專題
決策樹架構之設計與實現
目的:
帶領同學設計與實作決策樹模型,並使同學能藉此了解如何應用於資訊安全問題之訓練、分類與偵測。
預期學習成效:
1.培養論文閱讀與思考能力
2.了解如何以軟體進行演算法實現與驗證
3.熟悉Cell-Based Front-End Flow
FLOW:
Phase1:Paper Survey(IS, ML, DT)
Phase2:Basic Decision Tree Simulation
Training
Classification
Phase3:Hardware Implementation
Decision Tree Classifier only
Training Module(Optional)
建議選修課程:
1.任何 Verilog 相關課程(至少具有以下一堂)
硬體描述語言
實用數位系統設計(PDSD)
數位通訊電路設計(研究所課程,已停開)
2.決策樹相關課程(非必要,有會更好)
資料探勘導論(目前停開)
人工智慧(一)
注意事項:
1.教授會指派一位Mentor給各組
2.在每個月月底須繳交一份進度報告給Mentor
3.Phase2開始後,會開放同學申請工作站使用
4.注重與教授和Mentor溝通信件的禮節。
Phase1:
時間:約 1 個月
說明:
這個階段會讓同學閱讀約3-5篇的論文,內容包含決策樹、機器學習方法介紹等,同學需進行思考與統整,並在Phase1結束時上台報告。
Phase2:
時間:約 1 個月
說明:
這個階段會讓同學以軟體方式實作決策樹,不限制樹的種類與程式語言,Python、C、C++或MATLAB都可以使用,唯一的要求就是不得使用內建函式產生的樹模型(例如MATLAB的Classification Learner),並對指定的數個資料及進行訓練與分類,在Phase2結束時,需上台報告其結果。
Phase3:
時間:約 2 個月半
說明:
實作分類器至硬體,需自行編寫Testbench,並須進行邏輯合成(Synthesis)與閘級驗證(Gate-level Simulation)。須在Phase3結束前,上台報告成果。