文／白文怡

114年6月9日交大資訊學院邀請聖路易斯華盛頓大學 (Washington University in St. Louis) 電腦科學與工程系Roch Guérin 博士蒞校交流並演講。Roch Guérin 博士2013年加入聖路易斯華盛頓大學，為現任 Harold B. and Adelaide G. Welge 講座教授兼電腦科學與工程系系主任。他曾於 1998 年 10 月起擔任賓州大學電機與系統工程Alfred Fitler Moore 電信網路講座教授。加入賓大之前，他在 IBM T. J. Watson 研究中心擔任技術與管理職務長達 12 年。2001 至 2004 年，他創立 Ipsum Networks，該公司首創 IP 網路路由分析的概念。Guérin博士於 Caltech 獲得博士學位，並在法國國立高等電信學院 (ENST) 完成大學學業。他是 ACM（2006 年）與 IEEE（2001 年）的院士，曾任 IEEE/ACM 《Transactions on Networking》主編及 ACM SIGCOMM 主席。1994 年，他因流量管理研究獲得 IBM Outstanding Innovation Award；2009 年獲得 IEEE TCCC Outstanding Service Award；2010 年因對網路品質（QoS）理論與實務的開創性貢獻，榮獲 INFOCOM Achievement Award 及最佳論文獎。

隨著網路覆蓋日益廣泛、嵌入式裝置運算能力持續提升，以及對於「將運算推向資料產生地端」的需求快速增長，邊緣運算解決方案正蓬勃發展。許多應用場景，特別是人工智慧與機器學習，正成為其主要驅動力。本次演講主題聚焦於邊緣運算與機器學習的結合，特別探討兩個前沿專案：

專案一  "Optimizing Edge Offloading Decisions for Object Detection." : 在物件偵測場景中，本地裝置與邊緣伺服器協作。在伺服器負載受限下，設計智慧策略判定哪些影像需上傳，並透過在嵌入式裝置上執行的預估機制，量化單張影像對偵測準確性的提升，實驗結果顯示該方法有效。

專案二 "Progressive Neural Compression for Adaptive Image Offloading Under Timing Constraints."：針對物件分類，攝影機需透過無線頻寬不穩定網路上傳影像，設計自適應傳輸策略以最大化分類準確度。透過在訓練類神經網路壓縮算法時加入隨機「尾端丟棄」（stochastic tail-drop）技術，並在本地測試平台驗證其效能。

最後，Guérin 博士分享他運用機器學習解決複雜優化問題的心得，展現該技術作為強大工具的潛力與實務價值。