現今的大型活動，如校慶活動、新北耶誕城等，缺乏互動性與參與感，其中原因大多是群眾埋沒於手機的社交軟體所導致。而本研究將利用其便利與群眾互動特性，使用問卷抽查法探討大眾對於活動的觀點，應用網路爬蟲技術抓取貼文，設計一套能提高互動性的平臺，使用者只需在Instagram、Twitter等社交軟體中發布文章，系統會即時推播至活動中的大螢幕上，並且使用LineBot結合圖像辨識自動且快速審核貼文，另方面以後臺系統，方便活動單位常駐貼文輪播活動訊息、廣告與管理。綜上所述，本研究結果確實有效地提升活動互動性及樂趣，以時下流行的各種社交軟體，配合研究平台為各類大型活動量身打造，也能夠運用於政令宣導或文宣廣告等用途上，大幅提升活動的互動性與參與感。

本作品是以學校實習課所學 物聯網為基礎,,可使用手機APP連接WIFI控制鐵捲門,以及接上極限開關,使當鐵捲門到頂時,鐵捲門會停下,也使用了光遮斷器,當鐵捲門到最底時,讓鐵捲門遮住光遮斷器,使它停下不會繼續運作,更重要的是可以隨時透過網路來監控鐵捲門是否已經為關閉的狀態。

近來政府推動汽車舊換新補助，車商增加配備強化娛樂功能招攬消費者購買意願，使得車價值性水漲船高使得遭竊傳言不斷，市面許多補強原廠防盜產品，透過電子柵欄當車跨出設定範圍察覺異樣，但通報大都為時已晚被竊取駛離，若破窗闖入偷取車內物品，也不見得觸動警報器嚇阻。本研究解決上述缺點，利用微波感測偵測車內異狀，解決駛離才得知挽回被竊取機率，並結合物聯網概念從遠端得知車相關訊息，包括(1)臨停呼叫取代以往號碼留言方式，減少詐騙集團用於不當之處 (2)得知電瓶狀態避免電力不足無法發動引擎窘境 (3)GPS了解車位置並具尋車功能 (4)大燈未關提醒避免耗掉電力，做為深入研究探討方向。

目前市面上已經有不少產品應用到自然語言處理 (natural language processing, NLP) 的技術，例如聲音或是圖像標註，但是關於圖像標註的研究大部分是針對英文，因此我們想要進行中文的圖像標註研究。在本研究中，我們嘗試建構神經網路，並使用Microsoft COCO: Common Objects in Context 數據集訓練模型，並試著調整模型以達到較好的圖像標註效果。使用深度學習神經網路作為翻譯流程的工具，並嘗試配合各種不同的網路架構。為了能達到從序列到序列 (seq2seq) 的效果，我們的網路使用了編碼器 - 解碼器 (encoder-decoder) 的結構，編碼器的部分使用CNN，解碼器的部分使用RNN，這樣能有效地傳達序列並有較多種神經網路組合方式。

此研究討論將多邊形各邊依等比例分割，與特定頂點相連圍成較小的多邊形與數個小三角形，運用電腦程式Geogebra，算出多邊形依等比例分割後，其各層三角形面積比和周長比，進而推導出其公式。

瑞典的眼控團隊使用眼控視頻遊戲的發明者發明的眼球追蹤器(eye-tracking)。該技術是使用感應器追蹤使用者的眼睛，讓滑鼠跟著眼睛瞳位方向移動，便能向下或向上滾動、選擇、打開和關閉電腦上的專案。針對重度癱瘓肢體障礙者，或是身上沒有身體部位可操作開關的患者，此產品是一個很關鍵的輔具，能讓使用者使用眼球動作完全操作電腦。而日本近畿大學宣佈開發出了全球首創的呼氣滑鼠。將一根管子銜在口中，通過呼吸氣來控制電腦。使用者通過呼吸氣的時間長短和強弱的不同就可實現移動游標和按鍵功能。 本研究是基於改善行動不便者為考慮，期望開發出適用於不同種類殘障人士都可使用的電腦操縱輔具，幫助殘障人士使用電腦，間接提升生活的品質。

「跳躍」是生物界很重要的運動方式，跳躍行為在螞蟻物種中很罕見，300 屬螞蟻中只有4個屬能用腿部跳躍，台灣過去並沒有螞蟻跳躍記載的文獻。本研究記錄台灣特有亞種「矛巨山蟻」職蟻之跳躍的與滑翔動作行為，像是跳前觀察以及跳躍形式，並且觀察其空中動作，包括肢體動作，身體是否具有校正的能力，並利用風洞觀察其空中滑翔姿態，證明其具有「定向空中降落」的滑翔能力。探討引發矛巨山蟻跳躍之原因，像是逃離困境等，並對矛巨山蟻腿部構造進行分析，與其他螞蟻作比對，找出更多本土的跳躍蟻種。最後用高速攝影拍攝起跳的動作，估算其跳躍力學，與國外的碩眼山蟻跳躍文獻做比較，找出螞蟻跳躍的出力與速度，並且使用電腦分析軟體分析其跳躍能力。

