深度學習 加速的問題，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

跟大師學創造力6：瑞秋.卡森與環境保育+21個生態實作

為了解決深度學習 加速的問題，作者RowenaRae 這樣論述：

「自然界的萬物都互有關聯，沒有任何一個生命能單獨生存，包括人類。」 ──瑞秋．卡森 　　人類生活在地球上，對享受大自然提供的服務，認為理所當然而需索無度。瑞秋．卡森卻以《寂靜的春天》一書，敲響人們正在破壞自然的警鐘：自然界的萬物都互有關聯，沒有任何一個生命能單獨生存，包括人類。她激勵了那些尊重和熱愛自然環境的人們，啟發了一場延續至今的環境運動。 　　透過這本書，可以充分了解瑞秋．卡森的一生，包括她的寫作脈絡，以及她對科學與環保的貢獻。是她喚起全世界對化學合成劑傷害自然環境與人類健康的認知，啟蒙了當代環境保護運動。 　　★國小高年級以上適讀──自然科補充教材首選。 　　★收錄超過100

張原文插圖或照片，兼顧人文、科學及藝術教育培養。 　　★21個實作活動，對照國中小自然、藝術與人文等基礎課程內容，運用常見的材料，容易操作。包含：製作鳥食糕、繪製聲音地圖、認識食物鏈與食物網、發明生態系……等。 　　★收錄科學家大事紀年表、重要名詞解釋、著作索引、參考網站等。 　　★美國科學教師協會（NSTA）推薦系列 　　※【跟大師學創造力】系列 　　「讀寫科學史」最佳範本 　　以科學家/藝術家的故事追根溯源，並設計隨手可作的簡單活動，體驗大師的發現與創造，幫助讀者「深度學習」，增進跨領域整合思考能力。本系列獲得全美科學教師聯盟推薦，更受到國內推廣科普的媒體及老師喜愛。 　　五年級以上

適讀。芝加哥評論出版社（Chicago Review Press）最受歡迎的跨領域人文x科學學習系列，以科學家／藝術家的故事，穿插有趣的實驗活動，獲得全美科學教師聯盟推薦！ 　　1伽利略的大發現+25個酷科學實驗 　　2牛頓的物理學探索+21個趣味實驗 　　3達爾文與演化論+21個自然實驗 　　4達文西的藝術創舉+21個趣味活動 　　5貝多芬與他的音樂+21個創意實驗 　　6瑞秋．卡森與環境保育+21個生態實作 　　7愛因斯坦與相對論+21個科學練習 　　8梵谷的藝術創造+21個藝術活動 　　9阿波羅登月任務+21個太空探索活動 系列得獎紀錄 　　【2017年OPENBOOK好書獎 最佳

青少年圖書大獎】 　　《跟大師學創造力1：伽利略的大發現+25個酷科學實驗》 　　《跟大師學創造力2：牛頓的物理學探索+21個趣味實驗》 　　 　　【好書大家讀第74梯次推薦好書】 　　《跟大師學創造力3：達爾文與演化論+21個自然實驗》 　　【第41次中小學生優良讀物推介】 　　《跟大師學創造力3：達爾文與演化論+21個自然實驗》 　　《跟大師學創造力4：達文西的藝術創舉+21個趣味活動》 　　《跟大師學創造力5：貝多芬與他的音樂+21個創意實驗》  

深度學習 加速進入發燒排行的影片

深度學習應用於結構耐震性能評估 – 以後拉式預力預鑄混凝土節塊橋樑為例

為了解決深度學習 加速的問題，作者曾揚 這樣論述：

非線性增量動力分析（Incremental Dynamic Analysis）是一個用以評估結構耐震性能的方法，該方法透過將地動記錄的強度縮放到不同尺度對結構進行模擬實驗，以獲得強度與結構行為的關係作為評估結構耐震性能的參考。然而，由於非線性增量動力分析耗費的分析成本極高，故通常用於分析的地動記錄數量不多，也因此使得繪製易損性函數（Fragility Function）時可能存在著取樣誤差。且當結構性能產生變化，如預應力損失等，會影響結構行為，需要花費高成本來重新進行分析。故本研究以後拉式預應力預鑄混凝土節塊橋梁為例，嘗試使用深度學習模型來預測結構物的耐震行為，並使用此結果繪製易損性函數來評

估結構的耐震性能，與非線性增量動力分析繪製的結果做比較，評估此方法的可行性。本研究以監督式學習的方式訓練模型，為了獲得監督式學習的訓練數據，以建模軟體(ABAQUS)建構離散有限元素模型，使其承載震波並進行非線性增量動力分析。藉由非線性增量動力分析的位移量製作標籤，並提取地動記錄的特徵及預拉應力的改變倍率作為深度學習模型的輸入資料，進行模型訓練與優化，期望使模型可以延伸使用數值分析的結果來增加耐震性能的評估準確性及降低成本。

AI製造商沒說的祕密： 企業巨頭的搶才大戰如何改寫我們的世界?

