在這個資訊發達的時代，網路充滿著五花八門的資訊，導致我們在查詢資料時會因為這些雜亂且未經過濾的資料浪費許多時間，其中最為氾濫的便是點擊誘餌（clickbait），此種新聞常常有著吸引人的標題，而內容卻不會與主題相符，人們也常常在讀完整篇文章後才意識到自己浪費了許多時間在無意義的資訊上面。解決此問題很常用的方法之一便是運用摘要演算法來讓讀者先對新聞有一個大概的理解，不過，雖然摘要演算法越來越普及，但產生出來的摘要仍會和人為判斷的結果有所差距，進而造成閱讀理解上的錯誤以及偏差，所以我們想要藉由這次研究，從一個嶄新的角度切入，探討摘要演算法和句型分析之間的關係，融合原本向量建構的方式以及語句結構的分析來測試摘要的準確度，並且由結果研發出一個可以產生出更為精確的主旨之摘要演算法，除此之外，我們也會融合實地調查以及搜集意見的方式來更進一步探討人們思模式與產生出的摘要之關聯性。

Face pose estimation has many possible applications, ranging from driver attention measurement systems to applications in the metaverse, which this project will be focused on. Rather than using a more traditional landmark-to-pose method where the head pose is estimated via keypoints, our method trains a simple convolutional neural network, using the dataset 300W_LP, where the images are simply inputted into the network. The model is fitted with three fully connected layers that are linked to the each of the three Euler angles (yaw, pitch, and roll), alongside multiple loss functions, which improve the robustness of the network.

鐵路時刻表排點至今為止仍十分仰賴人工作業，且排班優劣對於乘客服務品質有顯著影響。本研究採用元啟發式最佳化演算法及模擬器進行旅客列車鐵路時刻表排點，旨在找出一份針對旅客需求、提升旅客運輸成功率且降低旅途時間的時刻表。我們提出一種班表編碼機制，可依此產生班表草稿。我們研發的模擬器可將班表草稿轉換為合法無衝突之班表。最後，透過登山演算法及基因演算法來搜尋班表草稿，並以模擬器評估優劣，我們實現了一個自動化排班系統。我們也以不同的乘客測資針對於不同演算法進行比較，並試圖找出表現最好的演算法。實驗結果指出我們的模擬器能有效率產生無衝突時刻表，且所提出之演算法操作相較現行班表可提升運輸成功率和降低旅途時間。

本研究使用機器學習方法，改善年長者使用手機時觸控系統對於點按位置判斷之能力。首先設計實驗比較年長者使用手機時，點按位置及手勢判斷的準確率，接著收集年長使用者的觸控軌跡及裝置相關資料，並訓練模型以減少系統判斷的錯誤率和誤差幅度。再比較及分析不同機器學習模型對於本研究之資料的適用程度及經校準後點按位置準確率的提升，進而挑選出一個能夠最有效提升點按位置準確率的模型進行點按位置的預測。實驗過後選擇最有效提升準確率的Random Forest Regressor進行其他的校正實驗及分析。使用者點按位置的預測準確率能被有效提升，準確率能提高32.3%。而最終，將訓練後的模型套回實驗用的手機程式，系統判斷受測者的點按位置能從原本的63.7%提升至97.5%。

平常聽音樂時經常有種似曾相識的感覺。為了描述這種感覺，我們展開了複音音樂片段相似性度量的研究。因為曾經使用過最長公共子序列實作卻效果不如預期，我們將音樂片段正規化後，視為座標平面上的時間、音高點對的集合，使用點對應與二分圖匹配的方法，定義兩個複音音樂片段的相似度為最大權重匹配的平均邊權。我們計算了資料集(JKUPDD)中相同、相異的音樂片段的相似性，調整算法中的參數，找出最適合的參數組合，並且透過音符之間的權重，畫出自相似度矩陣，發現樂曲中的重複片段。

本研究提出有關數橋謎題遊戲的程式實作辦法，我們已知數橋被證明是個NP-complete問題。我們研製出了數種解題條件與窮舉策略在演算法上的實現，並且比較了這幾種解決辦法的相對效率，再者也提出了數個NP問題的解決策略。本研究發現在進行窮舉的時候以取最小頂點值期望效率最高(表示該程式能有相對多，相對快的執行結果)。

小提琴主要是由琴弓帶動琴弦使提琴透過音柱與音箱振動而發出聲音，而琴身、琴橋、琴弦、拉弦板、肩墊、松香……等，這些因素都可能影響提琴的「音色」，但是多數人，是很難用耳朵聽出「音色的差異」，因為聲音既看不到也摸不著，所以希望透過傅立葉電腦軟體Audacity，來分析聲音的『頻譜圖』，用科學化的證據，讓非音樂專業人士，也能「看」到音色的差異，並利用頻譜圖與聲響學理論說明音色的奧妙，讓喜歡音樂的我們，找到適合的小提琴，也讓初學者或演奏者更容易找到合適的琴。 在關於小提琴音色的實驗裡，影響小提琴音色表現最主要的因素是松香和琴弦。我希望將松香與琴弦所產生的音色用科學方法分析，建立資料庫，讓演奏者很快找到適合的松香或琴弦。

