google雲端無法上傳的問題,透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和資訊懶人包

google雲端無法上傳的問題,我們搜遍了碩博士論文和台灣出版的書籍,推薦KateCrawford寫的 人工智慧最後的祕密:權力、政治、人類的代價,科技產業和國家機器如何聯手打造AI神話? 和金相均的 登入元宇宙:解放自己,擴增夢想的次元都 可以從中找到所需的評價。

另外網站工作和家用雲端儲存空間- Google 雲端硬碟也說明:透過安全的雲端儲存空間來儲存及共用相片、影片和檔案等內容。每個Google 帳戶都提供15 GB 的免費儲存空間。

這兩本書分別來自臉譜 和大塊文化所出版 。

高雄醫學大學 醫務管理暨醫療資訊學系碩士班 陳以德所指導 王竹恩的 基於同態加密的隱私保護聯邦學習 (2021),提出google雲端無法上傳關鍵因素是什麼,來自於同態加密、部分同態加密、聯邦式學習、密碼學、線性轉換。

而第二篇論文國立東華大學 資訊工程學系 羅壽之所指導 簡浩揚的 基於深度學習聲音辨識之技術研究與應用 (2020),提出因為有 智慧醫療、聲音辨識、呼吸音、深度學習的重點而找出了 google雲端無法上傳的解答。

最後網站[問題] google雲端上傳失敗| MobileComm 看板| MyPTT 網頁版則補充:晚安通訊版的各位大大先放上我手機的狀態asus Zenfone 5z Android版本9 Google drive最新版上網吃到飽沒有使用wifi *更新* 剛剛逼不得已強制把drive ...

接下來讓我們看這些論文和書籍都說些什麼吧:

除了google雲端無法上傳,大家也想知道這些:

人工智慧最後的祕密:權力、政治、人類的代價,科技產業和國家機器如何聯手打造AI神話?

為了解決google雲端無法上傳的問題,作者KateCrawford 這樣論述:

AI ≠ 人工 + 智慧 模擬人類微笑的Amazon彎曲箭頭背後,誰受益、誰為此犧牲? 為何Google不惜一切代價避免提到或暗示人工智慧? 從沙漠到海洋,從岩石到城市,從樹木到超大型企業,從跨洋航線到原子彈, 誰在AI後面?誰背叛了AI?   ―――――― 從神話到魔化,從地球、雲端到太空,破解AI背後的6個祕密,探索人工智慧的另一種可能! 當代AI研究先驅、微軟研究院資深首席研究員 第一手揭露人工智慧豐功偉業背後的陰暗面! ―――――― ▌各界好評讚譽 王國禎 ∣ 國立交通大學資訊工程學系退休教授、高雄醫學大學基礎科學教育中心教授 李忠謀 ∣ 國立臺灣師範大學副校長暨資訊工程學

系教授 李家維 ∣ 國立清華大學生命科學系教授、《科學人》雜誌總編輯 林守德 ∣ 國立臺灣大學資訊工程學系教授 洪文玲 ∣ 台灣科技與社會研究學會理事長 曹筱玥 ∣ 國立臺北科技大學互動設計系/所專任教授兼系主任/所長 郭榮彥 ∣ Lawsnote創辦人、律師 黃文浩 ∣ 在地實驗創立者 劉士達 ∣ 國立清華大學科技藝術研究中心科技創新應用組組長 謝宗震 ∣ 詠鋐智能股份有限公司創辦人暨執行長  ▌幽靈代價,我們為AI付出了什麼? ◎人工智慧既非人工的,也不是智慧的,那些看似萬能的智慧是如何「製造」出來的? ◎從內華達沙漠到內蒙古巨大的人工湖、從亞馬遜倉庫到太空殖民,直擊人工智慧帝國全景地

圖! ◎人工智慧充滿隱藏成本,從自然資源和勞力到隱私和自由都是代價,深入了解我們為人工智慧付出了什麼? ◎人類為人工智慧制定的倫理架構非常失敗,程式碼和演算法並非致命毒藥,那麼到底哪裡出了錯? ▌「AI」,一個兩字的短語,隱含了一則神話和六個幽靈! 當我們跟Siri聊天、開著特斯拉電動車上路、用Google搜尋、上傳IG自拍、觀看抖音影片,以為自己生活在人工智慧的美好新世界,但事實上許多看似有價值的自動化系統能運作,背後都隱藏著幽靈。運行一個自然語言處理模型產生的二氧化碳排放量,相當於從紐約搭機往返北京125次!精心打造的魔鬼細節,讓我們相信智慧機器在做那些神奇的工作。 人工智慧不只是演

