Cholesky 分解(Cholesky decomposition)、最大似然(maximum likelihood)、非平穩空間相關函數(nonstationary spatial covariance function)、向量自回歸模型(vector autoregressive model)、極值相依結構(extremal dependence structure)、空間隨機效應模型(spatial random-effects models)

鋰離子電池(A multi-run step-stress experiment)、TRP 模型(end of performance)、電池壽命預測(lithium-ion batteries)、多次運行之加速衰變試驗(trend renewal process)、試驗終止時間(trend renewal data)

可回充鋰離子電池(Rechargable lithium-ion batteries)、電池壽命預測(end of performance)、數據驅動模型(data-driven model)、電化學固體電解質介面模型(solid-electrolyte interphase model)、實驗終止時間(termination time)

神經網路(Bayesian neural network)、物理信息神經網路(Catalytic prior)、貝氏神經網路(Differential equation)、物理信息先驗分配(PINN)、微分方程式(undefined)

仿射耦合(affine coupling)、空間變形法(spatial deformation)、非平穩態(non-stationarity)、樣條函數(splines)、正則化(regularization)、深度學習(deep learning)

自編碼器(Autoencoder)、嵌入(embedding)、標準化相互資訊(normalized mutual information)、一步預測(one-step-ahead forecast)

鋰離子電池(Lithium-ion battery)、電池壽命預測(battery life prediction)、試驗終止時間(test termination time)、循環式逐步應力加速衰變試驗(cyclic step-stress accelerated degradation test)、循環式 SS_ATRP 模型(cyclic SS_ATRP model)

仿射耦合(Affine coupling)、空間變形(non-stationarity)、梯度下降法(gradient descent)、空間非平穩(regularization)、正則化估計(spatial deformation)

經驗動態建模(Empirical Dynamic Modeling (EDM))、高維度時間序列(High dimensional time series)、非線性交互作用(Nonlinear interactions)、核範數正則化(Nuclear-norm regularization)

類神經網路(Neural network)、物理信息神經網路(Physics-informed neural network)、微分方程式(Differential equation)、參數估計誤差(Parameter estimation error)

系統辨識(System identification)、物理信息神經網路(Physics-informed neural network)、閉環控制(Closed-loop control)、懸浮式軸承(AMB)、深度學習(Deep learning)、模擬(Simulation)

極端降雨(Extreme Rainfall)、極值分配(Extreme Value Analysis)、高斯過程(Gaussian Process)、全球暖化(Climate change)

捲積神經網路(Convolution Neural Network)、資料擴增(Data Augmentation)、深度學習(Deep Learning)、影像分類(Image Classification)、影像形態學(Image Morphology)、影像處理(Image Processing)、ResNet(ResNet)

高維度時間序列(High-dimensional time series)、交互相關函數(Cross-correlation function)、多重假設檢定(Multiple hypotheses testing)、動態因子模型(Exact dynamic factor model)

子抽樣(subsampling)、薄板樣條(thin-plate spline)、空間隨機效應模型(spatial random effect model)、不平衡資料(imbalanced data)、節點部署(knot placement)

交替方向乘子法(ADMM)、雙線性自迴歸(Bilinear autoregression)、維度縮減(Dimension reduction)、矩陣時間序列(Matrix-variate time series)、克羅內克積的秩(Kronecker product rank)、奇異值分解(constrained SVD)

連接器(Connectors)、機連網(Industrial Internet of Things(IIoT))、工業4.0(Industry 4.0)、數位化(Digitalization)、全面生產管理(Total Production Management)、綜合設備效率(Overall Equipment Efficiency(OEE))

空間變形(deformation)、距離矩陣(dissimilarity matrix)、等距特徵映射(isomap)、多維標度法(multi-dimensional scaling)、隨機森林(random forest)、薄板樣條函數配適(thin-plate splines)

高斯過程(Gaussian process model)、模型錯誤設定(model misspecification)、局部線性迴歸模型(partial linear regression)、空間自迴歸模型(spatial autoregressive model)

差分整合移動平均自迴歸模型(ARIMA model)、自動化配適(auto fitting)、交叉驗證(cross-validation)、信息標準(information criterion)、模型篩選(model selection)、滾動窗口(rolling windows)

