本節包含兩個部分，包括：高被引專利文件與高被引非專利文獻，分析結 果與說明如下。
一、 高被引專利文件
發明專利時會參考或應用先前的專利，這 1636 篇專利共引用了 34550 篇 專利，共計 114140 次，其中，美國專利就有 31402 篇，約佔總篇數的 91%，
共 104193 次，約佔總次數的 91%，比例相當高。
這 1636 篇專利的被引用專利文件中，共包含 21 個國家或組織的專利，像 是日本專利與世界知識產權組織專利，本研究將這些國家與其被引總次數與被 引總篇數整理如表 4-3。
從表 4-3 可以看出美國專利被引用的總次數與總篇數皆遠遠超過其他國家 或組織的專利，日本、中國以及韓國的專利，其被引用的總次數與總篇數也相 當多，而這四個國家在深度學習領域專利的專利專利權人與專利發明人的排名 上，也都位居前幾名，可以看得出來這四個國家在深度學習領域的發展上，是 相當有基礎且相當有競爭力的，另外，臺灣的專利共被引用了 131 次，總共 34
篇，在總次數與總篇數的排名上皆位居第九名，可以看出臺灣的專利在深度學 習領域專利的發展上仍具有參考的價值。
表 4-3 被引專利文件之國家與其被引總次數與被引總篇數
國家 被引總次數 被引總篇數 國家 被引總次數 被引總篇數 美國 104193 31402 澳洲 15 13 世界知識
產權組織 3264 1115 荷蘭 14 1
日本 2731 797 法國 14 7
歐洲 1845 446 義大利 13 1
中國 721 377 瑞士 13 1
韓國 690 196 芬蘭 5 5
英國 206 47 沃里斯及
伏塔那島 2 2
德國 177 66 印度 1 1
臺灣 131 34 蘇聯 1 1
俄羅斯 55 13 非洲知識
產權組織 1 1
加拿大 48 24
在 34550 篇被引專利文件中，扣除沒有標示時間的專利，其公告日期之年 代分佈如圖 4-22，被引專利文件中最為早的一篇發表於 1851 年，1851 年到 1970 年的專利並不多，1970 年以後才開始逐漸增加，2001 年開始大幅增加，於 2012 年到 2015 年這期間發表的被引專利文件最多，皆超過兩千篇。
圖 4-22 被引專利文件年代次數分佈圖
表 4-4 為 1636 篇專利文件中，其引用次數最高的九篇專利文件（被引用至 少 20 次），這九篇高被引專利文件皆為美國專利，專利且都不包含在 1636 篇 專利文件中，這些專利大部分都是公告於 2010 年到 2014 年，而且大多都是與 語音識別有關。
這九篇專利中，其專利權人分別為 Mikos, Ltd.、Microsoft、Sensory、
Harris Corporation 以及 Nuance Communications，這五個專利權人各有一篇專 利，其餘四篇專利不是沒有專利權人就是只有填寫通訊地址。Microsoft 是美 國跨國電腦科技公司，Sensory 是軟體公司，致力於透過語音、視覺以及自然 語言處理等嵌入式機器學習技術改善用戶體驗，Harris Corporation 是一間為政 府 與 商 業 客 戶 提 供 以 技 術 為 基 礎 的 通 訊 解 決 方 案 的 公 司 ， Nuance Communications 是一家美國跨國軟體公司，主要研究語音和圖像方面的產品，
除了大衆產品之外，該公司還為政府及軍隊提供技術支持，Mikos, Ltd.則沒有 查到相關資訊。
表 4-4 高被引專利文件與其專利權人、公告年份以及被引用次數
高被引專利文件 專利權人 公告
年份
被引 次數 7027621：Method and Apparatus for Operator
Condition Monitoring and Assessment Mikos, Ltd. 2006 29 2012/0065976：Deep Belief Network for
Large Vocabulary Continuous Speech Recognition
Microsoft 2012 25 2002/0135618：System and Method for
Multi-modal Focus Detection, Referential Ambiguity Resolution and Mood Classification
Using Multi-modal Input
僅填寫通訊地址 2002 22
7720683：Method and Apparatus of Specifying and Performing Speech
Recognition Operations
Sensory 2010 21 6701318：Multiple Engine Information
Retrieval and Visualization System Harris Corporation 2004 20 2011/0212717：Methods and Systems for
Content Processing 無 2011 20 2011/0161076：Intuitive Computing Methods
and Systems 無 2011 20 2006/0035632：Apparatus and Method for
Facilitating Contact Selection in Communication Devices
僅填寫通訊地址 2006 20
2014/0278435：Methods and Apparatus for Detecting a Voice Command
Nuance
Communications 2014 20
二、 高被引非專利文獻
發明專利時除了會參考或應用先前的專利，亦會參考或應用非專利的資 訊，如：期刊、會議論文以及書籍等，這 1636 篇專利共引用了 10164 篇非專 利文獻，共 28689 次。
表 4-5 為 1636 篇專利文件中，其引用次數最高的五篇非專利文獻（被引用 超過 25 次），ImageNet Classification with Deep Convolutional Neural Networks 是 Krizhevsky、Sutskever 以及 Hinton 於 2012 年發表的文章，是以深度卷積神 經網絡來進行 ImageNet 分類；Deep Neural Networks for Acoustic Modeling in Speech Recognition 是 Hinton 等人於 2012 年發表在 IEEE Signal processing magazine 的期刊論文，主要是在講述語音識別中聲學建模的深度神經網絡；