算法、資料與硬體的混合物,它關乎自然界、政治、歷史,有時甚至也和美有關。當人工智慧滲入政治生活、耗盡地球之時,會發生什麼事?人工智慧如何形塑我們對自己及對社會的理解? 本書作者凱特•克勞馥是當代對人工智慧的影響最深思熟慮的研究者之一,以人文主義者的眼光、藝術家的感知、科學家的嚴謹,揭露人工智慧真實的樣貌。她憑藉十多年的研究,揭示了人工智慧神話背後隱藏了什麼,從打造與支持人工智慧基礎設施所需的能源和礦物、剝削「自動化」服務背後的勞工,到人工智慧從我們身上取得的資料,破除人工智慧的迷思。 全書以地圖集的概念來看待人工智慧,提供我們重新閱讀世界的可能性。在人工智慧的地景中,我們會造訪礦坑、耗能資

料中心裡長長的走廊、顱骨檔案庫、影像資料庫,以及日光燈照亮的物流倉庫,了解每一種分類都有自己的後果。世界上最富有公司的人工智慧系統正榨取各種資源,將人類的思考能力商品化,以服務當代科技的一瞬間。 沒有單一的黑盒子,沒有單純的祕密,錯綜複雜的權力系統交織,映射了一組複雜的期望、意識形態、欲望和恐懼! ▌對本書的讚譽 李忠謀 │ 國立臺灣師範大學副校長暨資訊工程學系教授 這是本非以技術層面談論人工智慧主題的著作。本書分梳各種資訊系統在被設計與運用中所隱含的社會性及政治性的籌劃與代價,包括隱蔽在遠端及雲端概念中但真實存在的巨大環境成本和勞動成本――俾使讀者一窺人工智慧所帶來的正義問題。人工智慧

的發展與應用不會有所止步,但修正對人工智慧的迷思並擴大非技術面的探討確實是必要的。 郭榮彥 │ Lawsnote創辦人、律師 石油精煉縮短了世界的距離,同時也改變了地球的溫度;核能可以點亮黑夜,也點亮了廣島。 科技發展推進了人類社會的繁榮發展,但幾乎所有的科技同時也伴隨著負面的代價。 從工業革命開始,隨著經濟發展的高歌猛進,資產階級向全世界輸出便宜的物資,也輸出了軍隊和東印度公司,殖民者之間的爭奪演變成世界大戰,但我們的科技仍持續在進步,生活品質持續在提升。 作者提醒人工智慧的發展並不是沒有代價的,就像所有的科技一樣,有好的一面、同時有不好的一面。 重視科技的代價並沒有辦法讓進展回溯,但謙卑

的重視這些問題,才能讓科技更健康的發展。 黃文浩 │ 在地實驗創立者 AI科技的發展造成了「人類主體」轉向「資料主體」的倫理陷阱,本書提出種種跡證讓我們不得不從科技創新的樂觀期待中警醒並且思考面對。作者以地圖集的方法向我們「展示了一個對世界的特殊觀點,有受認可的科學——尺度與比例、經度與緯度——以及形式感和一致性」。這無疑是長期從事科技藝術工作如我面對跨領域最具啟發的方式。 謝宗震 │ 詠鋐智能股份有限公司創辦人暨執行長 克勞馥憑藉十多年的研究,揭示了人工智慧系統是如何根植於社會、文化、政治與經濟世界,她從人工智慧與正義的觀點大膽呼籲更加公正與永續的未來。無論你是人工智慧從業者,還是關心人

工智慧進入生活的一般讀者,這都是一本鞭辟入裡、發人省思的精采之作。 麥克・安南尼(Mike Ananny) │ 南加州大學(University of Southern California) 克勞馥說明人工智慧是一項跨越政治、勞力、土地和資料的技術成就和文化承諾,繪製出獨特的地圖,讓我們看見並挑戰人工智慧的力量,供我們採取行動。 露哈・班傑明(Ruha Benjamin) │ 《追逐科技》(Race After Technology)作者 透過出色地追溯人工智慧的歷史、神話、倫理和政治,本書提醒我們,我們所講述的人工智慧故事,就像構成這些系統的數學模型一樣重要。 傑佛瑞・鮑克(Geof

