歡迎光臨!LAB實驗室!
最新活動
實驗室簡介
“ 決策”被視為與周遭整體環境的互動結果。
“ 決策”被視為與周遭整體環境的互動結果。決 策者做決定之前，往往面臨不同的選擇，以及決定後某 種程度上的不確定性，決策者需要對各種方案的利弊 和風險做出權衡，在各式替代方案中考慮各項因素作出抉 擇，以達到最優的決策結果。
指導教授
王大明
教授
學歷:
美國大學
工業工程博士
專長:
1.演算法
2.作業管理
博士生
姓名:博士1
E-mail：s1@mail.yzu.edu.tw
姓名：博士2
E-mail：s2@mail.yzu.edu.tw
在職博士
姓名:博士1
E-mail：s1@mail.yzu.edu.tw
碩士生
姓名:碩士1
E-mail：s1@mail.yzu.edu.tw
姓名：碩士2
E-mail：s2@mail.yzu.edu.tw
碩士在職專班
姓名:碩士1
E-mail：1@mail.yzu.edu.tw
姓名：碩士2
E-mail：s2@mail.yzu.edu.tw
姓名:碩士3
E-mail：s3@mail.yzu.edu.tw
姓名：碩士4
E-mail：s4@mail.yzu.edu.tw
大學部專題生
姓名:專題生
E-mail：s@mail.yzu.edu.tw
姓名：專題生
E-mail：s@mail.yzu.edu.tw
設備與資源
JMP 統計軟體
JMP 提供了全面的統計分析方法，使學生們能應用在工程與商業領域中。也能滿足統 計相關課程初學者對基本統計分析的需要，又能幫助博士及以上的學生解決複雜的統計應用問題。另外，JMP 也廣泛的應用於各個行業，其中包括半導體、電子、化 工、醫藥、汽車和機械、鋼鐵、生物技術、金融業、傳統服務業、航空航天等等。透過 JMP 軟體幫助用戶及客戶進行產品創新，品質保證，降低生產成本。 實驗設 計(DOE) 質量工程、可靠性和六西格瑪 統計、預測建 模和數據挖掘 數據可視化和探索性數據分析 使用JMP進行消費者和市場研究 分析應用程序開發 http://www.jmp.com/en_us/home.html
SAS
SAS 是一個功能龐大的軟體，是以 C 語言為基礎的統計程式 撰寫軟體。在 1960 年代末期由美國北卡州立大學 (North Carolina State University) 統計系的 A. J. Barr 與 J. H. Goodnight 兩位教授開始發展。正式起源 於 1976 年，全名為Statistical Analysis System (統計分析系統)。以往人們對 SAS 定義為統計分析系統 (Statistical Analysis System)，至今已開發成為一模 組化的軟體(Modulized Software)，具有很多 現成的工具去處理特定的工作。這些工具在使用上非常簡單，使用者不需學習其他程式語言，不需使用其他統計軟體，而只要以很短的時間學習 就可以進行各種複雜的統計分析，所得資料，配合其週邊設施，可以繪圖、預測、輸入資料，或與其他資料檔溝通而自成一大系統。統計 分析系統軟體是用於決策支援的大型集成資訊系統，但該軟體系統最早的功 能限於統計分析；至今，統計分析功能也仍是它的重要模組和 核心功能。目前統計分析系統最新的版本為9.4。經過多年的發展，統計分析系統已經遍布全世界，使用的單位遍及金融、醫藥衛生 、生產、運輸、通訊、科學研究、政府和教育等領域；在資料處理和統計分析領域，統計分析系統被譽統計軟體界的巨無霸。
研究成果
榮譽
各學會論文獎及其他獎項
指導學生得獎
Q&A
何謂深度學習
深度學習（英語：deep learning）是機器學習的分支，是一種以人工神經網路為架構，對資料進行表徵學習的演算法。
1.深度學習框架是甚麼呢?
是基於人工神經網路的框架可以追溯到1980年福島邦彥提出的新認知機，而人工神經網路的歷史更為久遠。1989年，揚·勒丘恩等人開始應用於深度神經網路成功執行，但計算代價非常大，緩慢的訓練過程，2007年前後，傑弗里·辛頓和魯斯蘭·薩拉赫丁諾夫提出了一種在前饋神經網路中進行有效訓練的演算法。這一演算法將網路中的每一層視為無監督的受限玻爾茲曼機，再使用有監督的反向傳播演算法進行調優，在更為普遍的情形下，並在實驗中證明這一訓練方法能夠有效提高有監督學習的執行速度。
2.如何應用在語音辨識?
展示了深度學習在通行的TIMIT資料集上的結果。TIMIT包含630人的語音資料，這些人持八種常見的美式英語口音，每人閱讀10句話。這一資料在深度學習發展之初常被用於驗證深度學習結構。TIMIT資料集較小，使得研究者可以在其上實驗不同的模型組態。 使用方法如：
- 1.隨機初始化RNN 。
- 2.貝葉斯三音子GMM-HMM 。
- 3.單音子重複初始化DNN 。
- 4.單音子DBN-DNN 。
- 5.帶BMMI訓練的三音子GMM-HMM 。
- 6.共用池上的單音子DBN-DNN。
- 7.卷積DNN 。
當然，仍有許多產品和方法的構面被學者專家引用，深度學習常常被看作是通向真正人工智慧的重要一步，因而許多機構對深度學習的實際應用抱有濃厚的興趣。。