學習成果

預測 UV oven 燈管異常情況

此研究為本次參加東海大數據競賽決賽projectA的題目,是利用各爐各層的資訊來預測在一段的時間內每一層燈管異常的數量。先透過資料前處理來清理資料,再來選擇及訓練模型,最後透過RMSE評估模型的預測結果。

基於雙重注意力網路的影像除雨技術

本專題使用 Lin 等人之論文 [2] 所提出的 sequential dual attention network (SDAN) 實作單張影像除雨任務。我們基於SDAN 實作神經網路並以行車紀錄器訓練集 [5] 進行訓練。實驗結果發現此模型在驗証集 [5] 的圖片去除雨痕效果相當良好,而對於一些除雨效果不佳的圖片,可用模型估出的雨痕二值圖作為遮罩再進一步透過影像填補演算法改善除雨品質。

基於強化式學習動態調整風險偏好之投資組合配置

本研究欲探討在強化式學習架構下的模型,針對選定標的組成之投資組合經過模型訓練後會學習到市場的資訊,從而選擇投資或是避險。投資組合之標的為蘋果(AAPL)、特斯拉(TSLA)、 美國銀行(BAC)、可口可樂(KO);資料內容為四檔標的透過計算夏普比率組成之當日開盤價、當日收盤價、當日最高價、當日最低價、當日報酬率、無風險利率,以及當日報酬率與無風險利率之平均值;演算法選擇使用近端策略最佳化為模型主架構。經過實證後發現,確實學習到利用市場資訊來選擇避險或投資。

天氣因子和平假日對2019年臺北捷運臺北車站搭乘人次之關聯性分析

每次經過臺北車站捷運,總是人來人往,捷運站動線擠得水洩不通,因此讓我們好奇什麼原因會影響搭乘的人次。我們以疫情發生前 2019 年臺北車站的各種類型之日資料來進行預測,想了解天氣因子與搭乘捷運人次之間的關係,透過線性迴歸分析的方式,來預測捷運站當天的搭乘人次,讓政府可以根據天氣預報來估計人流量。

預防量子計算攻擊而衍生的後量子密碼系統

在很多人的群組中想產生秘密的會議金鑰，或是想利用共享金鑰對訊息進行加密或解密，我們都需要用到金鑰交換協議來產生只有彼此才知道的共享金鑰。但對於要如何安全 的交換金鑰、管理金鑰，使彼此在無需實質接觸下取得共享秘密金鑰仍是一個關鍵的問題。因此Diffie 與 Hellman 兩位學者在1976年首先提出公開金鑰密碼系統的觀念，設計出Diffie Hellman金鑰交換協議讓雙方可經由『不安全』管道互傳一部份訊息，再搭配各自的秘密金鑰即可建立共享的秘密金鑰。雖然Diffie-Hellman金鑰交換協議對於現在的我們是具有一定 程度的安全性，但普遍認為量子計算機出現後，根據其疊加和糾纏獨特的性質，Diffie-Hellman金鑰交換協議將變得不安全。Diffie-Hellman金鑰交換協議中運用整數的指數運算來計算 出最後的共享金鑰，然而相較於Diffie-Hellman金鑰交換協議，Yosh在2011年提出的Yosh金鑰交換協議其協議中則運用多變量多項式，並預期利用多項式複雜的特性，抵抗未來量子計 算機的攻擊，故下述將介紹Yosh金鑰交換協議，並針對協議內容提供實例。

以機器學習預測CNC機台熱伸長量

此研究為本次參加2023東海大數據決賽projectA的題目,是利用感測器所蒐集的數據來預測三個目標值。先透過資料前處理來清理資料, 再選擇模型,最後透過RMSE評估模型的預測結果。