簡表
簡表
中文名稱 英文名稱 主持人 補助單位 計畫編號 補助金額 開始日期 結束日期 晶圓缺陷樣式辨認及相似度分析 Ｗafer Failure Pattern Fingerprint and Similarity Detection 張智星 台積電 500000 2013/9/1 2014/8/31 以GPU為運算核心之音樂檢索系統 GPU-based Music Information Retrieval Systems 張智星 國科會 795000 2013/8/1 2015/7/31 自動內容辨識技術 Automatic Content Recognition Technology 張智星 資策會 800000 2013/2/1 2013/12/15 從數位學習到智慧生活的整合研發計畫 Integrated R&D Program from Digital Learning to Smart Life 張智星 國科會 1000000 2013/1/1 2015/11/30 晶圓缺陷樣式辨認 Wafer Failure Pattern Fingerprint 張智星 台積電 740000 2013/1/1 2013/12/31
詳細資料
- 晶圓缺陷樣式辨認及相似度分析
- 英文名稱: Ｗafer Failure Pattern Fingerprint and Similarity Detection
- 計畫編號:
- 主持人: 張智星
- 補助單位: 台積電
- 計畫執行期間: 2013/9/1 to 2014/8/31
- 關鍵詞:
- 摘要簡介:
The objectives and scope of the project are:
- Develop and integrate a robust similar wafer detection methodology into wafer fingerprint kernel for CP/WAT failure diagnosis infrastructure.
- Enhance the stability, consistency and aaccuracy of failure pattern recognition system.
- Architecture design and prototyping for automation.
- 以GPU為運算核心之音樂檢索系統
- 英文名稱: GPU-based Music Information Retrieval Systems
- 計畫編號:
- 主持人: 張智星
- 補助單位: 國科會
- 計畫執行期間: 2013/8/1 to 2015/7/31
- 關鍵詞:
- 摘要簡介:
GPU在各種科學計算的重要性，已經不言可喻，近期最顯著的範例，是大陸天河一號A結合了7,168顆NVIDIA Tesla? M2050 GPU和14,336顆CPU，創下高達2.507 petaflops的全新效能紀錄，在2010年6月Top500超級電腦排名拿到全世界第一名。本計畫將以GPU為主要運算核心，來實作兩種音樂檢索的典型，包含「哼唱選歌」（query by singing/humming）和「音訊指紋」（audio fingerprinting），並探討在不同的比對策略下，如何使GPU+CPU的架構達到最好的效能。同時我們將使用機器學習的方法，尋新的比對方法，同時在大量資料中學習最好的比對策略。我們期望能夠使用低廉的硬體及較低的耗電量，就能進行大量音樂的比對（「哼唱比對」能夠在5秒內比對5萬首歌，「聲音指紋」能夠在五秒內比對20萬首歌），並能夠有符合世界水準的辨識率（以MIREX比賽為比較基準），以推進國內相關技術與應用的水準。
- 自動內容辨識技術
- 英文名稱: Automatic Content Recognition Technology
- 計畫編號:
- 主持人: 張智星
- 補助單位: 資策會
- 計畫執行期間: 2013/2/1 to 2013/12/15
- 關鍵詞:
- 摘要簡介:
隨著手持智慧裝置的普及，很多觀眾看電視時，都會同時使用智慧行動裝置以導入相關資訊，促成相關App(智慧行動裝置上之應用程式)的興起。目前的App大多需要觀眾自行開?該程式，且觀眾轉台時，App 並不會跟著自動轉台。而為達到讓使用者在看電視節目的同時，App 能跟著自動轉台，甚至智慧行動裝置(i.e. Smart Phone, xPad)本身同時可以啟動相關的TV App，所以我們需要建構一個電視內容自動辨識引擎。因此，本計畫目標是研發辨識引擎中的聲紋特徵值萃取演算法，以及聲紋比對演算法。
- 從數位學習到智慧生活的整合研發計畫
- 英文名稱: Integrated R&D Program from Digital Learning to Smart Life
- 計畫編號:
- 主持人: 張智星
- 補助單位: 國科會
- 計畫執行期間: 2013/1/1 to 2015/11/30
- 關鍵詞:
- 摘要簡介:
本計畫嘗試整合各計畫主持人的專長，累積過去的開發能量，結合廠商實際需求，開發新一代的語音助理整合介面。整合台大張智星教授長期在語音方面的專長，透過其不同語言的語音辨識關鍵詞擷取(Keyword-Spotting)，以及旋律辨識，結合許聞廉特聘研究員長期在自然語言理解的深入研究與資策會在不同裝置間的個人化學習技術，整合開發新一代的語音助理，以期為台灣的業者(目前洽談中包括鴻海科技，遠見科技，賽微科技/Cyberon，...等)諸多廠商，提供一個完整的整合語音助理平台。
- 晶圓缺陷樣式辨認
- 英文名稱: Wafer Failure Pattern Fingerprint
- 計畫編號:
- 主持人: 張智星
- 補助單位: 台積電
- 計畫執行期間: 2013/1/1 to 2013/12/31
- 關鍵詞:
- 摘要簡介:
Failure analysis is the process of analyzing and interpreting wafer data to identify the root cause of a failure. This module plays a pivotal role in enhancing the wafer yield. To ensure that the failure analyzer delivers meaningful results, a robust wafer failure pattern recognition platform with efficient similarity wafer ranking should be available. Wafer failure pattern recognition, a first step in the direction, is meant to detect and recognize the appropriate failure lots/wafers which can be used for failure correlation during the analysis stage. Wafer pattern similarity is the next milestone in the path leading to failure analysis. Failure pattern Similarity ranking assists in performing failure analysis with a higher degree of consistency. A logical inference with respect to suspected tools is possible only when the failure pattern recognition is equipped with pattern similarity ranking. In this proposal, we plan to build up a computer aided tool to simplify and speed up the pattern similarity ranking and recognition instead of manual check CP/WAT failure map by eyeball view, and enhance both high engineering efficiency and effectiveness.