登入  
學務處
管理學院
圖書館
通識教學部
電機工程學系
軍訓室
教務處
全球事務處
人文社會學院
電機通訊學院
秘書室
管理學院學士班
工業工程與管理學系
體育室
研發處
資訊學院
電機工程學系乙組
國際語言文化中心
國際書院
資訊管理學系
資訊工程學系
圖書資訊服務處
永續發展暨社會責任中心
人事室
資訊傳播學系
藝術中心
企業書院
工程學院英語學士班
管理學院財務金融暨會計碩士班
社會暨政策科學學系
機械工程學系
環境保護暨安全衛生中心
社會科學研究方法
工程學院
進階專案管理
終身教育部
機械製造
會計室
中國語文學系
管理學院學士英語專班
學務處
管理學院
圖書館
通識教學部
電機工程學系
軍訓室
教務處
全球事務處
人文社會學院
電機通訊學院
秘書室
管理學院學士班
工業工程與管理學系
體育室
研發處
資訊學院
電機工程學系乙組
國際語言文化中心
國際書院
資訊管理學系
資訊工程學系
圖書資訊服務處
永續發展暨社會責任中心
人事室
資訊傳播學系
藝術中心
企業書院
工程學院英語學士班
管理學院財務金融暨會計碩士班
社會暨政策科學學系
機械工程學系
環境保護暨安全衛生中心
社會科學研究方法
工程學院
進階專案管理
終身教育部
機械製造
會計室
中國語文學系
管理學院學士英語專班

研發處(魏毓宏)
 

活動名稱111學年度研究能量精進研習營(6) Learning Dynamics by Smart Systems
活動內容How to construct a dynamic system has been appealing to researchers in physics, applied mathematics, computer science, and engineering since it can facilitate system identification, trajectory tracking, and time series forecast. In recent years, advanced smart systems capable of identifying dynamics inherent in the observed data are in high demand as they can enable the machine intelligence for predicting and detecting human behaviors and environmental evolution. According to our recent studies, the time series can be transformed into critical homological structures and/or features such that robust machine learning can be established using the homological analysis, especially for classifying, detecting, and predicting object motions, human behaviors, and fundamental characteristics in time varying (dynamic) signals. The conventional statistical signal processing and machine learning approaches are often under the unrealistic assumption of i.i.d. (statistically independently and identically distributed) data and thus the dynamics across data samples are not allowed. Based on the aforementioned new machine learning paradigm, it is possible to convert any non i.i.d. time series resulting from a Markov process to a neat geometric structure so the detection. prediction, and classification can be accurately fulfilled. In this talk, the mathematical framework and algorithms of the advanced homological analysis to learn dynamics by smart systems will be introduced and then the corresponding effectiveness on several practical applications will be demonstrated.
活動時間2023/1/9下午 02:00~下午 03:30
活動地點7館70507院會議室
報名時間2022/12/29~2023/1/8
報名人數限制上限:40  下限:10  開放候補:是
報名資格 教師   職員   大學部學生   碩士班學生   博士班學生  
報名方式線上報名(報名已截止)
已報名人數:21
候補人數:0