06-07
• 類型: 106學年度 作業系統

[2018-05-31] Operating System

請在右下角開啟字幕

• 更新日: 2018-06-07
• 類型: 106學年度 作業系統

[2018-06-07] Operating System

請在右下角開啟字幕

• 更新日: 2018-06-07
• 類型: 106學年度 作業系統

[2018-06-14] Operating System

感謝字幕組：王咸竣、郭俊男、Joe Helios P.s 第二節後段( 約45分52秒 ) 一直到第二節下課，因記憶體不足，沒錄製完整，如同學對於沒錄製到的部分複習，可以觀看前一學期的影集 謝謝

• 更新日: 2018-06-22
• 類型: 106學年度 作業系統

[2018-06-21] Operating System

字幕製作中 先行上傳影片提供各位同學為小考複習

• 更新日: 2018-06-22
• 類型: 106學年度 作業系統

Close Window

[2019-02-21] Operating System

• 更新日: 2019-02-21
• 類型: 107學年度 作業系統

[2019-03-07] Operating System

• 更新日: 2019-03-07
• 類型: 107學年度 作業系統

[2019-03-14] Operating System

• 更新日: 2019-03-14
• 類型: 107學年度 作業系統

[2019-03-21] Operating System

• 更新日: 2019-03-21
• 類型: 107學年度 作業系統

[2019-03-28] Operating System

• 更新日: 2019-03-28
• 類型: 107學年度 作業系統

[2019-04-11] Operating System

• 更新日: 2019-04-11
• 類型: 107學年度 作業系統

[2019-04-18] Operating System

• 更新日: 2019-04-18
• 類型: 107學年度 作業系統

[2019-04-25] Operating System

• 更新日: 2019-04-25
• 類型: 107學年度 作業系統

[2019-05-02] Operating System

• 更新日: 2019-05-02
• 類型: 107學年度 作業系統

[2019-05-09] Operating System

• 更新日: 2019-05-09
• 類型: 107學年度 作業系統

[2019-05-16] Operating System

• 更新日: 2019-05-16
• 類型: 107學年度 作業系統

[2019-05-23] Operating System

• 更新日: 2019-05-23
• 類型: 107學年度 作業系統

[2019-05-30] Operating System

• 更新日: 2019-05-30
• 類型: 107學年度 作業系統

[2019-06-4] Operating System(當天錄影機故障請看其他學期影片)

• 更新日: 2019-06-04
• 類型: 107學年度 作業系統

[2019-06-13] Operating System

• 更新日: 2019-06-13
• 類型: 107學年度 作業系統

Close Window

多媒體資料庫介紹影片

• 更新日: 2017-01-23
• 類型: 關於我們

【新生說明會】MDB實驗室介紹

• 更新日: 2017-04-15
• 類型: 關於我們

Close Window

Project Name

Project Name

Project Name

Project Name

Project Name

Close Project

使用生成對抗網路生成具有音樂節拍的舞蹈

摘要

當聽到一段音樂時，身體會跟著節奏律動，是人們對於音樂的情感表現。但是舞蹈的呈現與音樂的相關性，例如:節拍、連續性、多樣化的動作，往往需要專業舞者依靠多年的經驗編舞。近年來人工智慧用於自動編舞是一項具有挑戰性的任務，在本文中我們以音樂與舞蹈的共通語言節拍作為單位，提出了FPS(Frames Per Second)的概念生成舞蹈。首先我們收集了來自網路上專業舞者跳舞的影片並經過音樂特徵分析與骨架提取後分離出每組動作對應的每段音樂作為輸入，訓練我們基於生成對抗網路設計的機器學習模型。實驗結果表明透過FPS概念訓練的網路可以生成連續並與節拍匹配的舞蹈，此外我們還提出適用於FPS概念的生成對抗網路評估指標，來評估機器學習模型是否可以於不同節拍的音樂中生成對應音樂節拍的舞蹈動作，以及多樣化的舞蹈。

關鍵字：機器學習,音樂舞蹈生成,生成對抗網路

• 更新日: 2020-06-14
• 作者: 劉威德
• 類型: 深度學習

Close Project

以旋律情緒為基礎自動生成中文歌詞

摘要

自然語言處理使計算機能夠理解人類的自然語言並協助人類執行許多任務。近年來，自然語言處理的研究逐漸向自然語言生成領域發展，而歌詞生成正是這些研究領域的方向之一。在過去的研究中，歌詞的生成往往以種子字或提示詞的方式生成歌詞，但這種生成方式卻忽略了音樂甚至是其中蘊含的情緒與歌詞之間的關係。本文提出了一種基於音符和旋律情緒的中文歌詞生成系統。在第一階段，訓練支持向量回歸模型（SVR）預測旋律的情緒。在第二階段，則以音符、旋律的情緒及歌詞輸入至序列對序列模型（Seq2Seq）進行訓練。最後，我們進行實驗並評估檢測到的旋律情緒和生成的歌詞。實驗結果表明，系統能生成流暢的歌詞，且句子之間具有語意的關聯。

關鍵字：歌詞生成、自然語言處理、旋律情緒預測、序列對序列模型

資料集!

