首頁 > 研究發展 >
資網 > 實驗室
|
無線行動網路實驗室 | |
指導教授
|
魏宏宇教授
|
實驗室位置
|
電機二館355室
|
實驗室網址
|
http://wmnlab.ee.ntu.edu.tw/ |
研究方向
|
5G/5G+,物聯網,通訊標準制訂,邊緣運算與霧運算,機器學習,賽局理論。
|
數位影像與陣列處理實驗室 | |
指導教授
|
劉俊麟副教授
|
實驗室位置
|
電機二館530室
|
實驗室網址
|
|
研究方向
|
1. 稀疏陣列
2. 陣列訊號處理 3. 數位訊號處裡 4. 統計訊號處裡 |
語音處理實驗室 | |
指導教授
|
李琳山教授
|
實驗室位置
|
電機二館531室
|
實驗室網址
|
http://speech.ee.ntu.edu.tw/ |
研究方向
|
1. 語音辨識核心技術:
語音訊號之新特徵、語音辨識之新模型或新架構、雜訊及通道效應處理、聲學模型之調適及精緻化、語言模型之調適及精緻化、自發性語音處理、中英夾雜之雙語語音處理、韻律及聲調模型等。 2. 網路環境下語音辨識之智慧型應用: 語音瞭解、對話模型及系統、語音資訊之語意分析、語音資訊搜尋、語音資訊摘要、語音資訊重組、語音資訊之關鍵詞擷取、語音合成、分散式語音技術等。 |
通訊及信號訊息處理實驗室 | |
指導教授
|
蘇炫榮教授
|
實驗室位置
|
電機二館532室
|
實驗室網址
|
|
研究方向
|
發展創新通訊理論、消息理論及信號處理技術,並開發其應用。
|
多媒體處理及通信研究室 | |
指導教授
|
陳宏銘教授
|
實驗室位置
|
電機二館533室
|
實驗室網址
|
http://mpac.ee.ntu.edu.tw/ |
研究方向
|
我們實驗室主要是藉由開創先進技術來訓練學生的研究能力,所從事的研究大致可區分為:
1. 多媒體信號處理 2. 計算攝影及顯示 3. 音樂資訊探勘 學理基礎包括機器學習、視覺科學、影像處理、電腦聽覺、資料科學、情感運算、及通訊網路,而研究成果力求學術與實用價值兼備。 |
次世代無線實驗室 | |
指導教授
|
周俊廷副教授
|
實驗室位置
|
電機二館550室
|
實驗室網址
|
|
研究方向
|
本實驗室成立於2008年2月,主要致力於下一代無線通訊網路的核心技術與應用之研究與發展;目前的研究內容包含 (1) 個人及區域網路的通訊協定設計、(2) 動態頻譜存取、以及 (3) 無線社群網路與應用。實驗室現有成員包括實驗室主持人周俊廷副教授,七名碩士班研究生與十多名大學部專題研究生。
實驗室除了有專供從事研究與模擬的各式高速電腦設備外,並陸續引進實驗專用無線平台與量測儀器,目的在加強理論與實做的連結,達到理論與應用並重的目標。 除了學術研究之外,實驗室並與國內重要資通設備廠商合作,進行國際標準的制定,希望透過產學合作的方式,讓研究成果得以進一步的應用在日常生活之中。 |
語音處理暨機器學習研究室 | |
指導教授
|
李宏毅教授
|
實驗室位置
|
電機二館552室
|
實驗室網址
|
http://speech.ee.ntu.edu.tw/~tlkagk/ |
研究方向
|
深度學習、機器學習、語意理解、語音辨識
|
通訊系統實驗室 | |
指導教授
|
蔡志宏教授
|
實驗室位置
|
電機二館554室
|
實驗室網址
|
|
研究方向
|
下世代寬頻通訊網路之網路架構優化與效能提升。
|
音樂與人工實驗室 | |
指導教授
|
楊奕軒教授
|
實驗室位置
|
博理館505室
|
實驗室網址
|
https://affige.github.io/lab.html |
研究方向
|
音樂資訊研究、人工智慧、機器學習、自動音樂生成
|
行動網際網路研究室 | |
指導教授
|
林宗男教授
|
實驗室位置
|
博理館507室
|
實驗室網址
|
|
研究方向
|
1. 無線通訊。
2. 無線網路。 3. 合作式通訊。 4. 室內定位。 |
計算神經機器人學實驗室 | |
指導教授
|
鄭士康教授
|
實驗室位置
|
博理館510室
|
實驗室網址
|
|
研究方向
|
認知神經科學, 認知心理學, 與機器人學結合之研究. 目標為(失智)老人陪伴機器人的研發, 以及失智症相關認知神經系統的數學模型
|
通訊暨網路科學研究室 | |
指導教授
|
葉丙成教授
|
實驗室位置
|
博理館515室
|
實驗室網址
|
http://www.ee.ntu.edu.tw/profile?id=677 |
研究方向
|
1. 無線通訊實體層。
2. 合作式通訊。 3. 無線多媒體傳輸。 4. 實體層保密通訊。 |
行動網路暨無線通信實驗室 | |
指導教授
|
謝宏昀教授
|
實驗室位置
|
博理館521室
|
實驗室網址
|
http://tonic.ee.ntu.edu.tw |
研究方向
|
無線通訊網路之基礎與應用研究,包含物聯網通信、次世代行動通信以及感知無線電通信。
|
機器學習與估計理論研究室 | |
指導教授
|
