林顯堯

專案

1.紐約市計程車車費預測 :

• 使用XGBoost和CatBoost算法來預測計程車車費，涉及廣泛的數據預處理、特徵工程和超參數優化。   
• 實施了先進的數據清理技術，包括異常值處理、特徵提取和時間序列數據處理，以提高模型的準確性。               
• 利用GridSearchCV和RandomizedSearchCV進行深度學習 模型的超參數調整，成功降低了預測誤差（RMSE）。 

2.太陽能發電量預測 :

• 使用XGBoost和隨機森林機器學習算法的集成學習技術來 預測太陽能發電量。 

論文研究 - 衛星圖的超解析度

實現了 34.08 的 PSNR 值和 0.85 的 SSIM 指標，有效提升了影像品質和細節保真度，達到人眼不易分辨的效果。 

1.結合Switch技術的超解析度增強 :

• 引入了融合傳統深度學習模型和先進影像處理技術的混合網絡架構。 
• 提高了衛星影像的質量和細節恢復，同時提升了衛星影像處理的效率。 
• 技能：SSIM、影像處理、擴散模型。                                                                                                                                      

2. 基於SRDDIM和雙三次插值提升衛星影像解析度 :

• 建構了一種基於結構相似性指數（SSIM）的影像分類方法，根據紋理複雜度將衛星雲圖分類為簡單和困難集，並應用不同的傳統和生成式 AI方法進行超分辨率處理。 
• 提出了一種基於紋理結構分類的影像增強方法，提高了推理速度。 
• 技能：影像處理、擴散模型、插值方法