本研究針對學習圖論演算法的需求，設計一套使用者友善的繪圖軟體Graphene。Graphene繪圖程式除了提供高可讀性的繪製結果，作為輔助繪圖的工具外，也可直接輸入競賽題目的文字格式測試資料產生繪圖結果，並結合現有繪圖演算法，改善、優化樹與類樹圖的繪製結果。此外，也加入時間軸、自訂外觀、參數調整、匯出圖片等功能，幫助學習者理解圖論演算法，亦可幫助教師製作教材，有助於圖論演算法教學。 Graphene採用的繪圖演算法以force-directed graph drawing演算法為基礎，實作節點的分布。然而初始的節點分布會影響繪圖結果，因此我們利用biconnected component、block-cut tree等圖論結構對圖的繪製進行優化。首先找出圖的biconnected component及關節點，重新定義block-cut tree裡的block，接著利用radial tree的布局方式配置每個block，再套用force-directed graph drawing演算法，得到最後的布局結果。如此可以減少不同block之間的交錯，得到較佳的結果。

本實驗之研究目的在找出繼光餅的最佳配方。以不同比例的麵粉、酵母粉和水溶液種類設計出三組實驗組、每組三種不同配方共7種(每組皆有一個原始配方)，找出麵粉和酵母粉及水溶液對繼光餅的影響。本研究使用電腦軟體imagej測量氣孔數量、砝碼加壓法測量其硬度及回彈度、體積置換法來測量體積的改變，以科學化數據觀察，量化紀錄資料比較繼光餅本體外型和品評口感，綜合比較結果，最後第一組實驗以高筋麵粉、第二組以五克酵母粉、第三組以鮮奶口味為本研究最喜愛的配方。最後無添加酵母粉及更改水溶液為高粱酒的繼光餅不受到大家的喜愛。

目前水冷散熱系統普遍應用在電腦CPU降溫中，雖然水的「比熱容」比空氣及大部分介質都高，但因水冷散熱系統內冷卻液的熱量，最終仍靠風扇送到機殼外，故CPU之最低溫度仍存在一個臨界值。本研究旨在對於「一體式」與「分離式」電腦水冷散熱系統及「熱電致（製）冷晶片」（Thermoelectric Cooling Module）結合進行模組開發設計，將此兩類相關元件搭配結合，以突破傳統水冷式散熱所無法降達的溫度。本研究將「致（製）冷晶片」之致冷端及水冷系統作結合，利用致冷端作為吸收CPU主要熱量，結果發現：與單純只利用風扇將熱量帶走的方式相比，本研究所開發之『第一代』一體式散熱模組與『第二代』分離式散熱模組皆成功地將頂級CPU之工作溫度再壓低，使電腦工作效率維持在最佳範圍。

本研究利用蠟燭燃燒產生的碳焦，混加蘆薈及自製史萊姆開發為綠色產品~薈碳拉膜。研究中為取得碳焦，探討不同火源、吸附材質及離火焰高度對碳焦產生的影響，發現距離蠟燭火焰高度1公分處，以不鏽鋼杯底收集，可取得最多碳焦量。並以自組各種工具測試薈碳拉膜的延展性、隔熱及耐酸雨濕沉降等功能及運用電腦課所學編寫程式-程小奔進行RGB透光測試遮光效能。研究試驗出蘆薈碳焦拉膜的最佳組成比例為蘆薈：碳焦：自製史萊姆(20：0.6：10)。經與市面隔熱紙比較，蘆薈碳焦拉膜具有較佳展延性，防護酸雨濕沉降功能、遮光及隔熱能力佳，有取代化學隔熱紙的可能性，符合綠色化學節能、低毒、簡潔、可解原則，是值得推廣的綠色優質產品。

本研究主要為進行安全帽改造，昔日我們常見關於汽車的盲區偵測、內輪差等先進技術皆建置於汽車上面，但實際在行車上造成災害發生的主角大部分為機車，我們閱讀相關文獻發現目前並無機車有相關技術，再者我們希望此技術可以讓騎乘機車、電動機車、電動腳踏車、腳踏車等對象皆可使用，因此我們於安全帽上裝設鏡頭及雷達感測器，透過鏡頭進行車輛物件識別，以識別車輛類型及輪距，進而以公式繪製內輪差曲線與進行盲區車輛偵測；透過雷達計算車側距離以判斷車輛是否會太靠近汽車或是落入汽車之內輪差範圍內，將以上偵測結果透過抬頭顯示方式直接投影在安全帽的面罩上，如此一來將可讓機車及腳踏車族在行車上更具安全性。