沒注意到警報聲往往使人錯過黃金逃命時間，對聽障者或聽力衰退的老人而言，更是不容忽視的問題。本研究嘗試編寫辨識說話者程式，先用人聲找出辨識特徵方法，以傅立葉轉換得到音檔頻率，再用兩種方法擷取特徵來辨識說話者，得知不同參數對準確率的影響，進而實際應用於辨識警示音。 本研究錄製資料庫和測試資料音檔，建立說話特徵後，分析測試資料特徵，與每人資料庫特徵做比對，判斷說話者是誰。結果顯示，一個音檔中取出越多頻率為特徵對準確率沒有明顯影響。將音檔切為小段分析，對準確率影響較明顯，且每個小段音檔長0.02秒到0.05秒有最高的準確率。找出合適的變因後，在辨識警示音上準確率達100％，並將以Arduino連接LED與LCD螢幕，讓聽障者看得見聲音。

經過調查發現有幼兒的家庭，共同困擾是「玩具亂丟」，目前市面上沒有產品能解決此問題，本研究利用機器學習技術，以自動收玩具為例，研製可協助整理地面雜物的家務輔助機器人。本研究結果發現圓型內置2輪底盤有最佳室內移動效果，觸碰避障有100%避障成功率，夾具可夾取並攜帶2至14公分範圍的玩具或物品，視覺感測模組最佳安裝角度是60度，最佳辨識距離為14~16 公分，統整以上結果作為設計依據，採用邊走邊找法於不同環境實測，在界定範圍內可達到83.33% ~ 98.33% 的收玩具成功率。我們利用無線電波訊號強度設置虛擬圍牆及基地範圍，結果顯示可達 63.33% 的折返成功率及55% 的收玩具成功率，主要是無線電於室內短距離空間，無法精準定位所致，持續改進將可達更實用等級。

本研究主要研究冰棒棍骨牌在崩解時波峰的軌跡，並且逐步分析物理原理。首先，討論冰棒棍的基本性質，接著拍攝崩解時的影片，並分析產生眼鏡蛇波的原理，過程中發現了不同的排列順序會分別產生眼鏡蛇波或Ｃ波，以及當以眼鏡蛇波結尾時，波峰都會有一個旋轉的現象我們使用了Tracker程式來追蹤冰棒棍骨牌崩解時的波峰軌跡，且發現大部分冰棒棍軌跡都呈現相同的函數關係，並建立模型來研究其性質。 本研究已有初步的結果，我們計算出了冰棒棍的楊氏係數，並且做出了冰棒棍波形的擬合。另外也從不同觀察角度觀察出冰棒棍的運動情形，分析出單一冰棒棍的整體受力與運動情形。根據單一冰棒棍的轉動狀況，觀察出類似於進動現象，並對此深入討論。 未來我們希望能夠結合楊氏係數、冰棒棍波形疊合以及冰棒棍受力情形來建立專屬於冰棒棍波的物理模型，並研究其轉動互換模式。將其利用在工程學上。

關於三角形的分割子三角形之內切圓問題，有文獻探討此分割線的長度[4]，也有探討內切圓半徑和[5]，或內切圓半徑平方和[3]。本研究異於前者，創新探究分割子三角形的內切圓與旁切圓的「半徑長度乘積不變量」、「兩點圓心連線性質」以及「三點圓心連線三角形的面積不變量」。我們依序探討兩個、三個到多個子三角形，先給出內切圓與旁切圓半徑長度乘積與邊長的關係式，接著探討兩點圓心連線的共點及相似形，最後是三點圓心連線三角形面積不變量。值得一提的是，看似不相關的「圓心連線三角形的面積比值」與「半徑長度乘積比值」居然是等價，這是本研究亮點。最後我們完整給出分割為三個子三角形的所有面積不變量的所有組合。

我們選用八種油品與兩種醇類做液滴擴散實驗，發現異丙醇擴散速度過快，所以選用乙醇進行後續實驗，並加入中性藍色顏料作為染劑。再以四種乙醇濃度(95%、90%、85%、80%)，對不同油品進行液滴擴散實驗，發現苦茶油加入乙醇液滴不會散開，其他油品在滴入95%乙醇時，液滴擴散面積最大，其他濃度的擴散情形則表現不一。我們以三種市售苦茶油進行實驗，發現液滴皆不會有擴散的現象，但加入大豆油混合時，當混油的多元不飽和脂肪酸高於10%，就會有擴散情形，另外，我們利用豬油加入大豆油中，當多元不飽和脂肪酸低於10%就會有液滴縮回的情形。因此我們認為可利用85%的染色乙醇來判斷苦茶油的純度是否達94%以上。

