智能系統研究所的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

無力感

為了解決智能系統研究所的問題，作者朴璟淑 這樣論述：

*特色*第一本針對無力感(LEARNED HELOLESS)的形成,症狀與解決之道的專書從無力感中解脫，才能找到幸福的能量﹗每天早出晚歸，我到底為了什麼而努力？為什麼每天都覺得提不起勁、不想工作？怎麼花了這麼多的時間，卻似乎還是在原地踏步？當你面對這世界最大的負能量，該如何擺脫這種重複與糾纏，重新找回自己最初的熱情？問問自己是否有下列狀況：    一心只期盼下班時間的到來。    經常對每件事情感到焦躁不安。    頻繁出現想要換工作的念頭。    頭痛（腰痛或其他疾病）比過去更嚴重。    比過去更無精打采，一整天充滿疲憊。    記憶力減退，比以前更難專心。    晚上睡不著

或經常半夜醒來，一旦醒過來很難再入睡。    食慾下降或食慾突然變得旺盛。    覺得自己沒有一件事情做得好。    以前做決定時毫不猶豫，現在則猶豫不決。    原本喜歡而充滿自信的事情變得微不足道。    經常聽到別人說自己太過要求完美。當你有上列半數以上的症狀時，代表你可能正遭受無力感的入侵。心理上的無力感不是「乏力」，而是「沒有動力」，也就是對於必須做的事情失去牽引的熱情。作者將以自身的經驗跟你分享為什麼會陷入無力感的泥沼？該怎麼做才能成功掙脫？如何才能不讓無力感再度來襲？ 作者簡介朴璟淑韓國第一位認知科學（Cognitive Scientist）博士，於延世大學研究所取得

認知科學博士學位，在韓國慧田大學擔任10年6個月的教授之後，為了研究認知科學而辭職。之後於韓國科學技術院（KAIST）擔任客座教授，也是延世大學電機電子工學系的研究教授、成均館大學智能系統研究所的研究教授，花7年時間投入認知機器人的心智研究。24歲那年，她開始擔任鐘點講師，在大學任教前後長達25年。她在電腦工學和機器人研究中無法找到人生意義，於是改變人生方向，轉而研究人類本身和能夠幫助別人的領域。離開教職之後，她在InCoaching公司擔任教育研究所長，目前任職於水源市的私人研究所，以大腦和認知相關演講和授課、腦波諮商、教育和寫作活動展開第二段人生。之後在具本衡變化經營研究所擔任6期研究員，

繼續投入人文科學研究和創作，並且在工學和自然科學領域加入心理學、醫學、腦科學、經營學、哲學、東洋學等範疇，藉由統合性認知科學研究期能促進人類的心靈成長。 她相信研究自身問題是能夠幫助他人的最快捷徑。她的研究和寫作焦點在於解決心情和人生的諸多問題。譯者簡介張亞薇中國文化大學韓語系，留學韓國慶熙大學。曾任職於工業技術研究院、中央通訊社，曾擔任私立大學推廣教育部韓語教師，興趣是研究韓語和韓國文化譯作有《彩繪輕鬆記：韓國人每天必說生活單字》、《韓國街頭巷尾繪單字》、《遇見壞上司，笑著活下去》、《韓國人每天必說生活短句》、《偶像御用彩妝師教你輕鬆變身韓國女團》等書。現為專業韓語講師與韓語譯者。

推薦序 網路時代的流行病：重症「心」無力台大精神科主治醫師張立人 醫學上有一種疾病稱為重症「肌」無力（Myasthenia Gravis），當事者因自體免疫問題，導致肌肉無力，引起眼皮下垂、視力模糊、四肢無力，最嚴重將無法呼吸。我發現近年職場也出現一種類似的流行病，稱之為重症「心」無力，臨床案例如下： 建豪戴著超大型耳機，用力拍了桌子，興奮地大喊：「贏了，超爽！」 隨即，難以言喻的焦慮感浮現。那焦慮究竟是什麼？ 正要想，強烈的倦怠感適時地襲來，他癱倒在床，呼呼大睡。真難為他了，為了打贏這場電玩戰役，已經三天三夜沒睡。 那聲興奮的喊叫也只迴盪在房間裡，他的三個姊姊和