• 更新日: 2020-01-14
• 作者: 游凱丞
• 類型: 深度學習

Close Project

使用深度學習技巧敘述影片情節

摘要

計算機視覺和自然語言處理的結合仍然是一個非常具有挑戰性的問題。相較於過去的研究，大多數僅專注於為影片生成單一個句子的模型，但是我們認為描述更長的影片是一個重要的應用。在本篇論文中，我們提出了一種影片情節描述系統，該系統考慮了影片類型以生成多個句子。首先，分析影片的語義和類型。接著，還分析影片的文本描述。然後，通過深度學習選擇相關的語義特徵並將其轉換為相應的語句作為描述。在實驗中，我們根據四個評估指標來比較生成描述的結果。結果證明我們的方法是可與最新方法相比擬。

關鍵字：深度學習,自然語言處理,視頻描述,多標籤分類

• 更新日: 2020-01-14
• 作者: 施莉萍
• 類型: 深度學習

Close Project

用深度學習技巧轉化情感陳述

摘要

自然語言處理是計算機科學領域與人工智能領域中的一個重要方向，它可以幫助人類執行很多任務，像是信息檢索、問答系統、自動摘要、文本分類、機器翻譯等。據我們所知，目前在自然語言處理領域中並沒有在維持原先陳述語意的狀況下將負面情感陳述轉成正面情感陳述的應用。我們認為這個應用是很重要的，因為可以幫助人跟人之間更好溝通。在本篇論文中我們提出負面情感陳述轉正面情感陳述的概念和實作方法。在第一階段，我們建立適用於情感翻譯模型的資料集。在第二階段，使用深度學習技術訓練情感翻譯模型。在實驗中我們分別使用Perplexity、BLEU以及人類評估的方式來評估我們的模型。我們還嘗試對資料集做不同變化去訓練模型並分析實驗結果。最後，我們認為如果建構符合此應用的資料集並且開發更強大的模型，那麼翻譯情感語句之應用是可行的。

關鍵字：深度學習、自然語言處理、文字探勘、語義學

• 更新日: 2019-06-24
• 作者: 李翊豪
• 類型: 深度學習

Close Project

基於圖形處理單元的平行化自我適應和弦搜尋演算法

摘要

近年來，為了減少執行時間，已經有許多提出在GPU上運行的一些進化演算法使用統一計算架構（即，CUDA）。在這些進化演算法中，他們將GPU版本的執行時間和準確度與CPU版本的執行時間和準確度進行了比較。本研究中，我們將自我適應和弦搜尋演算法平行化，並與現有的進化演算法在同一個GPU平台上進行比較。該提出演算法分為四個步驟：初始化，即興創作，排序和更新。在實驗中，我們使用八個眾所周知的最佳化問題來評估所提出的演算法和其他現有的演算法。在實驗結果上，所有單目標優化問題的演算法中我們的演算法在更多維度或人口數具有最佳的性能。

關鍵字：進化演算法、統一計算架構、自我適應和弦搜尋演算法、平行化演算法、最佳化問題

• 更新日: 2019-01-14
• 作者: 周孫禾
• 類型: 演算法

Close Project

使用自我適應和弦搜尋演算法以最佳化卷積神經網路架構

摘要

近年來，GPU的進步進而帶動了神經網絡和深度學習的發展。然而，人們很難找到一個好的CNN架構。過去人們不得不手動尋找CNN架構，這是非常耗時且耗力。在本文中，我們使用自我適應和弦搜尋演算法尋找用於圖像識別的優化卷積神經網絡架構。系統架構分為兩個階段，在第一階段，我們搜尋最適合的CNN長度；在第二階段，我們微調第一階段中找到的架構或預先訓練的架構。在實驗中，我們使用三個流行和眾所皆知的資料集來評估我們所提出的方法和其他最先進的CNN搜尋方法。實驗結果表明，與其他方法相比，我們的方法在MNIST和CIFAR-10上達到具有競爭力的性能，並且在Caltech-101的所有方法中具有最佳的性能。

