来源: 学生科

2017-06-19

发布时间:

EE论坛(第329期):Big Data Analysis Experience based on GPU Cluster for Appliance Recognition

讲座时间:201762216:00

讲座地点:求实咖啡厅

讲座题目Big Data Analysis Experience based on GPU Cluster for Appliance Recognition

主讲人賴槿峰 教授台湾成功大学(Prof. Chin-Feng Lai)

 EE622.jpg

主讲人简介:赖槿峰 副教授研究专长为嵌入式软硬体设计、多媒体云端网路与智慧物联网应用的研究。其发表IEEE/ACM/Impact Factor>2.5国际期刊三十几篇、其他SCI-index期刊四十馀篇、专利三件以及会议论文共三十馀篇并荣获IEEE 17th CCSE, 2014 International Conference on Cloud Computing, IEEE 10th EUC, IEEE 12th CIT 最佳论文Google学术论文引用率为1748更于20132017年共有6篇论文被列入ESI高度被引用的TOP 1%文章。申请人积极参与国内外学术活动经常被邀请于国内外研讨会与研究机构中发表演说目前担任Journal of Internet Technology执行副主编辑以及KSII Transactions on Internet and Information SystemsInternational Journal of Communication Networks and Distributed SystemsJournal of Telecommunications Management等之期刊编辑与多项国际研讨会议程委员。其主要学理创新贡献包含于动态功率演算法之设计、多媒体串流服务之设计、云端仲介环境设计及物联网服务。后学现为IEEE Senior Member并于2012年入选科技部优秀青年学者,2015年获选台综大年轻学者以及2017年获选台湾电脑学会优秀青年学者奖

 

报告简介:由于智慧联网技术日渐成熟在应用范围与使用者快速扩展的状况下所产生的电力资讯也会急速上升在长时间资料蒐集与资料运算分析应用上原有资料库面临运算效能之瓶颈。为解决上述问题本计划主要目的在近年来由于机器学习相关领域愈来愈热络许多研究单位也积极投入该方面相关之研究。深度学习跳脱传统机器学习的概念而成为现今在机器学习上成效最为显著的解决方案。然而深度学习在实际运作上仍然还有许多挑战包含基础设备建置成本庞大、学习所需耗费之时间过长等且现阶段多数深度学习之环境仍然建置在单一主机上。相较于前者若是能提供一套分散式异质运算系统之框架便可大幅提升在智慧联网资料库在分析与推论之效率。