父母都沒聽到。事實上，他們已有一個禮拜沒見到他。雖然建豪和他們住在一起，但他躲在房間裡晝伏夜出，這三天只靠家庭號6000CC礦泉水，以及7碗泡麵維生。 建豪已經兩年沒去工作。 他不是沒努力過，曾做過房仲三個月、童書推銷員兩個月、保險業務員四個月。很快地他發現：    加班不算加班費，因為老闆說工作是「責任制」    國定假日與颱風假必須扣薪，因為薪資是「鐘點制」    每月紅利獎金因公司需要大家「共體時艱」，改為工作滿一年才發放    因為強調「團隊合作」，個人績效改為團體績效，算在店長這邊    同事趁他請假，在店長面前搶功勞、更搶走他苦心經營的客戶 低薪和白忙一

場不說，他覺得一再被欺騙，是鄉民知道會笑死的「魯蛇」。他憤而離職，回到電玩世界，他永遠是被玩家崇拜的「英雄」。 建豪大學時念財金系，每天跟爸媽抱怨：「要不是配合你們的意思，我根本不想念財金系！」 他能翹課就翹，每天躲在房間玩線上遊戲，要不就漫無目的滑手機、追劇，大學四年就這樣被他「滑」掉，也不在意。父母叫他考證照，他說：「我同學有證照還不是領22K，景氣這麼差，考證照根本沒用！」 他雖有大學學歷，但「不學無術」，根本考不過任何一張證照。 國中時期，他曾熱愛保時捷跑車，想念高職汽車修理科，夢想當汽修店老闆，假日開保時捷在花東海岸兜風。父母罵他：「大家都大學學歷，你只有高職

畢業，找得到工作嗎？會餓死吧！我們可不想養你一輩子。」 他乖乖唸普通高中，發現對功課沒興趣也沒轍，每一科成績都低空飛過。他指考成績超爛，沒想到還是被某家大學財金系強迫錄取了。他真的不想念大學，高中的痛苦繼續延續。 於是，他電玩玩得更兇了。 如建豪的案例，台灣罹患重症「心」無力的人數逐年遽增，究竟是什麼原因？ 你可以看到：惡性剝削與鬥爭是職場的現實；再怎麼努力、終究還是領低薪是經濟的現實；技職教育整體崩盤，是教育的現實；天下無不是的父母，是家庭的現實；茫然、困惑、沒有目標，是人生的現實。假設你是建豪，也實在沒有理由不感到無力，在抱怨這些現實讓你無力時，也偷偷地找個好理由，

讓自己可以繼續無力下去！ 有趣的是，在打電玩時，建豪似乎感受到一些力量。電玩公司慈悲地為他量身訂做一個夢境，讓他就像活在天堂。然而，習慣天堂生活的人，會想回到地獄嗎？ 不只是建豪，面對地獄般的現實，你我三秒鐘就低頭滑兩下手機，跳進LINE、臉書、推特裡潛水，躲到虛擬實境中抓寶，是生活中絕不可少的「小確幸」。然而，時間感扭曲了，學生驚覺大學四年忽焉飛逝，自己一無所獲；上班族驚覺十年過去，白髮與皺紋持續增加，薪資穩定減少。貪圖「小確幸」的結果，不斷錯失成長、學習、改變的機會，無力感更加嚴重了。 「很多無力感的人表面上顯得很勤勞，但做的並不是非做不可的事情，而是容易帶來安定感的事，

