學術產出-國科會研究計畫

文章檢視/開啟

書目匯出

Google ScholarTM

政大圖書館

引文資訊

TAIR相關學術產出

題名 深度自動不變量之研究及其應用
Deep Auto-Invariants and Their Applications
作者 蔡炎龍
貢獻者 應數系
關鍵詞 深度學習; 自動不變量; 自動嵌入; 流形學習; 流形重建; 熱帶幾何; 表現學習; 自監督式學習; 對比學習; 非對比學習; 碎形 p 進位表現; 可解釋性人工智慧
deep learning; auto-invariants; auto-embeddings; manifold learning; manifold reconstruction; tropical geometry; representation learning; self-supervised learning; contrastive learning; non-contrastive learning; fractal p-adic representation; explainable AI
日期 2024-10
上傳時間 16-四月-2025 14:28:22 (UTC+8)
摘要 本計畫研究現今常熱門的自監督式學習中, 對比學習的方法。我們視為這是一種自動尋找不變量的方式, 其中背後的數學原理也有許多待釐清的部份, 也是我們著力的方向。再者, 目前對比學習較多的研究是在圖形數據資料上, 我們的研究希望能找到適合的方式, 讓對比學習也能運用在更多的數據型式, 尤其是時間序列型態的數據資料。
關聯 國家科學及技術委員會, NSTC111-2115-M004-003-MY2, 111.08-113.07
資料類型 report
dc.contributor 應數系
dc.creator (作者) 蔡炎龍
dc.date (日期) 2024-10
dc.date.accessioned 16-四月-2025 14:28:22 (UTC+8)-
dc.date.available 16-四月-2025 14:28:22 (UTC+8)-
dc.date.issued (上傳時間) 16-四月-2025 14:28:22 (UTC+8)-
dc.identifier.uri (URI) https://nccur.lib.nccu.edu.tw/handle/140.119/156616-
dc.description.abstract (摘要) 本計畫研究現今常熱門的自監督式學習中, 對比學習的方法。我們視為這是一種自動尋找不變量的方式, 其中背後的數學原理也有許多待釐清的部份, 也是我們著力的方向。再者, 目前對比學習較多的研究是在圖形數據資料上, 我們的研究希望能找到適合的方式, 讓對比學習也能運用在更多的數據型式, 尤其是時間序列型態的數據資料。
dc.format.extent 116 bytes-
dc.format.mimetype text/html-
dc.relation (關聯) 國家科學及技術委員會, NSTC111-2115-M004-003-MY2, 111.08-113.07
dc.subject (關鍵詞) 深度學習; 自動不變量; 自動嵌入; 流形學習; 流形重建; 熱帶幾何; 表現學習; 自監督式學習; 對比學習; 非對比學習; 碎形 p 進位表現; 可解釋性人工智慧
dc.subject (關鍵詞) deep learning; auto-invariants; auto-embeddings; manifold learning; manifold reconstruction; tropical geometry; representation learning; self-supervised learning; contrastive learning; non-contrastive learning; fractal p-adic representation; explainable AI
dc.title (題名) 深度自動不變量之研究及其應用
dc.title (題名) Deep Auto-Invariants and Their Applications
dc.type (資料類型) report