Knowledge Navigator 為 Dubberly 與 Mitsch 在 Apple 工作期間創作的技術預測 影片，預示著互聯網在便攜式數字設備中的出現；Voice and Speech Processing 是一本關於聲音與語音處理的書籍，為 Parsons 於 1987 年所著；Phone Slave: A Graphical Telecommunications Interface 描述了一種個性化的綜合電訊管理系統，
為 Schmandt 與 Arons 於 1985 年發表；Exploring Large Tables with the Table Lens 是 Rao 與 Card 於 1995 年發表在 ACM 的會議論文；Graphical Fisheye Views of Graphs 是 Sarkar 與 Brown 於 1992 年發表在 ACM 的會議論文，主要是描述一 種使用魚眼鏡頭的模擬軟體來查看和瀏覽平面圖的系統；Designing the User Interface: Strategies for Effective Human-Computer Interaction 則是 Shneiderman 於 2010 年所著，其內容適用於人機互動的課程。
這八篇高被引非專利文獻主要都與深度學習、神經網絡、語音識別或是人 機互動有關，這些文獻的作者，其背景也大多都與人工智慧、深度學習、神經 網絡、計算機或是電腦科技有關，可以看出其引用的領域頗為一致。
表 4-5 高被引非專利文獻與其出刊年份與被引用次數
高被引非專利文獻 出刊
年份
被引 次數 ImageNet Classification with Deep Convolutional Neural Networks 2012 61 Deep Neural Networks for Acoustic Modeling in Speech Recognition 2012 45 Knowledge Navigator（影片） 1992 29 Voice and Speech Processing（書籍） 1987 24 Phone Slave: A Graphical Telecommunications Interface 1985 26 Exploring Large Tables with the Table Lens 1995 26 Graphical Fisheye Views of Graphs 1992 26 Designing the User Interface: Strategies for Effective
Human-Computer Interaction 2010 26 表 4-6 為 1636 篇專利文件中，其引用次數最高的七個期刊，ICASSP 是國 際聲學、語音以及訊號處理會議，根據 Google Scholar 的 2016 年 h-index 指標 排名，ICASSP 擁有訊號處理領域會議最高的 h 指數，它也被認為是訊號處理 領域的高級別會議；SRI International 是美國非營利性的科技研究機構和組織所 出版的刊物，其重點領域包括生物醫學科學、化學與材料、計算、地球與空 間系統、經濟發展、教育與學習、能源與環境技術、安全與國防以及傳感與 設備；IEEE Transactions on Audio, Speech, and Language Processing 涵蓋與音頻、
音樂、語音以及語言之分析、編碼、增強、識別相關的科學、技術以及應用，
現在 名 稱已改為 IEEE/ACM Transactions on Audio, Speech, and Language Processing；CACM 是計算機協會向所有會員發行的一種雜誌，是最久遠且最 受尊敬的計算機出版品之一；CVPR 是一年一度的學術性會議，會議的主要內 容是計算機視覺與模式識別技術，是世界三大頂級計算機視覺會議之一，另 外兩個會議為國際計算機視覺會議（IEEE International Conference on Computer Vision，簡稱：ICCV）與歐洲計算機視覺國際會議（European Conference on Computer Vision，簡稱：ECCV）；IEEE Transactions on Pattern Analysis and
Machine Intelligence 主要是以計算機與人工智慧領域為主；AAAI 則是美國人 工智慧促進協會，是人工智慧領域的主要學術組織之一。
這七個高被引非專利文獻期刊主要都與語音、訊號處理、計算機以及人工 智慧有關，可以看出其引用的領域頗為一致。
表 4-6 高被引期刊與其被引用次數
高被引期刊 被引
次數 IEEE International Conference on Acoustics, Speech, and Signal Processing
（簡稱：ICASSP） 1239
SRI International 579 IEEE Transactions on Audio, Speech, and Language Processing 260 Communications of the ACM（簡稱：CACM） 249 IEEE Computer Vision and Pattern Recognition（簡稱：CVPR） 200 IEEE Transactions on Pattern Analysis and Machine Intelligence 145 Association for the Advancement of Artificial Intelligence（簡稱：AAAI） 122
第伍章 研究發現與建議
本研究旨在探討深度學習在各國的發展時間與成長趨勢，在相關學科與 應用領域上之發展狀況，以及臺灣的發展現況與未來可能的研究方向，研究 結果與分析已於第四章詳述。本章將歸納研究結果，提出研究發現，並提出 研究建議。