本作品研究在於設計製造出一款能裝置在一般窗戶外側的“智慧型導風機”來引導室外自然風進入室內，以增加室內空氣的流通，構想是依操作者個人對進風量之喜好感受，設定按鈕電動驅動左右兩片導風窗板外推至適當角度後，再由風向感測器偵測出當下的風向數據，透過Arduino程式運算控制左右兩片導風板的葉片組，依不同風向進行一開一合的動作，讓側向風亦能導入室內，使得室內的空氣流通得到最大化，藉以改善室內的空氣品質。

本研究利用福爾摩沙衛星5號及Sentinel-2之衛星影像監測2018-2023年集集攔河堰集水區的變化量值，並利用Semi-automatic Classification Plugin（SCP）及Normalized Difference Water Index （NDWI）兩種指標運算方式，比較集集攔河堰的水體面積變化及兩種指標的差異與應用。結果顯示NDWI相較於SCP更接近水利署所提供的航照資料，因此NDWI在測量水體範圍上具較高可信度。 如果用（面積×水位高度）無法真實計算可利用的水資源，因為水面下的沉積物會隨時間增減或遷徙。因此我們利用地表輻射值與數值高程模型（DEM）模擬水下的沉積物堆疊情形。為證實地表輻射值與地形有關聯性，因此利用水利署光達剖面圖資與本研究計算結果比對，發現乾季時模擬結果與光達實測地形資料高度相似。

本實驗使用光譜法進行雙氧水濃度測量的研究，先確認光譜法可用於測量碘液的濃度，進而利用雙氧水與碘化鉀反應產生的黃色三碘錯離子進行測量，針對雙氧水濃度、碘化鉀濃度、酸鹼值等變因逐步最佳化反應條件，成功避免掉產生氧氣的副反應以及過量碘的產生，得到最佳的測量範圍以及適合的反應速率。透過光譜法，可測量到的雙氧水濃度最低可以達到13 ppm，相較於傳統滴定法有更低的定量極限，是更加快速、精準的一個測量方式。

本研究使用半監督式機器學習搭配卷積神經網路來訓練核心模型，並將星系的圖片加入模型裡，讓電腦自動判斷出該星系的種類為何。我使用自行設計的CNN架構以及VGG-16當作我的卷積神經網路架構。資料集來源為EFIGI和Galaxy Zoo 2。我分為兩種任務，第一種任務是讓模型能分辨橢圓 (E)、螺旋 (S)、不規則 (I) 這三種類別的星系，訓練資料共有2,468張照片，最後的正確率能達到94%。第二個任務是將8種的星系照片(E、S0、Sa、Sb、Sc、SBa、SBb、SBc)進行分類，並使用自動編碼器作為預訓練，使用1,923張EFIGI的圖片以及1,258張Galaxy Zoo 2的照片當作訓練資料。由於各星系照片有許多外觀太過相似，測試準確度最高達到54.12%，基於我的研究，星系自動化辨識於天文學上應該有相當大的運用空間。

本文主要在探討如何將二維Lill Path的性質推廣至三維。和二維Lill Path的結論相同，我們證明若有一自原點出發的射線在多項式函數f(x)的三維Lill Path進行反射（依三維Lill Path反射規則），且此射線通過三維Lill Path終點，則其充要條件為f(x)=0有一實根(-tan⁡θ )，其中θ為射線與三維Lill Path圖形所夾的角度。我們仿照參考資料[2]的方式，證明了若多項式所對應之三維Lill Path圖形是封閉的，則其充要條件為此多項式有一因式為(x^3+1)；同時，我們解決了參考資料[2]中教授所提到的一個問題：當路徑夾角不為π/2，且其三維ϕ-Lill Path圖形為封閉的，則其充要條件為多項式有一因式為 [x^3-(cos⁡ϕ ) x^2-(cos⁡ϕ )x+1]。

許多國家都在尋找減少水庫蒸發量的方法，我們想在水庫放置結合太陽能板的生態罐，它能吸收氮磷化合物，改善優養化，燃燒藻類後又能提供生質能源。 實驗發現： 一、生態罐水位於3/5時可提供藻類生長的合宜環境: 1.瓶內溫度最低也最穩定，約25℃，較瓶外氣溫32℃低，故具有良好降溫效果。 2.照光下，罐內外氣壓差穩定於6 cm-H2O。 3.藻類的周生長倍數大約為1.19倍。 4.燃燒熱值周產量為19.5mW/mm2。 二、藻生罐子平衡速率快，大約24秒就能平衡於3/5位置