簡易檢索 / 檢索結果

  • 檢索結果:共20筆資料 檢索策略: cadvisor.raw="陳怡伶"


  • 在搜尋的結果範圍內查詢: 搜尋 展開檢索結果的年代分布圖

  • 個人化服務

    我的檢索策略

  • 排序:

      
  • 已勾選0筆資料


      本頁全選

    1

    虛擬實境之雙重世界 k-近鄰查詢
    • 資訊工程系 /111/ 碩士
    • 研究生: 郭智威 指導教授: 陳怡伶
    • 點閱:398下載:0
    • 全文公開日期 2028/08/29 (校內網路)
    • 全文公開日期 2028/08/29 (校外網路)
    • 全文公開日期 2028/08/29 (國家圖書館:臺灣博碩士論文系統)

    2

    應用生成式摘要與情感訊號之高效新聞推薦
    • 資訊工程系 /111/ 碩士
    • 研究生: 陳家銘 指導教授: 陳怡伶
    • 點閱:161下載:0
    • 全文公開日期 2028/08/29 (校內網路)
    • 全文公開日期 2028/08/29 (校外網路)
    • 全文公開日期 2028/08/29 (國家圖書館:臺灣博碩士論文系統)

    3

    基於變分協同生成對抗網絡之推薦系統
    • 資訊工程系 /109/ 碩士
    • 研究生: 周崇翰 指導教授: 陳怡伶
    • 點閱:307下載:0
    • 全文公開日期 2026/02/01 (校內網路)
    • 全文公開日期 本全文未授權公開 (校外網路)
    • 全文公開日期 本全文未授權公開 (國家圖書館:臺灣博碩士論文系統)

    4

    用於推特假帳號偵測之自適應特徵萃取混合模型
    • 資訊工程系 /111/ 碩士
    • 研究生: 林柏韜 指導教授: 陳怡伶
    • 近年來,用於假帳號偵測的數據集,提供各式各樣關於Twitter使用者的資訊。然而,我們觀察到現有的假帳號偵測方法中,有些資訊並沒有被完全考慮或有效整合成可利用的特徵,我們也發現過去採用人類情緒分析的…
    • 點閱:341下載:0
    • 全文公開日期 2025/11/22 (校內網路)
    • 全文公開日期 本全文未授權公開 (校外網路)
    • 全文公開日期 本全文未授權公開 (國家圖書館:臺灣博碩士論文系統)

    5

    使用校正卡進行基於智能手機之新生兒黃疸檢測
    • 資訊工程系 /111/ 碩士
    • 研究生: 歐亭葦 指導教授: 陳怡伶
    • 黃疸在新生兒中很常見,需要幾天的追蹤。如果要得到總血清膽紅素 (TSB)值,需要標準程序血液測試。抽血會造成疼痛以及一定的風險,且不能在醫療環境以外的地方進行。因此,需要一種可以在家中完成的非侵入性…
    • 點閱:183下載:0
    • 全文公開日期 2025/02/13 (校內網路)
    • 全文公開日期 2025/02/13 (校外網路)
    • 全文公開日期 2025/02/13 (國家圖書館:臺灣博碩士論文系統)

    6

    動態權重注意力結合多通道卷積神經網路之情緒識別
    • 資訊工程系 /108/ 碩士
    • 研究生: 楊政達 指導教授: 陳怡伶
    • 點閱:356下載:0
    • 全文公開日期 2025/06/12 (校內網路)
    • 全文公開日期 2025/06/12 (校外網路)
    • 全文公開日期 2025/06/12 (國家圖書館:臺灣博碩士論文系統)

    7

    使用動態權重集成模型預測用電資料之時間序列
    • 資訊工程系 /108/ 碩士
    • 研究生: 胡程翔 指導教授: 陳怡伶
    • 點閱:336下載:0
    • 全文公開日期 2025/02/26 (校內網路)
    • 全文公開日期 2025/02/26 (校外網路)
    • 全文公開日期 2025/02/26 (國家圖書館:臺灣博碩士論文系統)

    8

    使用多頭注意力機制及詞層次指針網路於實體與關聯之聯合萃取
    • 資訊工程系 /108/ 碩士
    • 研究生: 方誌賢 指導教授: 陳怡伶
    • 點閱:313下載:0
    • 全文公開日期 2024/12/17 (校內網路)
    • 全文公開日期 2024/12/17 (校外網路)
    • 全文公開日期 本全文未授權公開 (國家圖書館:臺灣博碩士論文系統)

    9

    當前任務變分自動編碼器結合動態集成損失函數之少樣本學習
    • 資訊工程系 /109/ 碩士
    • 研究生: 蘇皓群 指導教授: 陳怡伶
    • 少樣本學習是一項具有挑戰性的任務,其中分類器需要快速適應新類別。這些新類別是在訓練階段是模型沒有見過的,並且在測試階段為每個新類別的學習過程只提供很少的樣本(例如,五個圖像)。當現有的方法使用如此少…
    • 點閱:306下載:2

    10

    ConCoNet: Class-Agnostic Counting with Positive and Negative Exemplars