Machine Learning
機器學習與深度學習
研究監督式學習、非監督式學習、神經網路模型、特徵萃取與模型最佳化， 並應用於分類、預測、辨識與決策分析等問題。
本實驗室以人工智慧核心技術為基礎，結合電機工程、資訊處理與智慧系統應用， 建構兼具研究創新與教學實作之學習環境。
我們關注人工智慧在現代電機與資訊系統中的實際應用，從資料蒐集、訊號處理、 模型訓練、推論部署到系統驗證，建立完整的研究鏈結。實驗室鼓勵學生從問題導向出發， 探索具挑戰性與前瞻性的技術議題，並透過專題與論文訓練深化研究能力。
在學術發展上，實驗室重視演算法創新與系統可行性；在應用推動上， 則著重於智慧製造、智慧感測、影像辨識、AIoT 與嵌入式人工智慧等方向。
實驗室目前主要發展下列人工智慧與智慧系統相關研究主題。
研究監督式學習、非監督式學習、神經網路模型、特徵萃取與模型最佳化， 並應用於分類、預測、辨識與決策分析等問題。
發展影像分類、物件偵測、語意分割、醫學影像分析與視覺理解技術， 應用於自動化檢測、智慧監控與生醫影像分析。
結合感測器、微控制器、邊緣運算與雲端平台，建立具資料蒐集、 即時分析與智慧回饋能力之 AIoT 系統。
探討 AI 模型在資源受限硬體平台上的部署與最佳化， 包含邊緣推論、模型壓縮、低功耗運算與即時系統整合。
利用數位訊號處理、統計分析與資料探勘方法，處理量測資料、 感測訊號與時序資料，提升系統辨識與預測能力。
以實務需求為導向，開發智慧校園、智慧醫療、智慧製造、 智慧交通與教育科技等人工智慧應用方案。
實驗室提供完整的專題訓練與研究支持，協助學生累積實作經驗與研究成果。
透過專題實作培養學生問題分析、系統設計、程式開發、模型訓練與成果展示能力。
鼓勵學生參與國內外研討會、期刊投稿、專題競賽與跨校合作，提升學術與實務表現。
結合人工智慧、電機控制、感測技術、通訊與資訊系統，培養跨領域整合能力。
可依實際情況替換為教師、博士生、碩士生與專題生名單。
研究專長：人工智慧、機器學習、智慧感測系統、嵌入式系統設計。
研究主題：深度學習影像辨識與邊緣 AI 模型部署。
專題方向：智慧感測資料分析與 AIoT 系統整合應用。
可用於公告競賽成果、論文發表、招生資訊或活動訊息。
歡迎對人工智慧、智慧感測、嵌入式系統與電腦視覺有興趣之同學加入本實驗室。
實驗室成員近期研究成果已投稿至相關國內外研討會與學術期刊。
本實驗室積極鼓勵學生參加校內外專題競賽，累積展示與實務經驗。
以下內容可依實驗室實際資訊進一步調整。
歡迎對人工智慧、智慧系統、AIoT、影像辨識與資料分析有熱忱之同學加入。 若您希望了解研究方向、專題題目或研究生申請方式，歡迎來信聯絡。