關鍵字:卷積神經網絡、深度學習、超參數優化、自我適應和弦搜尋演算法、遷移學習

• 更新日: 2019-01-14
• 作者: 劉榮陞
• 類型: 演算法

Close Project

假新聞的文字分析與辨識

摘要

一般來說，假新聞的特徵與真實新聞的特徵幾乎相同，因此識別它們並不容易。 在本文中，我們提出了一個使用深度學習模型的假新聞檢測系統。首先，根據不同 的訓練模型對新聞文章進行預處理和分析。然後結合 Embedding LSTM、Depth LSTM、 LIWC CNN 和 N-gram CNN 四種不同模型的集成學習模型，用於假新聞檢測。此外為 了實現高精度的檢測假新聞，使用自適性和弦搜尋演算法（SAHS）來優化集成學習 模型的權重。在實驗中，我們驗證了所提出的模型優於最先進的方法，最高的準確 率為 99.4％。我們還嘗試了跨資料集領域預測的問題，並達到最高的 72.3％的準 確性。最後，我們相信在跨領域預測方面還有改進集成學習模式的空間。

關鍵字: 深度學習, 假新聞, 自然語言處理, 文字探勘

• 更新日: 2018-07-26
• 作者: 陳柏宏
• 類型: 深度學習

Close Project

基於AND/OR結構模型進行影像檢索

摘要

隨著網際網路的迅速發展，網路上圖像的數量正數以百萬的增加。從眾多 圖像中尋找想要的圖像已成為一個重要的研究課題。在本文中，我們提出了一 個圖像檢索系統，有利於檢索時間和準確性。由於圖像檢索的性能受圖像特徵 和檢索方法的影響較大，我們使用五種不同類型的特徵和五種不同的方法來找 到圖像檢索系統的最佳組合。首先，我們將圖像中的主要對象分割出來，然後 提取其特徵。接下來，使用SAHS算法從原始特徵集合中選擇有利於圖像檢索的 相關特徵。然後，提出了利用相關特徵建構五種基於AND/OR構造的方法。實驗 結果不僅表明我們的方法比其他最先進的方法更有效，而且還提出了以前研究 中從未探索過的一些觀察結果。

關鍵字: 資料探勘、影像檢索、局部敏感醢式、Kmeans、深度學習

• 更新日: 2018-07-26
• 作者: 謝昀忻
• 類型: 資料探勘

Close Project

使用自我調適和弦搜尋演算法解決多目標優化問題

摘要

近年來，為了解決多目標優化問題，已經提出了許多多目標進化演算法 （MOEAs）。這些進化演算法每一次迭代能生成許多解，並逐漸轉向真正的帕累 托最佳解區域。正如預期的那樣，由於和弦搜索（HS）演算法也可以迭代大量解 （在 HM 記憶體中）並移動到真正的帕累托最佳解區域，所以我們用它來解決多 目標優化問題。本文提出的系統架構可以分為兩個階段。在第一階段，我們的目 標是在整個過程中盡可能廣泛地搜索可行的解區域。在第二階段，我們著重於 在可行解區域逐步搜索最佳的解。由於所提出的算法使用了很多參數，我們以 自適應的方式對其中的一些參數進行了調整，並將算法稱為自適應。在實驗中， 我們使用十一個眾所周知的多目標問題，基於五個性能指標來檢驗所提出的演 算法和其他現有的演算法。在實驗結果上，我們的演算法在 IGD、HV 和 Spread 的指標中比其他演算法具有更好的性能。

關鍵字：和弦搜尋演算法、最佳化方法、帕累托最佳化、多目標最佳化、自我調適

• 更新日: 2018-02-09
• 作者: 陳思豪
• 類型: 演算法

Close Project

Instagram圖片推薦系統

歡迎親自體驗

點此前往!

• 更新日: 2017-01-19
• 作者: 王珮綸
• 類型: 推薦系統

Close Project

太陽能發電設計系統

摘要

在現今綠色能源發展中，利用太陽能發電是一項不可或缺的趨勢跟方式，尤其是在缺乏天然資源的國家。然而如何在有限的土地設置太陽能發電廠，以達到最佳的發電效率，一直是太陽能發電設計最重要的議題。在論文中，提出了尋找太陽能發電的最佳模型，在不同的環境下建造太陽能發電廠為目的。首先我們從現有的太陽能發電廠中蒐集資料，包括：1)發電廠設計；2)實際發電量；3)周圍環境，接著我們進行資料前處理以及系統分析，找出太陽能發電最佳模型。最後，在實驗中，我們從輸入和輸出參數的不同方面評估系統，在系統以多數決提供設計時，我們提高了系統的準確度，協助了工作人員在未來設廠時，系統能自動根據不同地區、環境、與設備特性，提供最佳設計方案，以達到最大的發電量。

關鍵字：太陽能、巨量資料、資料探勘、機器學習

• 更新日: 2017-01-19
• 作者: 章村豪
• 類型: 資料探勘

Close Project

醫療照護管理系統之實作

• 更新日: 2016-12-31
• 作者: 謝昀忻
• 類型: 產學合作

Close Project