對視障者而言，一般人習以為常的行走也變得十分困難，本研究希望透過電腦視覺充當他們的靈魂之窗，提供視障者更友善且能夠提升交通安全的輔助裝置。本研究使用樹莓派搭配網路攝影機與光達感測器接收影像與距離資料，將資料傳至伺服器後利用物件辨識演算法辨識障礙物種類，並辨識結果與距離回傳至樹莓派，當前方出現障礙物時，裝置能透過耳機即時發出警示音告知使用者。本研究也透過雲端減輕裝置運算負擔以達成減少耗能及縮小裝置體積的目標，讓裝置能夠像眼鏡一樣讓使用者得以辨識前方物體的種類與距離，輔助視障者避開行走路徑中的危險，進一步保障使用者的安全。

近年來的研究指出：第二型糖尿病病徵與胰島類澱粉蛋白(islet amyloid polypeptide，簡稱IAPP)之聚集有關。如欲探討IAPP聚集機制以治療病症，需經多樣、多元的實驗條件進行試驗，這無疑是件耗時、耗費資源的大工程！本研究是以電腦軟體進行理論計算分析，採用分子動力學模擬系統，探討不同種類或官能基的有機分子對於IAPP作用之影響，再進一步觀察分子動態、統計系統能量，歸納出分子間的交互作用，釐清可能影響實驗結果的重要變因，期能達到提昇實驗設計、減少耗材浪費的綠色化學願景。本研究結果發現：在純水或稀薄食鹽水中，IAPP構形皆傾向摺疊結構；且具較高極性基團或易產生立障效應的有機分子會拉伸IAPP結構，使其分子間相互靠近聚集，形成β-sheet纖維；具較低極性基團的有機分子，易進入IAPP turn內，破壞引發聚集現象的疏水核心，進而抑制IAPP分子的積聚。

本研究希冀提供學生另一種程式的學習方式，減少學生對於程式的排斥感，同時亦能讓學生在學寫程式之前，先訓練其溝通能力，使其說話較具邏輯性的結構，如此一來將能更有效的表達其所要陳述的事件，我們自行開發一套軟體系統，可經由口語的方式與電腦溝通，同時電腦經過關鍵詞的辨識後，能更精準的透過推薦演算推出幾種可能的目標事件，透過選擇的方式，一步步引導使用者完成其想要達到的動作，最終目標是透過這個軟體自動產生程式碼，如此一來將可減少學生對於程式學習的恐慌，提高學生對於程式設計的學習成就，同時，請老師利用我們自行開發的程式學習輔助軟體實際教學後進行問卷調查，亦有超過百分之64的同學認為，這樣的軟體使他們對於程式學習更感興趣，也提升他們撰寫程式的成功率。

Triage is the process by which nurses manage hospital emergency departments by assigning patients varying degrees of urgency. While triage algorithms such as the Emergency Severity Index (ESI) have been standardized worldwide, many of them are highly inconsistent, which could endanger the lives of thousands of patients. One way to improve on nurses’ accuracy is to use machine learning models (ML), which can learn from past data to make predictions. We tested six ML models: random forest, XGBoost, logistic regression, support vector machines, k-nearest neighbors, and multilayer perceptron. These models were tasked with predicting whether a patient would be admitted to the intensive care unit (ICU), another unit in the hospital, or be discharged. After training on data from more than 30,000 patients and testing using 10-fold cross-validation, we found that all six models outperformed ESI. Of the six, the random forest model achieved the highest average accuracy in predicting both ICU admission (81% vs. 69% using ESI; p<0.001) and hospitalization (75% vs. 57%; p<0.001). These models were then added to an Android application, which would accept patient data, predict their triage, and then add them to a priority-ordered waiting list. This approach may offer significant advantages over conventional triage: mainly, it has a higher accuracy than nurses and returns predictions instantaneously. It could also stand-in for triage nurses entirely in disasters, where medical personnel must deal with a large influx of patients in a short amount of time.

許多人在駕駛交通工具時常會速度太快，不放慢速度便會使車禍發生機率大幅提升，在巷弄裡更是如此。許多車禍都是因未注意來車所導致，所以我們想出了在路口裝設感知器，用來感知是否即將有車輛靠近以用來提醒駕駛人，雖然在某些路口會裝設凸面鏡，但還是有駕駛人會忽略，所以我們利用感知器搭配手機APP，當車輛靠近路口且有來車接近，手機便會發出聲響與震動，來提醒駕駛，相信這會比凸面鏡更有效果。

情緒辨識是增進人際溝通的重要能力。如生命線、電話客服等應用情境缺乏表情、肢體語言等輔助時，單以語音進行情緒辨識有極高的實用價值。 本研究探討比較支持向量機（SVM）及卷積神經網路（CNN）兩種機器學習方法於訓練「AI語音情緒辨識」分類器模型的表現。我們採用SAVEE和RAVDESS兩個英文語音資料庫，並自行製作與標註「逼逼中文情緒語料庫」。研究結果顯示SVM對SAVEE資料庫單一情緒的辨識正確率達84~94%，個別錄音員正確率達75%，超越官網紀錄的73.7%。同時，實驗顯示深度學習的模型在訓練資料不足的狀況下，反而相對遜色。

