參考文獻 |
一、中文文獻
1. 江逸之 2019 「 2000 大企業數位轉型與人才大調查白皮書 」 取自
https://futurecity.cw.com.tw/article/1122 。
2. 簡禎富, 2019 「 工業 3.5 : 台灣企業邁向智慧製造與數位決策的戰略 」 台北市 : 天下雜誌股份有限公司。
3. 林浩穎, 2018 「 運用物聯網與資料探勘對小麥草進行數據分析(未出版之碩士論文)」 ,國立臺北科技大學,台北市。
4. 陳冠吟, 2017 「決策樹、羅吉斯迴歸與類神經網路預測員工績效之比較研究(未出版之碩士論文)」 ,國立中央大學,桃園市。
5. 陳蕙婷,2017 「 以決策樹探討電信業預付型產品客戶流失預警模式 (未出版之碩士論文)」 ,國立臺北科技大學,台北市。
6. 鄧莉雅,2015 「 決策樹分析與羅吉斯迴歸於資料探勘的整合運用 以人事資料與民眾健康影響因素之探討為例(未出版之碩士論文)」,國立台灣師範大學,台北市。
7. 謝孝鴻, 2014 「大學生情侶送禮推薦之研究 邏吉斯迴歸模型、約略集合與決策樹模型之比較(未出版之碩士論文)」,私立東吳大學,台北市。
8. 楊顯爵,林左裕,陳宗豪, 2007 「 住宅抵押貸款違約之研究 影響因素之顯著性分析 」 國科會補助研究案-台灣土地研究,第 11 卷,第 2 期,第 1~ 36頁。
9. 黃志勝, 2018 「機器/統計學習:羅吉斯回歸」,取自
https://medium.com/@chih.sheng.huang821/%E6%A9%9F%E5%99%A8 -E7%B5%B1%E8%A8%88%E5%AD%B8%E7%BF%92-%E7%BE%85%E5%90%89
%E6%96%AF%E5%9B%9E%E6%AD%B8-logistic-regression- aff7a830fb5d。
10. 黃振綱, 2019 「以資料探勘決策樹分析探討基金指標之研究(未出版之碩士論文)」 ,私立東吳大學,台北市。
11. 王俊堯、陳暎仁、簡禎富, 2018 「 探針卡印刷電路板電鍍銅製程關鍵參數搜尋之資料挖礦架構與實證研究 」 ,品質學報 第 26 卷,第 6 期,第361~379頁。
12. 盧瑜芬,2006 「 使用三種資料探勘演算法-類神經網路、邏輯斯迴歸及決策樹-預測乳癌患者存活情形之效能比較(未出版之碩士論文)」 ,國立國防醫學院,台北市。
13. 李佳怡,2008「 利用決策樹、邏輯斯迴歸及類神經網路複合模型分析公開微陣列資料集乳癌復發基因及其效能之探討(未出版之碩士論文)」 ,國立國防醫學院,台北市。
14. 簡禎富、許嘉裕, 2014 「 資料挖礦與大數據分析 」 ,新北市:前程文化事業有限公司。
15. 蔡建成 2007 「 運用資料探勘技術進行選股決策(未出版之碩士論文)」,國立高雄應用科技大學,高雄市。
16. 蔡佳芳 2008 「考量資訊揭露透明度之公司預警模型(未出版之碩士論文)」,國立宜蘭大學 宜蘭市。
17. 李忠祐, 2019 「 運用數位影像法及羅吉斯迴歸探討鹼-骨材反應引致之裂縫行為(未出版之碩士論文)」,國立中央大學,桃園市。
18. 羅凱揚、蘇宇暉 2020,「分類器評估方法-ROC曲線、AUC、 Accuracy、PR曲線」,取自
https://medium.com/marketingdatascience/%E5%88%86%E9%A1%9E%E5%99%A8%E8%A9%95%E4%BC%B0%E6%96%B9%E6%B3%95-roc%E6%9B%B2
%E7%B7%9A-auc-accuracy-pr%E6%9B%B2%E7%B7%9A-d3a39977022c。
二、英文文獻
19. Carvalho, T. P., Soares, F A. A. M. N. Vita, R., Francisco , R d P.P., Basto, J P.P., Alcala , S . G. S. November 2019 , “A systematic literature review of machine
learning methods applied to predictive maintenance ”, Computers & Industrial Engineering Vol. 137.
20. Lee, J., Bagheri, B., Kao H. A., January 2015, “A Cyber Physical Systems architecture for Industry 4.0 based manufacturing systems ”, Manufacturing Letters,Vol. 3, pp. 18-23.
21. Zhong R. Y. Xu, X., Klotz E .., Newman , S T.T., October 2017, “Intelligent Manufacturing in the Context of Industry 4.0: A Review” Engineering Vol. 3 , pp.616-630.
22. Wang, J., Ma, Y., Zhang, L., Gao, R X. Wu , July 2018, “Deep learning for smart manufacturing: Methods and applications” applications”, Journal of Manufacturing
Systems , Vol 48, Part C , pp. 144-156.
23. Yin, S., Li, X., Gao, H., Kaynak O., January 2015 , “
Data Based Techniques Focused on Modern Industry: An Overview IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS,
Vol 62, No. 1 , pp. 657-667.
24. Amasyali, K., Gohary , N. M. E., January 2018 , “A review of data driven building energy consumption prediction studies” Renewable and Sustainable Energy
Reviews Vol. 81 , Part 1, pp.1192-1205.
25. Simester, D., Timoshenko, A., Zoumpoulis, S. I., July 2020, “Targeting Prospective Customers: Robustness of Machine Learning Methods to Typical Data Challenges ”, Management Science, Vol. 66, No. 6, pp. 2495-2522.
26. Kuo , L., October 2019, “ThingWorx IoT” PTC IoT Workshop File.
27. Kuo , L., November 2018, “ThingWorx Analytics ”, Analytics Workshop File.
28. Turban, E., Sharda, R., Delen, D., 2011,“Decision support and business intelligence systems ”,9th ed. ed., Boston : Prentice Hall.
29. Gay, L. R.,1992, “Educational research competencies for analysis and application”, Macmillan, New York.
30. Chawla, N. V., Bowyer, K. W., Hall, L. O., Kegelmeyer, W. P., June 2002,“Synthetic Minority Over-sampling Technique ”, Journal of Artificial Intelligence
Research, Vol. 16. |