團隊
衣服！披薩！
- 陳O肯｜建國中學
- 謝O懷｜建國中學
- 張O泰｜建國中學
簡介
該專題起於手機桌面應用程式過多、不易快速找到，目標是預測使用者在特定時間所需的服務並於鎖定螢幕提供。團隊參考 Nihao 啟動器結合貝氏網路與增量式 KNN 的研究，改用神經網路並納入歷史資料。實作修改開源啟動器 Neo-Launcher，以 Kotlin、Java 與 Room 記錄使用行為，包括以隨機 UUID 取代的套件名稱、時間、是否連接音訊裝置、充電、Wi-Fi、行動網路、藍牙與螢幕亮度；模型以 TensorFlow Keras 建置，將前 N 筆 App 與狀態經 Embedding 送入 LSTM 與 Dense 層輸出分數，並用 Negative Sampling 與樣本權重提高低頻 App 的比重。以 2,180 筆資料測試，能較準確預測行為固定的 App，其餘受限於資訊量、資料量與使用行為的隨機性。以 TensorFlow Lite 在手機端執行的部分因技術原因未完成，未來朝 Edge AI 發展並收集更多資料。