學位論文

Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73897

Browse

Subject: search.filters.subject.Neural Networks

Search Results

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    深度學習基於訓練數據之技術發展趨勢 : 以專利分析方法探討
    (2024) 雷政達; LEI, Zheng-Da
    隨著人工智慧的快速發展，深度學習之神經網絡技術以已成為現今全球技術發展的重點之一，並將其技術運用在各產業領域中。本研究旨在探討深度學習中不同神經網路的技術發展趨勢與應用領域，並透過專利檢索與分析方法來評估其發展趨勢和影響力。通過TIPO全球專利檢索系統資料庫中大量專利數據的收集和分析，探討神經網路技術的歷年專利件數、領先國家別、領先公司別、技術發展現況等，透過專利檢索與技術生命週期分析方法，可以深入了解深度學習技術的應用範圍和為未來發展動向，為未來的研究和產業應用提供價值。總而來說，本研究旨通過專利分析方法深入探討深度學習基於訓練數據之神經網路與其八項神經網絡技術包含循環神經網絡 (Recurrent neural network, RNN) 、卷積神經網絡 (Convolutional Neural Network, CNN) 、生成對抗網絡 (Generative Adversarial Network, GAN) 、時序視覺網絡 (Temporal Segment Networks, TSN) 、自動編碼器 (Autoencoder, AE) 、深度置信網絡 (Deep Belief Network, DBN) 、深度轉移網絡 (Deep Transformation Networks, DTN) 、深度資訊最大化網絡 (Deep InfoMax, DIM)，為相關領域的研與應用提供一定程度的參考依據。
  • No Thumbnail Available
    Item
    以類神經網路應用於機器人室內定位之研究
    (2010) 袁仕翰; Shih-Han Yuan
    近年來有關機器人的研究逐漸受到重視，例如室內導覽、居家看護及環境探測等應用。其中有許多應用必須知道機器人的位置，因此有許多不同方法來偵測機器人所在的位置。全球定位系統(GPS)是最普遍的應用系統，但因為全球定位統在室內環境中會受到建築物屏障效應的影響，而無法有效的應用在室內環境中。本研究目的即在利用低成本與維護方便的 ZigBee 系統與感測網路實現機器人室內定位系統。 先前有些室內定位系統使用最大概似估計（Maximum likelihood estimation，MLE）演算法來作定位，但因為感測訊號易受干擾，造成定位上的誤差。因此我們利用類神經網路，以倒傳遞演算法(back-propagation network，BPN)實施機器人的定位。操作上容易取得基地台間的訊號強度(RSSI)訊號，且在定位誤差方面，有顯著的改善。經過實驗，發現在10×7m室內環境中，以4個參考節點定位最有效。雖一般認為節點越多定位越精準，但因訊號重疊與干擾嚴重，並不需要放置過多的感測器。 本研究的結果可供改進室內定位系統設計參考。