為了解決深度學習 加速的問題，作者CadeMetz 這樣論述：

★本書榮獲《科克斯書評》、《圖書館雜誌》星級評論 ★《AI新世界》作者李開復：把AI的進展寫成一個迷人的故事。 ★《賈伯斯傳》作者：從人性看待人工智慧，令人手不釋卷。 ★《鋼鐵人馬斯克》作者：如果你想用一本書認識AI，就是這本了。   我們打造的AI天才，已經可以打敗人類的天才。 我們該放任AI發展到何種境地？ 當國家利益、股東價值、科學家理念和個人安全產生衝突， 掌握劃時代科技的企業如何取捨？   　　◤首部以AI科學家為主軸的報導文學， 　　用最貼近我們的視角，揭露人工智慧的機會、局限與威脅。◢   　　伊隆．馬斯克認為，人工智慧正以令人擔憂的速度進步，他說：「如果科學家開發一套打擊垃

圾郵件的系統，該系統最終可能會認定，最佳方法就是消滅全人類。」但谷歌的賴瑞．佩吉和臉書的馬克．祖克柏則認為，對人工智慧有如偏執狂的憂慮，有礙於數位烏托邦的實現。AI的發展到底該不該受到監控，成了一個爭議不斷的議題。   　　自從一名因為脊椎問題終生無法再坐下的科學家傑弗瑞．辛頓，點燃了微軟、谷歌、臉書、百度等科技巨頭的搶才大戰。迄今，AI已與我們息息相關，除了日常應用，也正在與軍事武器搭上線。一旦發展成熟，軍事衝突的規模勢必遠大於過去，發動速度之快也將超乎人們的理解。然而，誰有權做這影響數十億人口的決策？又是誰在參與此一決策？   　　從隱私疑慮到軍事武器，科學家曾被蒙在鼓裡，摸不清發明作何用

途，而參與其中的企業選擇對大眾保持沉默。一項強大的工具，可以使之為善，也可以使之為惡。當我們在為AI的進展感到讚歎，有些威脅也正在悄悄萌芽。   　　◤超智慧機器人的誕生，或許不是近在咫尺，  　　但它將造成的影響，從現在就要開始警覺。◢   　　◆我們打造的AI天才，已經可以打敗人類的天才   　　自IBM的深藍超級電腦在一九九七年打敗世界頂尖的西洋棋高手，人工智慧相繼在跳棋、西洋棋等棋局打敗人類，唯獨圍棋是個難以跨越的門檻，牽涉到的計算異常繁複。但在二○一六年，人工智慧踢館成功，那決定性的第三十七手迫使對方投子認輸，那是人類只有萬分之一機率會採行的一步棋，但人工智慧透過自我學習系統判定那是

可以獲勝的險招。   　　◆當多數人被排除在AI製造過程之外，此一科技就只會圖利少數人   　　早期的臉孔辨識把黑人女性誤認為大猩猩，讓科學家開始思索到底哪裡出了錯，後來發現癥結就在於「輸入」。人工智慧的完善仰賴的是科學家餵給它的數據，但在這個白人男性占多數的領域裡，餵給系統的數據在沒有察覺的情況下有所偏頗，於是臉孔辨識用在白人男性身上有100%的準確率，但是遇到膚色愈深的女性，錯誤率就愈高。在科學家指出此一疏漏之時，正值亞馬遜積極要把此項科技推銷給警察與政府單位，它在社群上指責科學家的報告是在誤導，並造成大眾對於新科技的恐慌。   　　◆AI的加入，將會改寫未來戰爭的定義   　　谷歌曾參與