QR Code是由黑白模組組成的二維數位條碼，掃描後可讀取儲存的訊息。受限於設計原理，QR Code使用二進位制儲存資料。增加模組數目可增加資料量，但若在條碼內塞進太多模組時，尺寸太小的模組將無法被掃描器讀取。此外，目前QR Code掃描器僅支援單張掃描，並無法應付同時多張條碼掃描的實務需求。 如能克服顏色辨識，理論上彩色二維條碼將能克服現行QR Code的限制，但市面上並無相關產品可供測試。因此本專題設計了一款10×10、具8顏色的"Colour Matrix"，並利用Raspberry Pi開發Colour Matrix在手持裝置上運作的軟硬體來進行實驗。此實驗成功利用機器學習演算法在Raspberry Pi上進行的顏色辨識。開發的程式在單張掃描上效能與使用pyzbar辨識QR Code相當；在多張掃描方面，使用pyzbar辨識QR Code的解碼成功率為3.1%，而本專題的方法將成功率提升至92.4%，擴增數位條碼的使用範圍，具商用價值。

本研究聚焦於高中生在寡勝賽局中的真人實驗之特徵表現。研究共計132位參與者，以同時使用即時線上施測之方式進行實驗，研究者於雲端蒐集資料做立即提供勝負結果及歷史回饋。 研究結果如下： 一、 在真人實驗中，記憶長度、遊戲經驗、數學能力、策略改變率，皆未對勝率、浪費率造成顯著影響。 二、 在真人市場中，無法出現週期性、浪費率隨場次降低之現象；在時間序列上有趨中特性。即真人並非單純依照歷史資訊的推斷而進行策略選擇，且無法藉由經驗學習。 三、 在真人實驗中，無法觀察到平均收益隨場次增加而提升或浪費率隨場次增加而降低的現象，說明經驗無法使真人群體學習或成長。 四、 電腦代理人在部分增加記憶長度後，平均收益與原先呈現顯著差異，真人市場則無法達成。即資訊量多寡對真人的策略判斷與勝率沒有影響，真人對歷史資訊的取用並非如電腦選取策略表具有唯一性。 五、 無論在電腦模擬或真人實驗中，浪費率與平均收益皆呈現高度負相關，此與其定義亦有關聯。且浪費率為0％時，平均收益會趨近於50％。斜率接近-0.5。 六、 策略改變率並非以任何函數圖形影響勝率，說明了相信歷史與否不是唯一影響結果的因素。在青少年群體的真人實驗中，未發現歷史資料對勝率有顯著之助益。

新冠肺炎疫情期間，拍攝不少戴口罩的照片，但人們希望能保留未戴口罩照片，為了解決這個問題，本研究建構人臉口罩去除系統，給予無口罩覆蓋的來源圖片作為參考，透過擷取人臉和口罩輪廓的特徵點，進行人臉置換、圖像填補與色彩優化等步驟，對於戴口罩圖片的口罩區域進行人臉復原。 本研究透過校正戴口罩人臉特徵點的誤差，設計改良演算法精準地偵測口罩區域，利用輪廓偵測演算法擷取口罩輪廓特徵點框出區域，將來源圖片的對應區域置換到戴口罩圖片上，並使用圖像填補技術修復填補口罩置換後的殘影，再對圖片置換的拼接處進行色彩優化，讓整體臉部膚色具一致性，經成效評估驗證，成功自然地將戴口罩圖片復原為未戴口罩的真實樣貌。

此研究探討螞蟻在各正多面體按特定行進規則進行表面行走之最短路徑，以及按照特定的截面規則將正多面體(柏拉圖立體)一刀斬後分割成二部份，觀察其所形成的可能截面變化，並利用Geogebra等電腦軟體模擬繪製，藉此協助我們計算正多面體分割成的截面周長與面積，進而推導出其公式及觀察截面大小之變化關係。

有鑑於高中選修化學相當困難，因此我們製作了一款有助於提升化學能力的遊戲。玩家必須活用沉澱表及化學來通過遊戲。蒐集離子球、並且按照要求合成出沉澱物或是酸鹼，來擊潰敵軍和敵方堡壘。 該遊戲是藉由網頁去宣傳的，因此我們需要一個平台去發布此遊戲，選擇了netlify這個平台。其中我們前端使用了三大前端程式，HTML、CSS、JavaScript，後端則利用Google試算表搭配Google APP Script去收集遊戲數據。最後，我們再利用AI演算法中的類神經網路分析，透過交叉比對找到玩家最有可能的成長結果。

本研究旨在運用自然語言處理技術，建立辨識惡意程式的模型。首先搜集良性及惡意執行檔，進行反組譯及前處理以建立資料集。使用反組譯後的組合語言檔作為文本，訓練模型以區分良性和惡意程式。研究比較詞袋模型、序列模型、fastText以及不同n-gram對模型的影響，並將結果與其他相似研究比較。 研究結果顯示。詞袋模型以使用multi-hot編碼表現最佳，序列模型有位置編碼的Transformer encoder表現最優。在不同n-gram的比較，2-gram詞袋模型識別惡意程式達到99.6%的F1-score，且本研究的識別準確率優於其他相似研究。