| 學分數 |
3
|
修課時數 |
3
|
開課班級 |
日間部四年制4年級 X班
|
| 本課程與系所培養學生能力指標關聯度 |
|---|
| 核心能力 | 能力指標 | 高度關聯 | 中度關聯 | 低度關聯 |
| 運用數學、科學及資通訊知識的能力 | 安裝網絡基礎設施與作業系統 | | | ✔ | | 具備網路與通訊系統接取的技術 | | | ✔ | | 能熟悉各式嵌入式系統的規格與特性 | | | ✔ | | 能分辨各式手機App與多媒體的格式與特性 | | | ✔ |
|
| 本課程培養學生下列知識： |
|
本課程首先介紹感測器、感測器網路架構、常見的資訊呈現樣式、進而探討各種融合技術，並以感測器管理如何提升資訊品質做結合。1.瞭解資訊融合與資料融合之差異2.熟悉常見的感測網路與資料/資訊呈現樣式3.瞭解感測資料/資訊之空間、時序與語義等校准方法4.瞭解如何以貝氏推論、參數估測等統計方法進行資訊融合5.瞭解如何以具學習能力之方法進行資訊融合6.瞭解並進行感測器與感測網路之相關管理、以提升資料/資訊融合品質This course introduces sensors, architectures of sensor networks and common representational formats of information, discusses general fusion technologies and concludes with sensor management for enhancing information quality.
|
| 每週授課主題 |
|
第01週：Introduction第02週：Sensors第03週：Architecture第04週： Common Representational Format第05週： Spatial Alignment第06週： Temporal Alignment第07週： Semantic Alignment第08週： Radiometric Normalization第09週：Mid-term Report第10週： Bayesian Inference第11週： Parameter Estimation第12週： Robust Statistics第13週： Sequential Bayesian Inference第14週： Bayesian Decision Theory第15週： Ensemble Learning第16週： Sensor Management第17週：Concluding Remarks第18週：Final Report
|
| 成績及評量方式 |
|
期中報告：30%期末報告：40%平時作業及出席：30%
|
| 證照、國家考試及競賽關係 |
|
本課程無證照、國家考試及競賽資料。
|
| 教師資料 |
教師網頁：http://www.cyut.edu.tw/~goudapeng/
E-Mail： goudapeng@cyut.edu.tw
Office Hour：
星期一,第5~6節,地點:M-112;
星期五,第1~2節,地點:M-112;
分機:7712
|
|