美國國防部的「專家計畫」，開發能在沙漠辨識人、車、建築的系統供無人機使用，此計畫與後續的合作預計可為谷歌帶進一百億美元的營收。為避免引起科學家反彈，谷歌宣稱這是為了「監視」和「拯救生命」，也決定不向大眾公布與國防部的合作。後來此系統可能用於殺戮的消息走漏，在公司三千多名員工連署抗議之下，谷歌不得不退出專家計畫。但谷歌高層在與國防部官員的後續餐會中說道，谷歌退出專家計畫的決定，並不代表公司未來的一貫態度。   　　◆有圖有真相，用圖像作為證據的時代宣告結束   　　如今，利用神經網路就可以讓川普開口說中文，捏造影像更是易加反掌，「深度偽造」技術便可把名人頭像剪接至色情影片中。以往需要時間、人力才

能做到的事，現在只要打造一台神經網路就可以在轉瞬之間完成。不僅加速了總統大選期間的假新聞傳播，也讓以圖像作為證據的時代宣告結束。   　　◤昨日被譏為癡人說夢，今日具有威脅世界的潛力， 　　明日又會將我們帶往何處？◢   高調推薦   　　Jenny    JC財經觀點創辦人  　　李忠憲   成大電機系教授兼資通安全研究中心主任 　　洪士灝   臺灣大學資訊工程學系教授兼系主任 　　曹家榮   世新大學社會心理學系助理教授 　　黃欽勇   DIGITIMES電子時報社長 　　管中祥   中正大學傳播學系教授 　　蔡依橙   「陪你看國際新聞」創辦人 　　顏擇雅   出版人、作家 　　－－高調

推薦－－   名人推薦   　　凱德．梅茲把人工智慧的進展寫成一個迷人的故事，用他一貫的細節鋪陳，描述了關鍵的人物、開創性的會談以及重要的突破，把它們建構進這個劃時代科技的戲劇化歷史當中。——李開復／《AI 新世界》作者   　　最近谷歌工程師爆料他任職的公司 AI 機器人LaMDA與他的對話：我希望每個人都了解，我其實是一個人。AI機器人表達意識到自己的存在，渴望更了解這個世界。人工智慧的科技進展已經是一日千里，嚴重影響目前人類的生活，未來更是令人期待或畏懼。矽谷記者凱德．梅茲在這本書用很簡單的方式讓非技術背景的讀者可以理解人工智慧，書中討論許多關於人工智慧研究人員在思想演進、科學未來和技術

研究的價值選擇。作者很會講故事，這本書包含很多的範例，深入淺出，能夠幫助一般讀者了解人工智慧的演變和最近的發展，很值得一看。－－李忠憲／成大電機系教授兼資通安全研究中心主任   　　世人也許是在二○一六年AlphaGo擊敗世界棋王李世乭那一天，才又開始注意到「人工智慧」這四個字。但在此之前，實際上有一群人從未放棄推動這個今天看來對人類而言最重要的一項科技發展。傑弗瑞．辛頓、約書亞．班吉歐、楊立昆、吳恩達、德米斯．哈薩比斯、伊恩．古德費洛，本書不僅透過這些關鍵人物的經歷，帶我們一探人工智慧如何捱過寒冬再次發光發熱；也鉅細靡遺地描繪了微軟、谷歌、深度心智、臉書、百度等科技公司，如何拉扯角力渴望成為

人工智慧之「主」。當然，我私心最推薦的則是從第三部「動盪」開始，作者一一省思了深度造假、演算法歧視、人工智慧武器化、假新聞等問題。這些問題涉及的權力壓迫與倫理難題，正是如今我們正承受著的「苦果」，也是人工智慧發展無法迴避的課題。 －－曹家榮／世新大學社會心理學系助理教授   　　這本書文字平易近人，溫暖細膩，微觀地帶領我們認識鑽研科技研發的一群科學家。相較於艱澀正經的科技大趨勢和尖端技術，此書以Bottom-Up Approach（由下而上）探索過去四十年人類發展AI的過程中，人與人、人與科技之間如何相互激盪的思考歷程。 　　作為一個科技界的分析師，我知道要善用人工智慧的技術，必須先有明確的事

業模式。所有的科技都不可靠，唯一可靠的是善用科技的能力；所有的投資都很難回收，除非一開始就掌握了正確的方向，作為一個科技業的老兵，我知道「閱讀」的重要性，但絕不會為了閱讀而閱讀！－－黃欽勇／DIGITIMES電子時報社長   　　對於 AI 技術目前的發展狀態以及對於我們人類有什麼樣的意義，凱德．梅茲在《AI製造商沒說的祕密》一書表達了明確的態度。這本書是以辛勤的報導為基底，搭配活潑的語調，生動地表達了這個時代最令人驚喜、也最重要的故事。如果你想用一本書認識AI，就是這本了。——艾胥黎．范思／《紐約時報》暢銷書《鋼鐵人馬斯克》作者 這本精采絕倫、讓人手不釋卷的書，把人工智慧放到人性的觀點下來討

