分類: Groups

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

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

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：

1. 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。
2. 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。
3. 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。
4. 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。