進階篩選

技術類別
  • 共有:9筆資料
  • 顯示:
  • 筆商品
    • 邊緣人工智慧推論系統之智產元件產生器

      未來科技館 邊緣人工智慧推論系統之智產元件產生器

      "1. 自動生成基於卷積神經網路之硬體架構之Verilog code工具:針對現行比較常用的DNN網路可生成4種不同的硬體架構(output/ weight stationary, 樹狀結構, NVDLA)。 2. 可視效能指標分析工具: 根據選擇的DNN模型,與硬體架構規格的選擇,分析效能指標"
    • 數據驅動之冰水系統智慧節能技術

      未來科技館 數據驅動之冰水系統智慧節能技術

      本研究探討由循環管路聯結多個冰水主機、冷卻水塔以及水泵等主要設備所組成的複雜冰水空調系統之節能效益。基於大數據驅動之深度學習建模方法提供冰水系統的優化參數,降低冰水系統的耗電量。從實驗表明,本項技術在友達光電龍潭廠既有的節電效率上,約能往上再提升2.4。此方法目前已經具體實現在友達光電的多個廠房。
    • AI大數據分析之冰水系統調度優化節能技術

      先進材料&綠能 創新發明館 AI大數據分析之冰水系統調度優化節能技術

      本技術結合AI大數據分析,在複雜的不確定因素下,精準預測冷卻需求,並模擬各種開關組合的效益,同時考量時間電價、冰機最適負載區間等實務上的需求,提供冰水系統調度優化決策支援,使冰機維持高效率並節約耗能。
    • AI大數據分析之工具機效率提升系統

      AI與IOT應用 未來科技展 AI大數據分析之工具機效率提升系統

      本技術結合多個AI模型,在感測器資料雜訊較多的情況下,精準預測切削時的電流表現,並透過預測結果調整銑削時的進給參數,同時考量工件表面粗糙度、工具機電流負載等實務上的需求及限制,提供工具機參數優化之決策支援,使數值控制機於切削時維持高效率並節約耗能。
    • 應用於自駕模型賽車之深度強化式學習技術

      未來科技館 應用於自駕模型賽車之深度強化式學習技術

      我們發展一套基於影像的虛實轉移技術(sim-to-real transfer),先訓練老師模型(teacher model)來學習最佳路徑,再藉由老師模型與隨機化(randomization)來訓練學生模型(student model),使學生模型適應虛實環境差異,提升在真實環境的行駛速度及穩定性。
    • 智能工廠之冰機運轉優化與聰明節能大數據分析技術

      未來科技館 智能工廠之冰機運轉優化與聰明節能大數據分析技術

      本技術使用AI大數據分析,在複雜的不確定因素下,精準預測冷凍頓需求,並模擬各種開關組合的效益,同時考量時間電價、冰機最適負載區間等實務上的需求,提供冰水系統調度優化決策支援,使冰機維持高效率並減少耗能。並透過資料回饋及模型健康度診斷,模型可達到自我校準與修復、持續學習專家經驗並提供有品質的決策建議。
    • 永續型超高性能混凝土之3D列印優化技術與製程模擬

      先進材料&綠能 未來科技館 永續型超高性能混凝土之3D列印優化技術與製程模擬

      本技術含兩重要的項目,第一為新式可列印超高性能混凝土複合材料之開發,以超高性能混凝土為基礎,開發實際可運用於3D列印之超高性能混凝土;第二為混凝土3D列印過程之模擬分析及優化技術,採用自行研發之無限元素法來模擬3D列印過程,並優化積層列印路徑及參數。最後架設多軸型混凝土3D列印設備以驗證前兩項技術。
  • 1