莊家峯 Chia-Feng Juang

提出可解釋模糊推論 應用於機器人自我學習控制

本人研究專長為人工智慧之計算智慧領域，包含模糊系統、類神經網路與進化計算演算法。由於看好此領域的未來發展，20 多年前即開始投入相關研究，並有一些開創性的研究成果發表。目前已發表 60 多篇 IEEE 期刊論文，其中有 20 多篇已被引用超過 100 次，且有兩篇被引用高達 1,000 多次。

由於在計算智慧領域的傑出表現，很榮幸經由 IEEE 計算智慧學會的第 1 次推薦，獲得 2019 年 IEEE Fellow 榮譽。目前本人並擔任 IEEE 計算智慧學會傑出講座 (Distinguished lecture)。此外亦獲得中國電機工程學會「傑出電機工程教授獎」(2019) 與中華民國自動控制學會「會士」(2016) 之肯定。

近 5 年的主要研究成果之一，為針對機器強化學習問題提出一系列的多目標進化強化演算法，以提高模糊系統與類神經網路模型的學習效率。此外，有感於可解釋人工智慧在未來應用發展的重要性，針對不同的應用問題，已提出其適合的可解釋模糊推論模型與學習方法。這些方法已成功應用於單台與多台輪型與步行機器人的自我學習控制與導航、基於電腦視覺的物體辨識及醫學輔助診斷。代表性的 5 篇論文已分別發表在自動化與控制系統、醫學資訊，以及儀器與儀表領域上 SCI 排名第 1 名的 IEEE 期刊上。

產業應用上，基於本人計算智慧專長與研究成果，近 5 年已執行多項產學計畫與擔任業界技術顧問，協助上櫃公司、中小企業、新創公司與教學醫院，導入計算智慧技術或開發新的產品，達成產品智慧化與節省人力之目標。未來此領域的研究成果，將可協助人們持續往智慧化的工作與生活環境邁進。