• 研究生: 顏浩恩
• 畢業學年度: 111
• 相關連結

現行藥物開發的動物實驗多數以小鼠做為實驗對象，由於無法透過語言溝通來了解小鼠的感受，目前普遍用以觀察小鼠狀態的方法是透過臉部表情和行為模式。近年來由於機器學習的蓬勃發展，相關的辨識技術與應用獲得大幅度的進展，其中也包含了小鼠臉部及行為判別。然而，監督式的機器學習演算法在分析小鼠表情及動作判別的應用上會遇到兩個主要的挑戰：第一個是需要大量的資料集來減少小鼠間的個體差異對機器學習效能的影響；第二個是由於小鼠的狀態都必須透過第三方觀察得知，因此如何驗證資料標記的可靠性是一大問題，然而準確可靠的資料標記對於機器學習模型的訓練是非常基本的要求。特別是在小鼠的痠、痛分析的問題上，人類無法與小鼠透過言語溝通判斷正確的資料標記。
本論文將著重於訓練樣本與特徵於不同分類架構的效應分析，用以克服上述的兩個挑戰。比較的架構包含產生訓練樣本的方法、小鼠的行為特徵萃取、影像上的時間特徵以及不同類別的機器學習模型，透過實驗分析這些不同架構於相同資料集所產生出來的結果、驗證是否符合預期。產生出來的結果主要是透過觀察準確率、誤報率，和檢測率去觀察不同系統於少量資料與未曾包含於訓練過程的新個體表現。本篇論文並提出了一個非監督式的方法與其他架構作結合，嘗試減少過擬合的現象還有資料標記不夠精確的影響。