吳沛遠副教授
|
實驗室位置
|
博理館530室
|
實驗室網址
|
|
研究方向
|
隱私維護機器學習、街景文字辨識、深度學習與對抗攻擊、深度學習與影像除霧、解耦特徵無監督式學習、深度學習與樣本複雜度。
|
網路與系統實驗室 | |
指導教授
|
黃寶儀教授
|
實驗室位置
|
博理館621室
|
實驗室網址
|
http://homepage.ntu.edu.tw/~pollyhuang/ |
研究方向
|
廣義的說,nslab的研究宗旨,在於建立穩固 (Robust) 與具延伸性 (Scalability) 的網路通訊系統。如何設計這樣的通系統 (Design),建立正確的系統行為模型 (Modeling),進而從事系統模擬 (Simulation) 與效能分析 (Performance Evaluation) 來解決系統中隱藏的瑕疵等各種相關的議題,都在nslab的研究範圍內。本實驗室的成員研究方向非常廣泛,針對各種不同的研究議題皆有成員參與研究計畫,目前大致可歸類為以下三個領域:
1. 無線感測網路 (Sensor Network):著重在研究裝備有感測器的各式微型裝置彼此間的通訊問題,並以此類通訊系統建立輕鬆的行動生活。 2. 同儕多媒體網路 (Peer-to-Peer Multimedia):藉由P2P的方式在網際網路上傳送高品質的多媒體資料。 3. 網際網路分析 (Internet Characterization):包含網路模擬與各種網路模型的建立。 |
數位信號與影像處理實驗室 | |
指導教授
|
丁建均教授
|
實驗室位置
|
明達館531室
|
實驗室網址
|
http://disp.ee.ntu.edu.tw/ |
研究方向
|
數位信號處理,數位影像處理,時頻分析,小波轉換,音樂信號處理。
|
視覺與學習研究室 | |
指導教授
|
王鈺強教授
|
實驗室位置
|
學新館514室
|
實驗室網址
|
http://vllab.ee.ntu.edu.tw/ |
研究方向
|
本實驗室研究主軸為電腦視覺、機器學習、深度學習與人工智慧。近年的研究主題包括遷移學習、視覺與語言分析、3D視覺、元學習、自監督式學習,應用於影像與影片合成與內容辨識。除了致力於研究成果發表於頂尖會議與期刊,本實驗室亦與相關產業保持密切合作,近年合作對象包括Google、Qualcomm、華碩電腦、英業達、台積電、聯詠科技、中華電信等。
|
網路資訊與通信研究室 | |
指導教授
|
王奕翔教授
|
實驗室位置
|
學新館515室
|
實驗室網址
|
http://cc.ee.ntu.edu.tw/~ihsiangw/NICLab/NIC.html |
研究方向
|
我們的團隊專注於網路資訊和資料的基礎研究,包括通訊、計算、資料分析和機器學習。我們主要感興趣的領域是消息理論、學習理論和高維度統計。
我們特別對以下主題感興趣: 1. 網路資訊處理 2. 群眾分包機器學習 3. 分散式學習中的隱私和安全 4. 延遲受限和內存受限的分散式學習 |
跨領域資料科學與信號處理研究室 | |
指導教授
|
林澤教授
|
實驗室位置
|
學新館516室
|
實驗室網址
|
https://www.idssp.ee.ntu.edu.tw/idssp-home?fbclid=IwAR3TwM2wsW4YNIiOODUJqMqUJm79Ae1LjlCeBIzIAarn_vyVLYZU2ERtRKI |
研究方向
|
本實驗室的主要研究方向為深度學習, 資料科學, 通訊/生醫信號處理, 金融科技, 最佳化理論,並聚焦在以下幾個主題:
1. 前瞻通訊系統之演算法設計: 整合強化學習與最佳化理論,針對前瞻通訊系統邊緣計算之資源分配進行演算法設計。 2. 計算生物學與深度學習: 整合深度學習與計算生物學方法並以更直觀的角度解釋生物系統中交互作用關係,能更準確掌握疾病復發與併發症風險等關鍵醫療因素。 3. 金融科技之大數據分析: 與多家金控與新創公司合作,針對其商業需求設計專門之深度學習引擎,分析大量且多樣化之客戶資訊與歷史行為紀錄進行精準行銷。 本實驗室除了與多個學術、醫療單位合作外(包含新加坡科技設計大學、中研院資訊科技創新研究中心、臺大醫院、國家衛生研究院、清華大學生科院等)、亦與多家金控與新創公司合作(如國泰金控、Likr、Insilico Medicine等),研究成果多為跨領域理論與實作結合。 |
機器人學習實驗室 | |
指導教授
|
孫紹華助理教授
|
實驗室位置
|
學新館518室
|
實驗室網址
|
|
研究方向
|
本實驗室旨在開發可解釋並可泛化之機器人學習演算法與架構,並期望能藉由此架構賦予機器人習得複雜技能(諸如傢俱組裝與烹飪)之能力。一方面此研究成果將減輕社會大眾花費於日常繁瑣勞務的心力,提升整體社會之安全性與便利性;另一方面,此研究成果將提升工業產線的自動化程度,增進生產之效率。此兩方面之成果,將創造一個更利於創新研發的環境,並預期能大幅推動台灣自動化科技的發展。
|