陳仲儼 Chung-Yang Chen,徐子涵 Tzu-Han Hsu;
頁: 379-412
日期: 2019/10
關鍵字: 軟體反向工程;本體模型;統一塑模語言;類別圖;耦合;
Keywords: software reverse engineering, ontology, class diagrams, coupling;
摘要: 軟體反向工程在現今講求快速實作與需求變化的軟體發展情境下越發受到重 視。以物件導向資訊系統發展來說，現有軟體反向工程研究皆針對特定的物件程 式語言以產生與系統內容相符的 UML（統一塑模語言）的系統模型圖、並發展自 動化工具。然而，這些研究大多是研發如何將程...

瀏覽次數: 13130     下載次數: 1325

引用     導入Endnote

王慶豐;李俊賢;
頁: 413-450
日期: 2019/10
關鍵字: 複數模糊類神經;複數模糊集;特徵選取;粒子群最佳化演算法;遞迴最小平方法;
Keywords: complex neuro-fuzzy;complex fuzzy set;feature selection;particle swarm optimization;recursive least squares estimator;
摘要: 面對現今的國際化環境，投資已成為許多企業與人們的獲利方式，股票為此領域相當普遍的交易模式，但股價波動所牽涉層面廣泛，固然難以估計與預測，人工智慧中的深度學習即為當今預測的最佳工具之一。本研究提出一種新形態之複數模糊類神經分類模型（Complex Neuro-Fuzzy ...

瀏覽次數: 12729     下載次數: 273

引用     導入Endnote

陳郁晴;李俊賢;
頁: 451-482
日期: 2019/10
關鍵字: 多目標特徵挑選;人工神經網路;球型複數模糊集;球型複數神經模糊系統;混合式機器學習;
Keywords: multi-target feature selection;artificial neural networks (ANN);sphere complex fuzzy sets (SCFS);sphere complex neuro-fuzzy system (SCNFS);hybrid machine learning algorithm;
摘要: 時間序列資料的變化有著眾多變因，在預測上一直是具有挑戰性的問題和研究。最常應用於股市上的股價變化，從時間的推移中找出股票之間的關係，因此本篇設計一多目標時間序列預測模型，應用於股價預測。模型包含兩種模型架構，人工神經網路（Artificial nural networks; A...

瀏覽次數: 13815     下載次數: 164

引用     導入Endnote

許敦盛;李俊賢;
頁: 483-511
日期: 2019/10
關鍵字: 多目標預測;球型複數模糊集;卷積神經網路;模糊推論系統;複合式機器學習演算法;
Keywords: multi-target prediction;sphere complex fuzzy sets;convolution neural networks;fuzzy inference system;hybrid learning;
摘要: 本研究針對時間序列提出多目標預測模型，結合卷積神經網路（Convolutional neural networks; CNN）與球型複數模糊神經系統（Sphere complex neural fuzzy system; SCNFS）。球型複數模糊集（Sphere complex fuzzy sets; SCFSs）可產生複數型態的歸屬程度，使SCNFS能根據...

瀏覽次數: 13607     下載次數: 367

引用     導入Endnote