frey C. Bowker) │ 加州大學爾灣分校(University of California, Irvine) 這本書具說服力、清晰且深刻,我們這個時代的經典之作。它透過闡明人工智慧的社會、物質和政治面向,轉移我們的注意力,不再只看見新殖民主義光鮮亮麗的東西。 西蒙妮・布朗(Simone Browne)│ 《暗物質》(Dark Matters)作者 從勞力、乳膠和鋰的採掘到代理和帕蘭泰爾科技公司(Palantir)的政治,本書是對再現人工智慧的權力關係的嚴格質問,並無可避免地映現出其侷限性。這是一本不可或缺的著作。 全喜卿(Wendy Hui Kyong Chun) │ 西門菲莎

大學(Simon Fraser University),加拿大一百五十週年研究計畫新媒體學者(Canada 150 Chair in New Media) 一本必讀之作。從鋰礦場談到資料提取,從勞力剝削談到政府監控,本書深具說服力地揭示智慧是如何「製造」出來的。書中藉由追根究底地探查人工智慧可能造成的環境惡化、資本積累和勞動條件,取代空泛無力的「倫理」呼籲。 維吉妮亞・迪努姆(Virginia Dignum )│ 《自然》期刊(Nature) 揭露了人工智慧豐功偉業背後的陰暗面……精心研究,寫作精湛。 彼得・蓋利森(Peter Galison) │ 《愛因斯坦的時鐘,龐加萊的地圖》(Ein

stein’s Clocks, Poincare’s Maps)作者 人工智慧似乎就像我們機器中的幽靈一樣縈繞於這個世界。但正如凱特・克勞馥在她生動、令人不安的著作中所表明的,這個演算法、資料、硬體的混合物絕非無關緊要的。本書做出傑出的貢獻:讓人工智慧的幽靈現形。 蘇・海爾波恩(Sue Halpern) │ 《紐約書評》(New York Review of Books) 正如凱特・克勞馥這本鞭辟入裡的著作一再證明的,人工智慧並不是像天外救星一樣降臨在我們面前,而是透過一些我們大多數人都不知道的去人性化提取作法來完成。 凱倫・郝(Karen Hao) │ 《麻省理工科技評論》(MIT Te

ch Review)資深編輯 這是一部傑作,而我一直無法停止思考這本書。 賽門・英格斯(Simon Ings) │ 《新科學人》雜誌(New Scientist)「年度選書」 揭示了人工智慧的隱藏成本,從自然資源的消耗到我們的隱私、平等和自由更微妙的成本。 約翰・納頓(John Naughton) │ 《衛報》(The Guardian) 〔一部〕引人入勝的著作…… 阿隆德拉・尼爾森(Alondra Nelson) │ 美國社會科學研究會(Social Science Research Council)主席 具說服力又富啟發性……克勞馥描述了肆無忌憚的技術擴張帶來的可怕風險。方法原創又睿

智,本書是一幅關於現狀不可或缺的地圖,它大膽地呼籲讀者描繪一個更加公正而永續的未來。 阿娜伊絲・蕾塞吉耶(Anaïs Rességuier) │ 《AI與倫理》期刊(AI and Ethics) 本書是一部開創性的作品,將人工智慧帶入了我們關注的範疇……克勞馥的著作對該領域貢獻卓著,因為各國和國際、公司和教育機構的各個層面都在努力減輕這項科技帶來的危害。 大衛・夏維茲(David A. Shaywitz) │ 《華爾街日報》(Wall Street Journal) 克勞馥強烈主張,雖然人工智慧被呈現為無實體的、客觀的和不可避免的,但它卻是物質的、有偏誤的,且受我們自己的觀點和意識形態左右

。 約翰・史萊特利(John Slattery) │ 《公益》雜誌(Commonweal) 克勞馥……從《星艦迷航記》的世界中借鑑人工智慧,讓它變得豐富、人性化且發自內心。 麥可・史佩奇歐(Michael Spezio) │ 《科學》期刊(Science) 將人工智慧盡覽無遺,把這項科技架構為帝國、決策和行動的集結,這些帝國、決策和行動共同快速消除了在全球範圍內永續未來的可能性……一部在緊急時刻及時帶來貢獻的著作。 露西・薩琪曼(Lucy Suchman) │ 《人機重構》(Human-Machine Reconfigurations)作者 無論你是專心致志的研究人員、人工智慧從業者,還

