社區生活資訊情報站論文書籍站
李俊賢教授的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到附近那裡買和營業時間的推薦產品
李俊賢教授的問題，我們搜遍了碩博士論文和台灣出版的書籍，推薦黃芳銘寫的 統計就是這麼輕鬆R：AI幫你寫好資料分析 可以從中找到所需的評價。
國立中央大學 資訊管理學系 李俊賢所指導 姚宇謙的 複數型模糊類神經系統及連續型態之多蟻群演化在時間序列預測之研究 （2017），提出李俊賢教授關鍵因素是什麼，來自於特徵選取、複數模糊集、複數模糊類神經系統、蟻群演算法、遞迴最小平方演算法、多目標預測。
而第二篇論文國立中央大學 資訊管理學系 李俊賢所指導 吳清鈺的 改良式複數模糊類神經系統於時間序列預測之應用 （2017），提出因為有 多目標特徵挑選、結構學習、複數模糊類神經系統、PSO-RLSE複合式演算法、誤差回饋、時間序列預測的重點而找出了 李俊賢教授的解答。
統計就是這麼輕鬆R：AI幫你寫好資料分析
為了解決李俊賢教授 的問題，作者黃芳銘 這樣論述：
只能跑出統計報表的統計套裝軟體落伍了，讓統計專家以及程式高手帶著您，透過AI來幫您做統計計算、分析與解讀！ R語言是進入統計學領域的一把重要鑰匙，本書從基礎開始，一個個步驟帶您領會運用R語言的樂趣。 R 是一種專門為統計分析與資料管理所設計的手稿語言。R 誕生於90 年代初期，由S 語言所轉變而來。它是免付費的公開軟體，可自由下載原始碼，加上十分容易在官方網站找到別人寫好的套件或分析程式碼，因此近年來使用的人越來越多，並且不乏許多專業人士如：風險分析師、研究學者、統計學家等。 本書會從入門的安裝步驟開始，介紹R的資料型態、資料整理、繪圖、推論統計的概念
、變異數分析等，幫助讀者打好基礎，讀完您會發現，原來統計就是這麼輕鬆啊！
李俊賢教授進入發燒排行的影片
任教地理科約八年的李俊賢(Kenry Sir)，不甘所教所學的地理知識只是流於書本，決定離職遊歷世界，除了希望成為一個「有故事的人」，亦盼自己可成為活生生的「地理百科全書」。旅途中，Kenry Sir開設專頁分享其所見所聞，一年後重返教育界的他，教授莘莘學子學習時，亦毋忘尋夢的勇氣。
不願做「井底蛙」
大學畢業後，Kenry Sir如願成為一名地理老師。執教八年，因為學生的一句說話，他突然覺得自己很「井底」。「一個中二同學暗暗講咗句『讀地理唔應該係咁』，當時我畀佢嘅回應係『讀地理真係唔應該只係流於書本上』。」
學生的說話一直深深扎根在Kenry Sir的腦海裏，儲蓄四年後，他決定親自到訪地理書中介紹的大自然地貌。Kenry Sir指作離職決定時，有不少人質疑：「點解你要依家去睇個世界？退休後大把時間啦。」但他坦言不想令自己後悔：「都唔知我想去嘅地方將來變成點。」
讀萬卷書不如行萬里路
Kenry Sir決定給自己一年時間環遊十個國家，並開設Facebook專頁，記錄旅程中遇到的人和事。旅程以他最喜歡的地方－冰島開始，他指在這「冰與火的國度」可以觀賞到不同的大自然地貌，例如火山、火山湖及瀑布，令作為「大自然發燒友」的他流連忘返。他又指，學生年紀尚小，暫未有獨自外遊的機會，因此他堅持每到一個地方都會拍攝短片並上載至專頁，希望「畀學生睇睇書本上學嘅嘢真實情況係點」。
除了觀賞怡人的世界奇觀，他亦希望把握機會與當地人作交流，特別是一些「不太跟大路走」的人，Kenny Sir直言：「其實每個人都有自己嘅故事等待人哋發掘，而我亦希望自己去世界唔同地方找尋有緣分享故事嘅人，亦將自己去唔同地方嘅故事同人分享。」整個旅程中，最令他難忘的是斐濟，「佢哋好鐘意講一句『Bula』，係打招呼嘅意思，即係不論你係咩人，基本上去到邊，佢哋唔識你都好，佢地都會非常熱情同你打招呼。」
有故事的人
看過不同的風景，認識了不少「有故事的人」，Kenry Sir今年帶着不一樣的心境重返教育界，「我哋經常被灌輸，我哋好應該要點做，就係要讀書考好成績，要入大學、要揾份好工，要賺好多錢，但係有同學可能係學業方面，唔係佢哋最強嘅範疇，我希望我嘅同學會知道，唔只係得一條路，可以有好多好多嘅可能性。」縱然作為教育者，Kenry Sir亦了解其局限，「作為一個老師，未必可以改變到一個制度，但我希望學生知道，其實喺應付考試嘅同時，亦可以培育你對地理科嘅熱情或者你嘅愛好。」