我把兩顆半徑相同的圓球體黏著在一起，在平面上轉動雙珠並用手機從側面與俯視拍攝其運動影片。將拍攝影片匯入電腦，隨後利用軟體Tracker，研究雙珠在不吹氣的情況下，其運動的型態，並且從受力狀態推論其成因。接下來操縱不同半徑的雙珠和對雙珠不同的吹氣方式來觀察對其運動型態的影響。研究發現，雙珠的半徑與不同的吹氣方式造成的力矩對雙珠運動皆會有規律性的影響，因此嘗試建立理論模型來解釋實驗結果的規律性。在最後的進階研究探討，不僅由實驗結果再度驗證上述理論模型的適用性，也發現雙珠運動在磁攪拌機的磁力趨動下也呈現出進動現象。

本研究對象為台南市牛山剖面六重溪層內碎屑化石密集層，透過野外調查與模擬實驗，分析六重溪層上部化石密集層，與下部油氣儲集層關係，並推論牛山地區古今的地理環境。 我們發現這些密集層的化石種類，具有相似的地質現象，因此重建碎屑化石密集層間的關係 ；並採集沙灘現生貝類與觀察碎屑分布，透過破壞實驗與水流實驗，了解貝類被破壞成碎屑 的能量，與碎屑被搬運堆積的過程。 本研究針對岩塊孔隙率測量，提出獨創的浸沒白油法，並與專業儀器測得孔隙率之砂岩比較，證明具備準確性。透過高解析度的電腦斷層掃描圖，分析砂岩中孔隙的分布情形；並推測六重溪層下部油氣儲集層，其地層條件與上部碎屑化石密集層類似，為膠結較不緻密的鈣質砂岩地層。

音樂可以陶冶性情但是購買樂器費用不低，自製樂器時要注意振動的薄膜和共鳴腔體積影響聲音的產生，氣體移動距離會影響駐波的波長導致音調變化、樂器的出氣孔大小會影響薄膜振動持續時間，出氣管深入共鳴腔的距離會影響共鳴腔內氣體振動的持續性，自製的吹笛利用開孔的距離和按孔的指法位置來調節共鳴腔的出氣量比例，就可吹奏出常見低音薩克斯風相同音階的基音，若是利用電腦聲音分析程式則發現二者組成聲音的三要素結果是有差異的，尤其是泛音差異更大，但是一般人的聽覺是不太容易分辨的。

About 15% of the world's population lives with some form of disability, of whom 2-4% experience significant difficulties in functioning. The global disability prevalence is higher than previous WHO estimates, which date from the 1970s and suggested a figure of around 10%. This global estimate for disability is on the rise due to population ageing and the rapid spread of chronic diseases, as well as improvements in the methodologies used to measure disability. This research deals specifically with the physically disabled and often people with physical disabilities feel frustrated because they cannot do activities such as: playing sports and doing exercise. Having a physical disability also changes the way a person lives their life. They may find their life changes and activities they had previously included as part of their daily routine such as brushing their teeth, washing and doing household chores suddenly become a huge effort and many people require another person's help to carry out these activities. Also, they suffer from three basic challenges like; education, economic and, communication. Firstly, Education: The results of the investigation revealed that the physically handicapped. They face a lot of problems while studying they can't learn as the normal ones and they needs someone to help in learning. Secondly, Economic: they can't work and achieve income to help in his practical life. And finally Communication: they can't communicate with others because of his disability.

Stochastic gradient descent (SGD) is one of the preferred online optimization algorithms. However, one of its major drawbacks is its predisposition to forgetting previous data when optimizing through a data stream, also known as catastrophic interference. In this project, we attempt to mitigate this drawback by proposing a new low-cost approach which incorporates backward queried images with SGD during online training. Under this new approach, we propose that for every new training sample through the data stream, the neural network is optimized using the corresponding backward queried image from the initial dataset. After compiling the accuracy of the proposed method and SGD under a data-stream of 50,000 training cases with 10,000 test cases and comparing our algorithm to SGD, we see substantial improvements in the performance of the neural network with two different MNIST datasets (Fashion and Kuzushiji), classifying the MNIST datasets at a high accuracy for the mean, minimum, lower quartile, median, and upper quartile, while maintaining lower standard deviation in performance, demonstrating that our proposed algorithm can be a potential alternative to online SGD.