是關心資料的力量日益強大的一般讀者,這都是一趟讓人大開眼界的旅程,在人工智慧的標誌下遍歷行星資源、勞動體和權力的關係,為資料的帝國賦予它竭澤而漁式的生命。 約翰・索恩希爾(John Thornhill) │ 《金融時報》(Financial Times)創新編輯「2021年度選書」 世界上對人工智慧的影響最深思熟慮的研究者之一,提供了一份發人深省且不可或缺的讀物,了解人工智慧如何加速不民主的治理和加劇的不平等。 佛瑞德・透納(Fred Turner) │ 《民主外圍》(The Democratic Surround)作者 凱特・克勞馥以人文主義者的眼光和藝術家對真正重要事物的感知,來思考人

工智慧。如果你認為人工智慧只和大數據及機器學習有關,那麼這本精采之作會提醒你:人工智慧關乎自然界、政治、歷史,有時甚至也和美有關。 約瑟夫・圖羅(Joseph Turow) │ 《聲音捕手》(The Voice Catcher)作者 精闢考察二十一世紀資料創建和操縱的過程、意涵與倫理。克勞馥探討的範圍相當多元,橫跨礦場、伺服器農場和配送倉庫,還有人工智慧新創公司,生動地展示了我們的系統如何發展為「失靈時危險,運作時有害」。 史蒂芬妮・伍德(Stephanie Wood) │ 《雪梨晨鋒報》(The Sydney Morning Herald) 一本引人入勝的新作。 《紐約客》(New Y

orker) 這項研究認為那〔人工智慧〕既非人工的,也不是特別智慧……關於訓練機器學習系統所仰賴的資料的迷人歷史。  

google雲端無法上傳進入發燒排行的影片

❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄
❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄
此版本載點:
https://mega.nz/folder/Xh42TQpA#FqiG-x1yWsgxad5uNmBsDw

作者:Septentrion
❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄
GBA模擬器:
https://mega.nz/folder/Wogh0ALb#kKchCbtt1Y9RJ6aXjQ9PKg

手機GBA模擬器:
Android「 Myboy模擬器」(8.0以上無法使用)
載點一:
▻▻▻Google雲端下載
https://drive.google.com/file/d/1p_FNe6s3G1irXSVncfaXQMvGXRaZZ0fk/view

載點二:
▻▻▻Google雲端下載
https://drive.google.com/open?id=1vqySe7BHswL4wZ0C5V9Ma9wMr7zkoCh1

❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄
手機GBA模擬器下載: IOS「GBA4iOS」
載點網頁:
▻▻▻下載連結4
https://tweak-box.com/gba4ios/

❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄

❤️聯絡信箱E-mail
任何遊戲資訊聯絡或是問題可聯繫
➡️[email protected]

❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄
❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄
#阿洛#ALUO
#神奇寶貝#口袋妖怪#寶可夢#精靈寶可夢
#GBA模擬器#NDS模擬器#口袋妖怪改版
#神奇寶貝手機遊戲#寶可夢手機遊戲
#神奇寶貝網頁遊戲#寶可夢網頁遊戲
#神奇寶貝電腦遊戲#寶可夢電腦遊戲
#第一世代#紅黃藍綠版
#第二世代#金銀水晶版
#第三世代#紅藍綠寶石版
#第四世代#心金魂銀#鑽石珍珠白金
#第五世代#黑白1#黑白2

-------------------------------------------------------
(阿洛ALuo影片Youtube頻道唯一上傳請勿搬運轉載)
-------------------------------------------------------

基於同態加密的隱私保護聯邦學習

為了解決google雲端無法上傳的問題,作者王竹恩 這樣論述:

近年來,聯邦式學習在資料隱私保護計算方面受到越來越多的關注,聯邦式學習是一種新興的機器學習技術,儘管資料科學家使用相同的模型進行訓練,但是不需要將私有的資料上傳到雲端或和其他資料科學家或研究團隊交換資料。在資料加密的部分,傳統的加密方式僅考慮到了訊息的機密性,缺乏解密資訊的竊聽者無法解讀,比較常見的有對稱式加密與非對稱式加密;但隨著時代進步,在密碼學中,除了強調機密性以外,其安全性的條件還有完整性、可驗證性及不可否認性等,通過這幾項特性的搭配,使得加密系統更加完善與安全。近年來,隨著同態加密的出現,使得資訊在密文狀況下,也能做四則運算。 因此,本文將以同態加密中加法同態加密為主

