主要研究領域：音樂資訊分析、音訊分析、音樂推薦系統、音樂生成、深度學習
音樂Music
作者：admin
生物資訊Bioinformatics
主要研究方向
- 藥物研發與應用
- 生醫領域研發與應用
- 網絡和系統生物學
- 蛋白質結構預測
- 蛋白質表現分析
- 基因表現分析
目前研究主要為藥物應用、網絡和系統生物學，以及跨領域生醫應用
生物資訊應用為醫藥為主，包含在生技及製藥研究開發中，隨著基因定序、藥物與疾病臨床資料等大量增加，生物資訊在生物科技領域中的突破性，逐漸被受矚目
而跨領域生醫應用則包含，醫學影像辨識，智慧化長照醫學，醫療專家系統
透過機器學習與資料分析，結合生醫領域知識(domain knowledge)，可以達到疾病藥物預測與疾病輔助診斷等目的
故事Story
自然語言是為現今人工智慧所著重的領域之一，其目標是要讓機器如同人類一般擁有聽說讀寫、理解語意、溝通交流，甚至有能力去產生詩詞文學、故事等更加進階的語言結構。而其中含有多個技術層面，從小至字詞特徵的汲取與判別，各種理論和語意模型的建立，大至語音辨識、文意與情感理解、語句文本分類、文句生成等等。
針對此領域，機器學習，尤其是深度學習，是目前最常採用的方法，WordToVec、語音辨識、語句問答，機器翻譯都是運用深度學習的方法，並且一舉突破過往只延伸基本機器學習的方法所產生的結果，因此深度學習將為本領域所廣泛採用，而本實驗室也與時俱進，採用近年來各國期刊上最前端的技術來應用在多種層面上應用。
目前實驗室的研究內容著重於三個部分：
- 電腦說故事 ：以AlphaGo所採用的Monte Carlo Tree Search為方法，ConceptNet為故事素材資料庫，Fabula Model為故事生成基幹來產生故事，並延伸Deep Learning為輔來強化故事結構的穩定度。
- 語音辨識：以目前較新的Deep Learning模型以及本土電影為資料，應用於國語、客語、臺灣國語等本土語言的辨識。
- 語意理解及問答系統：應用Memory Network及SequenceToSequence Model來抽取並紀錄問題特徵，並用記錄的特徵來找出最適合的解答。
- ChatBot：應用於語音客服中，由大量客服的應答中訓練出問答機器人，結合語音辨識、語意理解和文字轉語音，藉由一問一答中得到詢問者所提供的資訊。
AI Lab Mini Workshop 2017/5/6 – 7
主題：深度學習 Deep learning
地點：台北老地方
時間：2017/5/6 – 7
會議主持：蘇豐文老師
流程表與報告內容：
day1 (5/6)
[10:30 – 12:00]
君衡 – AutoEncoder
Odilon – RBM for collaborative filtering
哲宇 – Donahue Long-Term Recurrent Convolutional
[13:00 – 15:00]
聖約 – Playing Atari with Deep Reinforcement Learning
念澄 – Efficient Estimation of Word Representations in Vector Space
潘磊 – Deep content-based music recommendation
啟聖 – Introduction of CNN
[15:30 – 17:30]
嘉容 – Convolutional neural network architectures for predicting DNA–protein binding
玉彬 – Accurate prediction of single-cell DNA methylation states using deep learning
昱臻 – Deep Learning for Drug-Induced Liver Injury
奇謀 – Distilling The Knowledge In A Neuron Network
day2 (5/7)
[9:10 – 10:40]
冠元 – Generative Adversarial Network
謙 – Generative Adversarial Active Learning
健元 – Neural proposition presentation
活動剪集：
[foogallery id=”254″]