版權所有 © 2026 醫揚科技股份有限公司。保留所有權利。
楊朝龍
Paper 1: 利用堆疊式長短期記憶網路與即時對比法降低多變量製程監控的反應延遲
Publisher: Computers and Industrial Engineering, 153, pp. 107052. (2021) (SCI) (IF 2019: 4.135, Rank 18/109, Computer Science, Interdisciplinary Applications, 10/48 Engineering, Industrial)
Abstract: 反應延遲是製程偏移偵測中的關鍵效能指標。在多變量製程監控中，特別是在大數據串流環境下，如何降低反應延遲是智慧製造中的一大挑戰。 過去文獻中提出即時對比管制圖（RTC）以加速偏移偵測，但多數 RTC 在大數據環境下表現不佳。 本研究提出結合堆疊式長短期記憶網路（LSTM）的新型 RTC 方法——LSTM-RTC，可在監控大量串流資料時達到更短的反應延遲。 LSTM-RTC 包含兩層 LSTM、其中一層 Dropout、以及一層全連接層，以強化資料的階層特徵捕捉能力。 透過多組模擬資料與真實案例比較，實驗結果顯示 LSTM-RTC 在反應延遲上優於其他基準 RTC 方法，並在真實製程監控中展現良好應用潛力。
Paper 2: 基於聚類的共生生物搜尋演算法於高維度最佳化問題之應用
Publisher: Applied Soft Computing, 97 Part B, pp 106722-1-16 (2020) (SCI) (IF 2019: 5.472, Rank 20/137, Computer Science, Artificial Intelligence, 9/109 Computer Science, Interdisciplinary Applications).
Abstract: 本文提出一種針對高維度最佳化問題的快速後設啟發式方法，僅需單一控制參數。 創新之處在於於共生生物搜尋（SOS）的初始解中導入自動 k-means 聚類，形成多個子群體， 並僅讓各群體內的菁英解在跨群互動中進行搜尋。 此機制結合了區域搜尋與全域搜尋的優點。 實驗以 28 組基準問題與 10 組組合問題測試，並與其他 6 種代表性方法與 4 種聚類型後設啟發式方法比較。 結果顯示所提模型計算效率更高、搜尋品質更佳，且在最高達 1000 維問題 中仍能有效緩解維度影響，快速求得高品質解。