適用自駕模型賽車之強化式學習演算法
本計畫研究高效端到端分散式深度強化學習訓練平台，用於發展自駕模型賽車。於近年參加亞馬遜(Amazon)所舉辦的世界級自動駕駛競賽AWS DeepRacer，獲得世界冠軍
繼續閱讀
本計畫研究高效端到端分散式深度強化學習訓練平台，用於發展自駕模型賽車。於近年參加亞馬遜(Amazon)所舉辦的世界級自動駕駛競賽AWS DeepRacer，獲得世界冠軍
本項技術提供有關NeRF架構的超快速收斂方法，只需使用一個 GPU， 便可在不到 15 分鐘的時間內達到快速收斂。適用於從一組已知取像姿勢方位的場景影像集中，有效重建出每個場景的輻射場
本計畫提出全球第一個，同時考慮準確性、及早性及變異長度之時間序列早期分類技術，包含新穎的深度強化學習框架以及多目標優化演算法，並應用於基於心電圖之心血管疾病早期分類
語音助理的應用日漸普及，但由於基於人工智能之技術面臨效率低下的問題，目前的產品仍使用基於規則的方式構建居多。因此，我們將針對對話系統的不同組件分別提出對應的解決方案以提高各組件的數據效率及工作效能
根據世界衛生組織統計，高血壓居全球可歸因致死原因第一位。本計畫利用穿戴裝置收集生理指標，建置估測PWV演算法進行個人化血壓估測，提升穿戴裝置的健康監測價值。