【內容簡介】

研究前沿的識別分析至關重要，有助於監測熱門的研究及發掘具有潛力的研究主題，並了解當前知識與技術發展的現況，在學術層級，研究人員得以快速掌握知識發展趨勢，進而擬定研究主題；在產業層級，可作為技術與商業布局之即時參考；在社會層級，政府在制定政策時能擁有更精準的參考依據，以進行國家資源分配、研究能量布署、法規制定等決策行為，進而提升國際競爭力。

本研究旨在運用書目計量方法建立一研究前沿識別架構，並發展兩種的前沿技術識別模組，分別為知識影響力構面及知識品質與來源構面，透過線性關係描述AI 技術中的知識流動與研究前沿，以識別潛力技術所在，有助於各界更清晰地辨識與理解新興AI 技術的發展趨勢，並為往後其他領域的識別提供了參考架構。基於本研究之研究前沿識別架構，識別出AI五大重點研究主題，分別為機器學習、深度學習、卷積神經網絡、分類技術與特徵擷取，在機器學習方面，研究聚焦於演算法優化、影像處理、多模態機器學習等，並應用於醫學、城市規劃、金融等領域。深度學習的研究方向包括疾病診斷、機械故障偵測、金融和災害預測，並關注執行策略的優化。卷積神經網絡研究注重於物件偵測、圖像分割、特徵識別等，多應用於機械故障、醫學影像、城市建築等。分類技術則強調分類演算法和特徵提取的效能提升，並廣泛應用於地理環境、地球科學、光譜學等。特徵擷取技術集中在臉部辨識、可見光與紅外線影像的分類與融合，並應用於智慧故障診斷、醫學影像等。