化學工廠(Chemical Plant)、統計模型(Statics Model)、機械學習(Machine Learning)、軟體儀表(Soft Sensors)

電腦實驗(Computer Experiment)、實驗設計(Design of Experiment)、反應曲面法(Response Surface Methodology)

交替方向乘子法(ADMM)、雙線性自迴歸(Bilinear autoregression)、維度縮減(Dimension reduction)、矩陣時間序列(Matrix-variate time series)、克羅內克積的秩(Kronecker product rank)、限制式下的奇異值分解(constrained SVD)

高維度時間序列(High-dimensional time series)、空間主成分分析(Spatial PCA)、維度縮減(Dimension reduction)、卡爾曼濾波(Kalman filter)、Stringing方法(Stringing method)

電腦實驗(Computer Experiments)、代理模型(Surrogate Modeling)、空間自迴歸模型(Spatial Autoregressive Model)、高斯過程(Gaussian Process)、限制性最大概似估計(Restricted Maximum Likelihood)

貝氏推論(Bayesian)、動態卜瓦松迴歸模型(Dynamic Poisson Regression)、卡爾曼濾波器(Kalman filter)

典型相關分析(Fixed rank kriging)、核典型相關分析(canonical correlation analysis)、概似比檢定(kernel canonical correlation analysis)

經驗正交函數(Empirical orthogonal functions)、投影梯度下降演算法(projected gradient descent)、懲罰最小平方法(penalized least squares)、卡爾曼濾波(Kalman filter)、空間預測(spatial prediction)、時間預測(temporal forecast)

製程應用(Poisson Regression)、生產製程(Multi-Stage)、多站點(Multi-Tool)、多機台(undefined)

降維分解(Reduced-rank)、時空資料(spatial and temporal data)、動態結構(stata space model)

類神經網路(Artificial neural network)、時間序列(Time series)、移動差分整合模型(SARIMA)

壽命連結商品定價(Mortality-linked Security Valuation)、死亡率跳躍(Stochastic Mortality Model)、Levy跳躍模型(Levy jump)

double EWMA 控制器(double EWMA controller)、線性漂移(linear drift)、混合生產製程(mixed-run production)、批次控制(run-to-run control)

計數模型(Count regression)、類別變數選取(Group Lasso)、水準合倂(Fused Lasso)

隨機優勢(Stochastic Dominance)、幾乎隨機優勢(Almost Stochastic Dominance)

多步降雨預測(multi-step forecast)、羅吉斯迴歸(logistic regression)、boosting(boosting)

recursive 方法(recursive method)、direct 方法(direct method)、最佳線性預測(the best linear prediction)、最小平方法(least squares)、時間序列(time series)、多步預測(multi-step forecast)、AIC(AIC)、結合預測(combined forecast)、leave-h-out cross-validation(leave-h-out cross-validation)

攝護腺癌(Prostate cancer)、全民健康保險資料庫(National Health Insurance Research Database)、Probit model(Probit model)、Logit model(Logit model)

異質卜瓦松點過程(Inhomogeneous poisson point process)、強度函數(intensity function)、正規化函數(regularization function)

因子模型(factor model)、多項式分布(multinomial distribution)、百分位數(percentile)、PR值(PR value)

最佳投資組合(optimal portfolio)、平均數－變異數模型(mean-variance model)、VAR 模型(VAR model)

信用違約交換(Credit Default Swap)、違約強度(Default Intensity)、違約機率(Default Probability)、利率期限結構(Term Structure of Interest Rates)、DNS模型(Dynamic Nelson-Siegel)、損失分配(Loss Distribution)、風險衡量(Risk Measurement)

受限動態因子模型(Constrained factor model)、EM 演算法(EM algorithm)、階層集群分析(hierarchical clustering)、概似比檢定(likelihood ratio test)、狀態空間模型(state-space model)

受限因子模型、EM演算法、Sparse fused lasso

可靠度(reliability)、保固期(warranty period)、成長曲線(growth curve)、貝氏分析(Bayesian analysis)、動態預測(dynamic prediction)

MLE方法、EM演算法、adaptive lasso、時空隨機效應模型、模型選取

時空隨機效應模型、模型選取、前進選取法