檢索結果：共17筆資料 檢索策略： "Transfer Learning".ekeyword (精準) and ckeyword.raw="遷移學習"
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
在現代工業中，設備的穩定性是工廠生產和機器利用的重要因素。機械振動可能會導致旋轉機器中的主軸偏心或軸承損壞，進而導致設備停機。近年來，由於深度學習模型具有自動特徵學習能力，因此它們被用於故障診斷。然…
2
無監督域適應和語義分割的結合，幫助了人們不論是在生活上或是工作上解決了許多的困難。例如在街景影像中，此項技術可以將不同的物件自動地分割出來，以利機器進行分類及辨識。然而，無奈的是，現實存在一些問題會…
3
近年來，企業導入工業5.0技術是一種趨勢。對於許多產品來說，表面缺陷可能是一個關鍵點。然而，在傳統的品質管制中，人力成本是高的。此外，由於精度低，運行時間長，不能很好地應用於生產線。隨著時間的推移，…
4
本論文於DNA樣本分析領域中，針對使用原子力顯微鏡(Atomic Force Microscope)所獲取的DNA樣本數位影像為研究對象，以深度學習的技術發展出一個自動化辨識DNA交叉與非交叉樣本的…
5
我們提出結合三個不同的卷積神經網路並融合各自分類結果最終決定出臉部情緒,這三個網路在過去幾年不同的圖像辨識競賽上面都有很好的成績,分別是 VGG16、ResNet50 和 SeNet50 網…
6
隨著近年來機器學習相關技術的發展，深度學習的概念已經成功被應用在不同領域上，當中包括了圖像辨識、物件偵測、自然語言處理，自動生成多媒體內容等，主要原理是透過大量的訓練資料讓深度網路模型學習到資料當中…
7
在現代工業高速發展的基礎下，如何妥善的達成預測性維護已成為相當重要的課題。該策略透過預先偵測設備的訊號異常徵兆，預測出關鍵零件的剩餘使用壽命 (RUL) 並發出警示，也可以同時幫助安排維修任務和庫存…
8
語音情緒辨識旨在從語音訊號中自動識別情緒和分類，隨著情緒識別的應用範圍不斷擴大，該領域的重要性日益凸顯。可以預見在未來語音情緒辨識將在各個領域中發揮更加關鍵的作用，為人們提供更智能、人性化和個性化的…
9
使用深度學習，我們很容易地可以分辨圖片的正確性，由於房間室內場景的圖片每一種都很相似，所以需要大量的資料和時間來進行辨識，來提高準確率。因此我們使用遷移學習來改善我們的神經網路，從已經預先訓練好的模…
10
隨著市場上應用情境的需求不斷提升與改變，深度學習網路架構也逐漸變的複雜且龐大，準確度上升的同時造成了模型參數指數性成長，亦產生了模型效率不佳等更多延伸問題，各個領域的應用需要在準確度與易用性上做出取…