智能应用 影音
DForum1018
Event
少量标注样本的机器(深度)学习
数据的可得性决定机器(深度)学习演算法的可靠度。过去已经有许多研究指出,同一个演算法,当(标注的)训练数据愈多时,通常演算法的正确率或是稳定度就越高。但在真实的情境中,训练数据通常是缺乏的,成为应用落地的障碍。
数据经济与分散式帐本的大想像
若开始谈到数据经济(Data Economy),大多数人会开始连结到Open Data,或者觉得这就是跟AI有关的议题,这都是正确的,那为何会需要连结到分散式帐本呢?
漫步曼谷(二):我见、我闻、我思索
许久没来曼谷,决定多住2天,也考察一下近年稳定成长中的曼谷。出发前先做点功课,知道台湾是泰国第十二大贸易夥伴,自我国进口61.7亿美元,2018年衰退3.3%,而泰国出口到台湾39.4亿美元,成长5.2%,是泰国第十三大出口市场。其次,台湾对泰国投资的累积总额为145.9亿美元,是仅次于美日的第三大外资。值得注意的是,2018年泰国投资台湾达7,000万美元,暴增942%,其次泰国移工在台总数也达6万人,台湾到泰国观光人数68万人,泰国访台的有32万人,而2019年前5个月游台观光客成长率达29%,应该与免签有关。
如果老化是可以治疗的疾病呢?
如果仔细看许多电子业的趋势报告,或者电子公司的研究方向,医疗电子大概都会在名单上。与通信近的,就会靠向移动医疗,或至少是移动健康监测。至于与人工智能相关的更是不可胜数。
华盛顿大学的图灵机
我1986年就读华盛顿大学计算机系,当时的系馆是Sieg Hall。之后华大耗资7000万美金建筑计算机系馆(图一),于2003年落成。
标注的训练数据不够怎麽办?谈自我监督学习新趋势
机器(深度)学习演算法的效益决定于训练数据的可得性,特别是目前应用中大多为监督式的学习(supervised learning),必须提供(人工)标注数据来训练。 所以在标记数据量少的领域,前瞻演算法的效力就很难发挥,原因是特定领域的数据较难取得、或是标注成本较高,如医学影像、工业生产、金融决策等。
浅谈新能源市场现况(上):电力需求型态转变的难题
在过去的文章,我对新能源的几个重要标的,包含虚拟电厂、能源管理系统及电力辅助服务等,分享我的一些想法。而为了让新能源世界的面貌更具体的被呈现,接下来我将会透过几篇文章,搭配发生在各国的实际案例,分别从能源需求型态的转变、再生能源供给挑战乃至电力调整机制与对策这三大层面,带给大家我对未来新能源市场运作趋势的看法。
漫步曼谷(一):足迹穷尽处,想像启程时
我们这一代人,对于1997年的亚洲金融风暴应该记忆犹新,而掀起风暴的正是歌舞昇平的泰国曼谷。亚洲金融风暴的前夕,当时担任泰国国会议员、也是前总理察猜(Chadchart)亲信的Pirot透过外交体系的安排到资策会MIC找我,想确认泰国是否可以继续8英寸晶圆厂的投资计划。
HEMT元件物语
HEMT (high electron mobility transistor),中文译为「高电子移导率晶体管」,在人类的科技史上是一个很重要的发明。电子在半导体内跑得越快,就有机会让元件操作在更高的速度及频率响应。举凡目前5G无线通讯系统功率及低杂讯放大器,或是电动车内作为高功率电源转换,都需要用到此HEMT元件。如果5G通讯开始使用到毫米波,更是非HEMT莫属。而HEMT从发明到应用,其中有几件有趣且有意义的事,值得跟各位分享。
量子位元的种类-兼论量子政策
量子位元是量子计算及量子通信最基础的单位,它的工作原理决定了量子位元以及操作的特性,也决定了周边元件的技术以及未来发展的限制。目前候选的种类众多,在有限的人力及经费资源下,选择成功机率大的技术路径、集中资源投入选定方向是小经济体最重要的课题。