,提出以矩陣方式進行的同態加解密方法,可運用於聯邦式學習。在加密部分,由於矩陣同態加密的性質,密鑰須為方陣。研究結果顯示,在原始資料矩陣M1、M2為方陣的情況下,我們擴增並打亂原始資料,再將其進行加密。在原始資料矩陣的部分,我們尋找亂數與變數接近各為一半時的n,並將範圍設定在1≤n≤100,而在這樣的範圍當中,n=289與n=9801是最為接近條件的。其中又以n=9801最為安全,其在n總數不固定,亂數與明文皆不固定時被破解機率為0.5×〖10〗^(-2958)。在執行速度的部分,本研究因使用矩陣進行計算,故採用MATLAB來實作,本研究在99×99之矩陣的前處理、加密與解密的執行速度分別為4

.738596秒、0.016965秒與0.029146秒; 在9×9之矩陣的前處理、加密與解密的執行速度分別為0.092736秒、0.004856秒與0.005386秒。Paillier對兩個變數進行同態加密之加密與解密的執行速度分別為0.097399秒、0.005330秒。結果顯示,本研究在9×9之矩陣時與Paillier的執行速度最為相近,而我們9×9之矩陣的加密變數為Paillier的40.5倍。

登入元宇宙:解放自己,擴增夢想的次元

為了解決google雲端無法上傳的問題,作者金相均 這樣論述:

★YES24網路書店2021讀者票選年度之書,9.1顆星好評! ★韓國上市兩個月,熱銷超過30,000本,至今已再版超過120刷。 ★三星、LG、現代汽車、韓國文化產業振興院等超過200家企業爭相徵詢建議的元宇宙權威! ★寫給每個人的未來之書,登入元宇宙世界旅行與生活的最佳指南。 ★收錄作者5篇原創短篇小說,元宇宙也有陰暗面與副作用。 開拓嶄新世界的機運 看見每個人獨有的宇宙   Facebook直接改名Meta宣誓投注在元宇宙的決心;   Nvidia的創辦人黃仁勳宣稱元宇宙來了(The Metaverse is coming.),經濟規模終將超越現實世界;   微軟、亞馬遜、Goo

gle、Apple、三星、LG、騰訊也爭相佈局。   一夕之間,社群平台與各種媒體都在討論元宇宙(Metaverse),元宇宙到底是什麼,與個人生活有何相關?它是否只是企業巨頭競逐的遊樂場,是存在於另一個世界的喧囂?它從何而來,將往何處去?我們能在其中扮演什麼角色?   歡迎光臨元宇宙時代,我們都早已被註冊帳號,一起成為元宇宙的探險家吧!   韓國首屈一指的「元宇宙」專家金相均將在本書中擔任你專屬的響導,用任何人都能輕易理解的語言導覽何謂 元宇宙,你手上握有四張旅遊門票,準備好一起出發前往一個全新的地球──數位虛擬的地球了嗎?雖然可能會稍微有點頭暈,但那只是初次接觸陌生事物時會發生的類似

悸動的自然現象,所以無須害怕,希望你能完成這趟元宇宙的旅程。   曾用過手機抓精靈寶可夢嗎?曾經開車時將導航地圖投影在擋風玻璃上嗎?   ──你正在體驗擴增實境元宇宙(Augmented Reality,AR)   曾將美食照上傳到Instagram嗎?有沒有看過韓國綜藝《我獨自生活》呢?   ──你正在體驗生活日誌化元宇宙(Life Logging)   用過Google Maps環遊世界嗎?加入過偶像歌手的官咖嗎?曾透過Airbnb預約住宿?   ──你正在體驗鏡像世界元宇宙(Mirror World)   玩過魔獸世界、動物森友會等線上遊戲嗎?看過史匹柏的電影《一級玩家》嗎?   ──

你正在體驗虛擬世界元宇宙(Virtual World)   本書除了說明 元宇宙 如何一點一滴改變我們的生活,作者更進一步以韓國各產業界為例,舉出各家公司能如何利用此項科技的提案發想,強調縱使非科技公司,也能在了解後活用 元宇宙 以創造驚人效益,即使是非韓國本土企業也值得借鏡參考。   未來將是與元宇宙共存的時代,我們也早已生活在各種元宇宙之中。   我們在住家、職場、街頭和餐廳等場所,都會遇到相近世代或是不同世代的人,雖然好像所有人都生活在同一個空間、同一個地球上,但實際上你的家人、朋友和同事中,有多少人和你生活在同一個元宇宙裡?   「我的小孩一看到我就躲開。我不曉得我的另一半都在