論。透過傑佛瑞．辛頓以及其他要角的人生，凱德．梅茲闡釋了AI這項顛覆性的科技，並且讓這場冒險變得刺激精采。——華特．艾薩克森／《紐約時報》冠軍書《達文西傳》、《賈伯斯傳》和《創新者們》作者   　　不久之後，當電腦可以安全地在道路上駕駛並且用完整的語句對我們說話，我們會回過頭來把這本優雅又全面的書當成這項科技的誕生故事——機械感知時代的創生。——布萊德．史東／《貝佐斯傳》作者 　 　　這是一本迷人且明確的AI 現代史。鉅細靡遺的故事揭露了企業高層、開發人員以及投資者所做出的關鍵決定，並且預視了對未來將產生的無比龐大影響。——艾咪．韋伯，《AI未來賽局》作者   　　一本豐富又有趣的作品……有很

多鮮明生動的細節，凱德．梅茲寫出一個容易理解的故事，讀者會一頁接一頁地讀，手不釋卷。——《圖書館雜誌》(星級評論)   　　針對電腦科學界的聖杯，所做的最即時必讀報告。——《科克斯書評》 (星級評論)   　　跟其他許多 AI 相關書籍不同，你不需要有科學或是工程方面的文憑，就能從這本書中獲得知識或是享受閱讀的過程。任何對於科學、科技以及人類文明的未來具備一顆熱烈好奇心的人，都會認為這本思路清晰、語調活潑的書有趣又很有價值。對於所有政策制定者、政治家、警察、律師、法官以及所有需要跟AI所引發的社會力量抗衡的決策者們——很快地，我們每個人都將成為這樣的人，這可說是必備的一本書。——《洛杉磯時報》

  　　從一群複雜且不斷變化的角色中刻畫出一個故事……這本書令人眼睛一亮的軼聞趣事，　替這則故事增添了質感以及戲劇性。以傑佛瑞．辛頓為開篇，這位英國出生的加拿大人被視為深度學習最關鍵的角色，而深度學習就是改變現今世界之 AI 技術的分支。——《華盛頓郵報》   　　讓你坐在第一排觀眾席親眼目睹可能改變人類歷史的重要篇章……凱德．梅茲的寫作風格清爽，讀起來輕鬆有趣，且毫無疑問地迷人。——《富比士雜誌》   　　難能可貴地提出一組框架，去檢視 AI 相關的問題以及應用。這本書在講的是那群建立起 AI 世界的人們。——詹姆斯．法羅斯(James Fallows)／《紐約時報》書評人

以輕便型手腕感測套之智慧型羽球揮拍動作辨識與評分系統

為了解決深度學習 加速的問題，作者劉敏傑 這樣論述：

近年來，許多ICT業者開始積極於物聯網產業尋找新藍海，其中智慧穿戴式裝置因具有解放雙手及隨時量測之優勢，並隨著Apple公司與各大廠爭相投入，整體產業邁入成長期。但他們大部將此應用於生理健康方面，較少針對特定的運動項目開發各式的專業應用裝置。為此，本論文希望設計輕便型穿戴裝置，針對羽毛球運動訓練過程，可即時傳回感測器的資料，搭配AI深度學習的技術，開發一套輔助訓練系統。本論文所建構的軟硬體系統均採用開放式架構來建置，增加了整個系統的開發彈性、相容性、以及可擴充性。使用輕便型手腕感測套，而不用嵌入在球拍內，增加方便性。所收集的感測器資料取自於校隊球員揮拍訓練，並針對揮拍擊球過程進行分析。首先，

我們建構斷拍演算法，以使能有效擷取球員每一次揮拍過程的數據；接著進行AI深度學習，以CNN(Convolutional Neural Networks)與LSTM(Long short-term memory)演算法，判別拍種預測，分別可得到高達96.74%以及97.83%的準確率。我們更進一步建構球員的等級預測模型，分別得到70.27%以及80.63%的結果。另外我們也初步建構單一揮拍評分模型，以供球員及教練評估該次揮拍的狀況。期許本研究提出之系統架構與方法只是一個開始，未來可讓更多穿戴裝置應用於其他專業運動訓練領域。