或用漫無邊際虛度時間的方式來取代真正重要的事，這些都是自我欺騙。」 朴京淑教授在《問題是無力感》中的精闢分析，我非常認同。從學生、上班族、菜籃族到銀髮族，做不完的瑣事、追不完的劇、滑不完的手機、玩不完的遊戲，每天看起來都非常忙碌，本質上都是閃躲無力感的逃避行為，一再拖延又帶來強烈的自責，讓自己陷入更深的無力感。 這種無力感固然肇因於惡劣的社會現實，和網路心理更是關係匪淺。我深入觀察發現：網路一方面強化了個人的自戀傾向，一方面促成了人際間的過度連結，網路輿論對於個人有形無形的壓力非常大。個人愈加在意自己的表現，也在意別人怎麼看自己，深怕和別人不同而被認為失敗。當事者以完美主義要求自己

的同時，害怕出現失敗行為，索性躲在網路後面守護自戀形象，不作為、原地踏步、整天鑽牛角尖，長期導致了重症「心」無力。 《無力感》作者朴璟淑教授是韓國第一位認知科學博士，敏銳地發現無力感已成為新「時代精神」，導致人們不斷拖延、失去工作熱情、產生憂鬱症與生理疾病，剖析其根源包括：職場過度重視正確性卻忽視獨創性、僱員對於工作過程缺乏掌控力（「自我異化」）、只重視結果的考試制度、父母或老闆動輒以權威壓制、完美主義、社會孤立等。她講的不只是韓國社會，更是台灣社會迫在眉睫的危機。 本書具有高度說服力，因為朴京淑教授雖是人人稱羨的成功人物，也曾經歷嚴重無力感、導致憂鬱症。她怎樣療癒自己的重症「心」

無力？ 原來她發揮了韌性，找回人生的價值。在本書中，她分享那段刻骨銘心的人生歷程，更傳授給讀者提升韌性的智慧，包括：恢復自主性、感受喜悅、做出貢獻、運用財務資產組合概念、調整認知行為、找尋生命意義、直接行動…等，讓你我都有機會寫下「破繭而出」的人生故事。 在這海象惡劣的時代，你我就像航行在大西洋的哥倫布，不知道目的地在哪裡、究竟有沒有目的地、想像中的目的地也可能是錯的，每天還得費盡心思想著怎樣活下去。朴京淑教授鼓勵我們，不要害怕、更不要原地踏步、沈溺在白日夢，只要堅定往前航行，將會出現一座意外的樂園，等著你來登陸。

智能系統研究所進入發燒排行的影片

三種非監督特徵轉換於高光譜影像分類效能之比較

為了解決智能系統研究所的問題，作者張喬博 這樣論述：

高光譜影像提供數百個波段的影像資訊，較傳統多光譜遙感影像有更高的光譜解析度及較豐富的光譜資訊，應能有助於地表分類及判釋的提升；但是伴隨著波段數增加，卻使得訓練區資料相對不足所造成的Hughes現象，不僅影響分類成果也降低運算效能。目前主要以透過波段選取或特徵轉換來克服維度問題。本文針對高光譜影像之降維，比較三種非監督特徵轉換方法：主成份分析(Principle Component Analysis, PCA)、局部線性內嵌法(Locally Linear Embedding, LLE)及最小噪音比(Minimum Noise Fraction, MNF)。首先高光譜影像被降維到低維之特徵空間

。其次各特徵空間以30組隨機分佈與人工挑選的訓練區樣本，透過支援向量機(Support Vector Machine, SVM)與最小距離(Minimum Distance) 之監督式分類器，進行監督式分類。最後所產生之分類圖以測試區資料採Kappa精度指標作為評估依據。實驗成果顯示：高光譜影像以最小噪音轉換降維至15個特徵空間後，配合支援向量機分類器在本文中有最佳的成果；而局部線性內嵌則有穩定性較佳之優點。此外針對支援向量機分類器而言，當訓練區樣本比例達到20%以上時，對提昇分類成果無明顯助益。由於本文僅比較三種非監督式降維方法，未來可針對監督式降維方法做深入之探討。