制度，Kenry Sir未必有改變的能力，但他會努力堅守其成為老師的初心－學生能夠愉快學習，「我希望多啲帶佢地出去，即係離開課室，接觸一下大自然，希望呢啲時間，佢地都會覺得開心。」
今集《港。故》用5分多鐘，向大家訴說一個勇敢追夢、行走的「地理百科全書」的故事。
-------------
《港。故》：東網每周專題習作，講故事、講香港人的故事。
Fb：http://bit.ly/oncckonggu_Fb
IG：http://bit.ly/oncckonggu_IG
Youtube：http://bit.ly/oncckonggu_Youtube
複數型模糊類神經系統及連續型態之多蟻群演化在時間序列預測之研究
為了解決李俊賢教授 的問題，作者姚宇謙 這樣論述：
隨著資料的快速增加，如何有效分析隱藏在大量資料中的價值日益重要。在資料分析的領域中，時間序列的分析與預測是一主要的研究方向。本研究提出一個複數模糊類神經模型(Complex neuro-fuzzy model)，其結合複數模糊集(Complex fuzzy set)、T-S模糊系統(T-S fuzzy system)形成該模型。在參數學習，以多群連續型蟻群演算法(Multi-group continuous ant colony optimization, MGCACO)與遞迴最小平方演算法(Recursive least squares estimator, RLSE)結合，成為MGCAC
O-RLSE複合型演算法，進行參數的搜尋與最佳化。多群連續型蟻群演算法在演化過程中，加入資料流通、淘汰、繼承等特性，能夠減少演算法落入區域最佳解以及加速進行參數的最佳化。在資料進入模型前，利用特徵選取(Feature selection)的方式，擷取其中較為有影響力的資料進行預測，減少模型負擔。此外，模型的歸屬程度(Membership degree)是複數型態，並且能拆解成多個不同的歸屬程度，使模型達到預測多目標的效果。本研究以三個實驗來驗證模型的效能與研究理論。實驗一的單目標證實本研究的理論，實驗二與實驗三的多目標實驗，個別證明模型的複數形態輸出以及利用多個歸屬程度達到的多目標輸出方法。個
別實驗結果皆與過往文獻比較，實驗顯示本研究模型在時間序列預測上有良好效能，更加證實本研究的可行性。
改良式複數模糊類神經系統於時間序列預測之應用
為了解決李俊賢教授 的問題，作者吳清鈺 這樣論述：
本研究針對時間序列預測之問題，提出了一個改良式的複數模糊類神經系統。改良的地方在於本研究根據模型輸出與目標間的誤差提出了一種誤差回饋的方式，藉由將誤差回饋到模型的後鑑部以改善模型預測時間序列的準確度。在模型輸入的選擇上，本研究基於夏農資訊熵(Shannon Entropy)的理論提出了多目標特徵挑選的方法，其主要是計算特徵對於目標所提供的資訊量，並以一套特徵選取策略針對特徵提供的資訊量來進行特徵的挑選。在模型建立上是使用結構學習(Structure learning)的方式，以數據本身客觀地建構模型，改變傳統以主觀的方式決定模型的建立。複數模糊集合(Complex fuzzy sets, C
FSs)比以往傳統的模糊集合具有更佳的解釋能力，運用於模糊類神經系統(Neural fuzzy system)中能夠傳遞更大量的資訊，增加模型預測的效能，並且能夠讓模型同時預測多個目標。在模型參數學習階段，將粒子群最佳化演算法(Particle swarm optimization, PSO)與遞迴最小平方估計法(Recursive least squares estimator, RLSE)結合形成PSO-RLSE複合式演算法。PSO用於模型前鑑部之參數優化，而RLSE則負責模型後鑑部之參數更新，此種分而擊之的概念能夠降低模型參數的維度，提升找到模型參數最佳解的機率，並能降低模型整體的訓練時
間。本篇研究使用財經市場的時間序列進行多目標預測的實驗，並從實驗結果顯示本論文所提出之模型與其他文獻相比有較好的預測結果。