想些什麼。最近的學生好像從外星來的孩子。這幾年的新進職員彷彿只有身體待在公司。」你如果曾經有過這些念頭,請你試著深入思考看看,你和那些人之間是否有共享的元宇宙。   即使一片明亮也有光照不進來的地方,元宇宙使用方法與注意事項   兼具小說家身分的金相均教授,也以自己原創的5篇短篇小說邀請大家一起思考元宇宙的陰暗面──只要戴上就能把眼前的對象變成夢中情人的隱形眼鏡、   有人將元宇宙當作新的工作平台、有人將元宇宙當作新的遊樂場,也有人將元宇宙當作遠離現實的一個方法。金相均教授也發出警言:「元宇宙應該是拓展人類生活的領域,而非成為某人的避難所、某人的收容所。」提醒大眾除了擁抱新科技,亦不可偏

廢培養獨立思考能力,才能在享受更便利、更多采多姿生活的同時,不被不當利用科技的部分群體反噬。   隨著covid-19疫情讓人們的物理接觸減少,我們已越來越難以不去接觸虛擬世界,而人類是社群動物,不可能獨活;所以元宇宙不只代表著一個集體虛擬共享世界,未來的趨勢,也是人們未來的生活方式。 名人推薦   知識型YouTuber  Cheap   驚喜製造 共同創辦人  林業軒、陳心龍   HowHow  陳孜昊   北科大元宇宙 XR 研發中心主任 曹筱玥   加個零社群觀察  張嘉玲   臺師大設計學系特聘教授 黃心健   電獺集團共同創辦人兼執行長 謝綸   (按姓氏筆畫排列)   聯合

推薦 各界盛讚   「你或許了解How哥宇宙,但你了解元宇宙嗎?趕快買這本《登入元宇宙》吧!」──HowHow  陳孜昊   「在閱讀本書的過程中,我總是非常生動地看見並體驗到他所說的未來,甚至都起了雞皮疙瘩。與其說是推薦,我真的很想跟金相均教授說聲謝謝,感謝他讓我有這樣的體驗。」──金慶日(김경일),《智慧的心理學》作者、認知心理學家&亞洲大學心理學教授   「《元宇宙》確實呈現出手機智人文明的細節和未來的方向。我建議期許自己有個成功的未來的人,或是想要有智慧地開發自我潛能的人,都一定要登陸元宇宙,嶄新的宇宙正在等待你。」──崔在鵬(최재붕),《手機智人》作者&成均館大學機械工程系教

授   「現在是該為後數位時代做準備的時候了。然而,這本書卻對在這種時代製作文化內容的我們提問:「目前為止你們做了什麼,現在正在做什麼,往後又該做什麼?你們有煩惱過這些問題嗎?」──金俊秀(김준수),SBS綜藝本部製作人&《叢林的法則》企劃   「希望讀者能透過本書看見嶄新的世界、看見每個人獨有的宇宙。為了讓人在新常態時代旅行而誕生的嶄新數位導覽書《元宇宙》。」──鄭民植(정민식),CJ E&M tvN製作人&《為你讀書》、《怎麼辦大人》、SAPIENS STUDIO總企劃

基於深度學習聲音辨識之技術研究與應用

為了解決google雲端無法上傳的問題,作者簡浩揚 這樣論述:

隨著深度學習技術的崛起,在聲音辨識的領域上越來越多的應用逐漸被開發。許多在醫學上的研究可以利用深度學習技術的優勢,來達到更好的效果。因此本篇論文以呼吸音結合深度學習技術進行研究。本篇論文的目的是開發一套聲音辨識系統,提供使用者自行上傳及辨識呼吸音。本文系統是以響應式網頁來設計,讓使用者可以在任何裝置上使用,透過使用者友善的界面,使用者可以更容易的進行操作。其中結合Google API的OAuth2.0管理帳戶登入,並利用Python的Selenium套件,來取得無法串接第三方聽診器應用的數據。實驗數據使用ICBHI Challenge 2017科學比賽所提供的呼吸音開放數據,比較三種較熱門的

CNN深度學習模型,即InceptionResNetV2、VGG16及MobileNetV2。在保持原有訓練及測試資料配比情況下,經過適度調整與搭配不同的特徵值擷取方法後,這三種深度學習模型的辨識率皆有所提升。