象棋和國際象棋都是由正方格所組成的棋盤，而棋盤覆蓋的研究也大多以正方形為主，那是不是只有正方形才可以當成棋盤的基本圖形呢？事實上，如果只採用一種圖形，那正三角形、正方形、正六邊形都可以舖滿平面，而達爾文稱讚蜂巢為「在已知的僅憑本能的建構中是最令人驚奇的成就」，各蜂窩的六個側面緊連其他六個蜂窩，這是自然界中所能找到最節省空間及建材的建築設計。本篇研究主要是利用實際操作的過程中來找尋四格六邊形覆蓋平行四邊形、三角形、六邊形，再將發現的結果做歸納分析並深入探討，找出其規則。

當液滴落下和水面第一次接觸時，因水的表面張力造成液滴彈起，第二次與水接觸時才穿透水面，我們做了幾個實驗發現表面張力與產生液滴彈起現象的最低落下高度有關，當表面張力越低時，能產生現象的最低高度也越低。若將液體換成油性磁流體，探討液滴彈起現象是否不同。

本研究中，我們利用Google所提供的API收集來自台灣及中國的地形高度圖(heightmap)和衛星空照圖。我們利用收集的圖像訓練pix2pix cGAN (conditional Generative Adversarial Network) 模型，並將人工繪製的高度圖加上真實山脈應有的細節(包含尖銳的山脊、山壁上的紋路、連續的河流網路……等)，透過訓練的pix2pix模型生成更接近真實山脈的效果。為了提升擬真地形的生成效果，我們在原先pix2pix模型的基礎下，額外加入「動態權重層」來達成。最後利用這些經訓練的pix2pix模型，開發了API、Unity客戶端及網頁客戶端，使我們訓練的pix2pix模型更加實用。本研究除了能應用於遊戲開發，使生成擬真山脈的流程更為簡化，也可將其應用於將低解析度之高度圖轉換為高解析度之高度圖，同時保持高度圖的真實性，幫助地形資料的收集作業。

生活中的各種小東西中都隱藏著一些規律的數型關係。有一天，我們在偶然的巧合下\r 看到小學MPM 上的一個九九乘法表，仔細一看，發覺裡面各數字間的排列有規律性，\r 和我們之前學的數型關係及現在學的等差等比數列很有關係，於是激發了我們的好奇\r 心，在數學老師的指引下，開始研究有關「級數」的東西。

本實驗利用鹽及糖，溶於水中，以觀察（1）容器的高度差，上下溶液溶質間分部的差距。（2）加熱至不同的溫度冷卻後，上下溶液中的溶質的分布有何改變。（3）經過冷凍之後，再恢復至常溫，觀察上下溶液中的溶質分布的變化。（4）利用容器的不同形狀與擺放方式，觀察經冷凍過後再溶化的溶質的分布情形。（5）在市場上經冷凍過後，再恢復常溫下食用的食品，經過如何的改變才能使上下的甜度，添加物分布均勻。

從一開始過橋最短時間的單一討論，進而分析其它日常生活事例的本身限制，尋求其最佳化的結果。舉凡：滑草(坡度)、健行(秒數漸增)，甚至有些個別想法的有趣實驗(趟數)，都設法去歸納出一定的規則。

本實驗中我們找到NO2(g)的偵測劑：Griess reagent。其吸附NO2(g)會產生偶氮化合物而呈玫瑰紅色。並且發現NO2(g)在不同濃度下具有不同的反應選擇性，但NaNO2(aq)並無此現象。即過量NO2(g)可以根據其反應條件，調節其所產生的反應。 因為Griess reagent可以檢測亞硝酸鹽含量，而食品中常添加硝酸鹽用以增色、防腐與抑制細菌生長，所以我們取各式樣本推算其硝酸鹽含量。發現各樣品中自然存在的亞硝酸鹽很少，大都以硝酸鹽形式存在。 我們也發現蔬菜樣品放置越久，其所含的硝酸鹽會快速增加，推測可能是由於細菌產生硝化作用所致，只要隔絕細菌的作用，就可避免硝酸鹽的大量產生。 為了方便偵測、保存和攜帶，我們將Griess reagent製作成各式偵測劑，可以更簡易的偵測氣態的NO2與水中的亞硝酸鹽。

