網路與通訊實驗室 / 師資陣容


網路與通訊實驗室研究規劃主要可分為以下幾大目標 :

●  物聯網技術與應用

  物聯網(Internet of Things, IoT) 技術可以結合感測器技術、辨識技術與無線通訊技術,使設備具備連網能力。物聯網的應用相當廣泛,其融合了資通訊技術,將感測器、無線通訊、網際網路、工業自動化控制與嵌入式系統進行整合,並搭配雲端運算提供應用服務,當很多設備連上網路後,我們便可隨時瞭解其運作狀態,同時,也可以透過網際網路來改變其狀態。透過物聯網的研發,各式各樣的智慧物件亦日漸普及,如智慧手機、智能電錶及水錶、具無線傳輸能力的LED智慧照明燈、智慧冰箱、智慧藥盒、智慧血壓計、智慧跑步機、智慧家電以及穿戴式裝置等。

●  物聯網管理系統

  物聯網應用提升了生活的便利性與即時性,將生活中所能接觸到的各項事物都連結起來,萬物聯網的時代即將因應運而生,在萬物互聯網(Internet of Everything)環境下,未來將佈建巨量之感測器以支援各種前瞻應用,為有效管理眾多物聯網設備,交通大學林一平教授團隊開發了一套IoTtalk物聯網管理系統,讓使用者能夠簡單地管理及快速地連接多個物聯網設備。我們也將基於IoTtalk,管理物聯網設備,並快速且有效地開發各種創意應用。

●  霧計算(Fog Computing)[1] 技術與應用

  霧計算(Fog Computing)使用用戶終端裝置或連接用戶裝置的邊緣裝置,以分散式架構進行資料儲存、網路傳輸或控管。霧計算於2014年由Cisco提出,為雲端計算(Cloud Computing)的延伸。霧計算的架構可將計算需求分層次或分區域處理,以解決網路塞車問題。霧計算常用於對時間要求較高(Time Sensitive)的應用,包括: 智慧醫療照護、智慧車、智慧工廠、智慧電網等。霧計算在靠近物聯網用戶終端裝置,就近收集資料、過濾、計算、監控,再將資料傳至雲端資料中心,做更完整的資料分析及處理。(參考資料: [1]霧運算 https://zh.wikipedia.org/wiki/霧運算)

●  邊緣計算(Edge Computing)[2] 技術與應用

  邊緣計算(Edge Computing)是一種分散式計算的架構,將應用程式、資料與服務的計算,由網路中心節點移往網路的邊緣節點來處理。因為邊緣節點比較接近用戶終端裝置,因此可以加快資料的處理,加速資料的傳送,減少延遲時間。(參考資料: [2] 邊緣運算 https://zh.wikipedia.org/wiki/邊緣運算)

●  機器學習 (Machine Learning) [3] 技術與應用

  機器學習是AI (Artificial Intelligence)人工智慧的一支。機器學習主要是設計讓電腦可以自己學習的演算法。機器學習從資料中分析並取得規律,並對未知資料進行預測。機器學習的應用包括:電腦視覺、自然語言處理、生物特徵辨識、語音辨識、手寫辨識、機器人等。(參考資料: [3] https://zh.wikipedia.org/wiki/機器學習)

王讚彬/ 教授

無線網際網路、行動計算、車載網路、智慧物聯網
林嬿雯/ 教授

霧計算、智慧物聯網、行動計算、無線網際網路