SIG Learning

SIG Chair: 李育杰教授, 國立交通大學應用數學系
SIG Learning 子計畫:
(1)      InterActive Machine Learning
-PI: 鮑興國教授, CoPI: 李育杰教授, 陳玲鈴教授
-計畫簡介:

      • Active learning in Interactive Machine Learning
        • Active Learning Dual Supervision
        • Active Learning with Massive High Dimensional Data
      • Machine Tutoring in Interactive Machine Learning
        • Taiko drum playing as skill learning 
        • Robot assembly as knowledge learning

(2)      Learning in Compressed Domain Development of Light Learning Engine in Fog Computing Environments
-PI: 吳安宇教授
-計畫簡介:
本計畫以壓縮感知(Compressive Sensing, CS)技術為基礎,進一步開發新世代之壓縮辨識技術(Compressive Analysis, CA)。此CA技術的主要特點是能夠直接在壓縮信號上進行分析與判斷,從而節省了無線傳輸資料量與接收端所需的運算時間和能耗,同時可以對資料提供了一定程度的隱私保密能力(privacy)。最後,本團隊落實該CA技術於心房顫動(Atrial Fibrillation)監測,以及壓縮心電信號(Compressed Electrocardiogram, ECG)之用戶辨識。  
壓縮感知(CS)是一個非對稱性的壓縮技術,它能夠簡易的在感測器端對信號進行隨機取樣和即時壓縮,大幅降低感測器的能耗;但付出的代價是其解壓縮的過程需要經過一系列複雜的運算,造成接收端運算資源無法負荷。透過我們新提出之CA技術,我們可以省略解壓縮的步驟直接對壓縮信號進行分析。因此我們可以在大量使用輕量化CS感測器,但同時大幅減少接收端的運算資源。極適合未來5G物聯網之感測運用。 
(3)     Interactive Dialogue Learning
 -PI: 蔡宗翰教授, CoPI: 李宏毅老師
計畫簡介:
本團隊以「智慧工廠」為主旨,設計一任務輔助機器人(helper bot),在使用者組裝機器人(Meccanoid2.0)的過程中給予協助,針對使用者提出之組裝問題提供操作指示。
我們將組裝任務切分為多個步驟,組裝過程中透過影像辨識判斷使用者正在組裝之步驟,當使用者發問時,除了分析使用者的問句,也透過影像辨識得知使用者組裝步驟,
針對該步驟可能發生之問題提出相對應解答,以期幫助使用者解決組裝難題。