每個人都有需要幫助的時候，當你遇到一個需要幫助的人，你會如何反應呢？有些人總是樂於助人，有些人選擇獨善其身，有些人則是會先觀察對方是什麼樣的人再做決定。這些不同的決定會交織成出什麼樣的故事呢？ 我們假設社會上有三種人： 總是願意幫助別人的Cooperators、永遠不幫助別人的Defectors、依據人們過往的行為來決定是否幫助對方的Discriminators；由於cooperator和defector的行為是固定的，顯然discriminator的助人行為會有決定性的影響，因此我們從學者Berger的論文出發，修改discriminator決定是否幫助他人的判斷準則，架構了兩種間接互助模型並與Berger(2011)的工作做比較，觀察這些改變的影響，計算三種人的比例與彼此幫助率的關係。 Discriminator遇到不同的人會有不同的決定，隨著時間的推進，Berger在論文中已證明了他們的行為會趨於一致，並提出一種演化機制，探討三種族群之間的流動。那麼在我們提出的兩種模型中，discriminator的行為是不是也會趨於一致呢？因此我們證明了discriminator助人行為的收斂，也提出了一個新的演化機制，試圖用不同的觀點詮釋三種族群間的流動。 在我們的互助模型中，當使用Berger(2011)的演化機制時，演化行為只受discriminator佔全體比例的大小影響；然而若使用我們提出的演化機制，不論discriminator的比例為何，演化行為只會由 cooperator與defector 的比值決定。如此，我們便能刻劃出：可以使模型中所有的人至終演化成為 cooperators，理想中大同世界的範圍。

傳統的藍染，染一塊深藍的布，有時要反覆染個二、三十次才行，而每一次的洗滌，都是藍水對環境的污染！ 我們以便宜的零件及回收的手機變壓器插頭，成功的製造出第三代簡易吸光儀，其中六段電源供應器以不同電壓驅動光敏電阻感光後的電壓變化，線性趨勢線的相關係數R2值可達0.99，而配製藍染溶液的色階檢量線，辨色的相關係數也可達0.9以上，因此，可以輕易的分辨藍染後的廢液濃度，回收再利用。 同時，我們企圖以水果皮內膜取代保險粉(連二亞硫酸鈉)的臭味及毒性，也意外的發現，減少藍染洗滌廢水及減少藍染次數的簡單方法-回歸加酸定色，可讓染料溶解度變小而定色於染布上。

本研究致力於尋找在資料不足的情況下最佳的基因預測模式。 首先，訓練預測腎臟基因(PKD1)變異致病力模型，利用三種訓練方法：「管線」(Pipeline)、 SVM分類器、隨機森林相關分類器訓練資料，並調整相關參數。其中，以隨機森林準確率最高。另外，利用「網路爬蟲」技術整合四個大型網路基因變異註釋工具，製作單一介面方便使用者輸入資料，能夠大幅減少醫生預測病人基因變異致病性的時間，具有極高的實用性。為了嘗試解決基因變異致病力預測資料不足的問題，本研究利用網路工具所預測之致病力分數訓練模型，然基因變異位置複雜，資料量仍有所欠缺。 最後，期望利用本研究「整合網路基因註釋工具」蒐集醫生資料，提高模型資料量同時提高準確率。

Wildfires have become increasingly frequent and severe due to global climatic change, demanding improved methodologies for wildfire modeling. Traditionally, wildfire severities are assessed through post-event, in-situ measurements. However, developing a reliable wildfire susceptibility model has been difficult due to failures in accounting for the dynamic components of wildfires (e.g. excessive winds). This study examined the feasibility of employing satellite observation technology in conjunction with artificial neural networking to devise a wildfire susceptibility modeling technique for two regions in California. Timeframes of investigation were July 16 to August 24, 2017, and June 25 to December 8, 2017, for the Detwiler and Salmon August Complex wildfires, respectively. NASA’s MODIS imagery was utilized to compute NDVI (Normalized Difference Vegetation Index), NDWI (Normalized Difference Water Index), land surface temperature, net evapotranspiration, and elevation values. Neural network and linear regression modeling were then conducted between these variables and ∆NBR (Normalized Burn Ratio), a measure of wildfire burn severity. The neural network model generated from the Detwiler wildfire region was subsequently applied to the Salmon August Complex wildfire. Results suggest that a significant degree of variability in ∆NBR can be attributed to variation in the tested environmental factors. Neural networking also proved to be significantly superior in modeling accuracy as compared to the linear regression. Furthermore, the neural network model generated from the Detwiler data predicted ∆NBR for the Salmon August Complex with high accuracy, suggesting that if fires share similar environmental conditions, one fire’s model can be applied to others without the need for localized training.

食安與環境問題是地球永續發展的重要議題，我們以無塑材料幾丁聚醣(CS)與海藻酸鈉(SAL)來製造保鮮膜，研究結果發現：1. 幾丁聚醣(CS)加酸水解後可成膜但不防水，加鹼中和後可防水但非常皺。2 .2%CS和2%SAL 無法直接製成混合膜，須以複合成膜方式製膜。3. 2%SAL交聯反應後，可與CS製成膜性較好的複合膜。4.添加天然增塑劑(甘油、蜂蠟、橄欖油)可增加CS-SAL複合膜韌性(拉力)、可塑性及防水性，而添加明膠後，雖然韌性降低，但卻大大增加形變率，可以製成適合包覆食材的保鮮膜。5.加入添加劑後的保鮮膜在防止麵包發霉與香蕉變黑都有不錯效果，但沒有辦法明顯防止蘋果褐變。6.自製保鮮膜在泡過酸鹼後，仍具包覆效果，而加入添加物的保鮮膜具有透氣性。