「溫室效應」會造成地球暖化，使地球環境惡化。但「溫室效應」並非顯而易見，因此不易理解，現在結合自然科學與科技課程，於微型玻璃屋中，探討二氧化碳對溫室效應的影響。 首先在玻璃屋外進行「空白試驗」，再於玻璃屋內進行溫室實驗。打氣幫浦輸出的氣體經由三通管控制「繞流」(Bypass)，通過氯化鈣去除水氣，約略可視為「零空氣」(Zero Air)，以人工光源照射充滿「零氣體」的玻璃屋作為「對照組」，再比較充滿不同濃度的二氧化碳氣體作為「實驗組」，應用Arduino開發板、感測器、液晶螢幕與記憶卡，能即時顯示數據、記錄資料，再以Excel繪製圖表，也可連接電腦進行現場環境監測。 從數據分析，「溫室效應」確實發生，所以應該儘量減少二氧化碳排放至大氣中。

本研究旨在透過DCT-SVD演算法，即時對動態影像，嵌入人眼幾乎不可見的浮水印。經過測試，該演算法具有一定的抗攻擊性，可以保障影像受到他人壓縮、裁剪等操作後，能還原嵌入的浮水印資料。 嵌入的浮水印有多種用途。舉例來說，版權方可以在動態影像中，嵌入可辨識被授權者資訊的資料。當被授權者私自將影像給予未授權者，版權方可以透過還原浮水印的方式，追蹤違反授權的被授權者，並採取必要的法律行動，以保障版權方的權益。或者反過來思考，對於監視器畫面之類需要做為證物的影像，當偵測到浮水印遭到破壞時，就代表該影像經過人為修改，可能不具有法律效力。

本研究探討平面中三圓的關係，其中圓O固定不動，圓O1以逆時針方向滾動且繞行圓O；而圓O2同時也以逆時針方向滾動且繞行動圓圓O1。其中圓O1與圓O2上各有一動點P、Q。三圓一開始為圓O2分別與圓O和圓O1外切，且O 、Q、P三點成一直線，Q點介於O 、P兩點之間。當 ̅OO1與x軸夾角為θ時，先以繪圖軟體了解動點的軌跡；其次以三角比的概念求得P、Q兩點的坐標；最後再以電腦繪圖軟體，製作當三點共線時之θ值，並藉由函數圖形了解三點之中何者介於其他兩點之間。本研究由原本的三圓外切的情形，邁向討論三圓外離的情況，猶如恆星、行星、衛星三者的運行，進而以各圓半徑、兩圓連心距、繞行角度為變數，歸納合理的數學式，以利日後進行更廣泛的研究。

本研究旨在探討層雲結構產生上的一些物理機制，一般情況為地表附近空氣經由日照加熱而對流上升，而後與冷空氣混和凝結，我們藉由建立一些相關的模型來探討此一現象，利用水中紊流模擬大氣，設計密度界面模擬大氣中密度層變界面，透過染劑以及雷射誘導螢光等技術來觀察，而後探討紊流穿透界面或與界面上溶液混和時的相關現象，並利用一些計算，例如達西-魏斯巴赫方程或渦量方程式等，去解釋這樣的模型，配合電腦程式輔助分析紊流的速度及形狀等特性的關係,，再用不確定度去評估實驗精確性，連結這個紊流模式與大氣流體中的現象，並可推廣至諸如海底火山噴泉或是工廠汙染物排放。

According to CNN Indonesia 2020, the demand for e-Commerce in Indonesia has nearly doubled during this pandemic. This surge in demand calls for a time-efficient method for warehouse order-picking. One approach to achieve that goal is by incorporating automation in their warehouse systems. Globally, the market of warehouse robotics is expected to reach 12.6 billion USD by 2027 (Data Bridge Market Research, 2020). In this research, the warehouse system studied would utilize AMR (Autonomous Mobile Robots) to lift and deliver movable shelf units to the packing station where workers are at. This research designed a heuristic algorithm called A.N.T.s (Algorithm for Navigating Traffic System) to conduct task assigning and pathfinding for AMR in the automated warehouse. The warehouse layout was drawn as a two-dimensional map in grids. When an order is placed, A.N.T.s would assign the task to a robot that would require the least amount of time to reach the target shelf. A.N.T.s then conducted pathfinding heuristically using Manhattan Distance. A.N.T.s would help the robot to navigate its way to the target shelf unit, lift the shelf and bring it to the designated packing station. A.N.T.s algorithm was tested in various warehouse layouts and with a varying number of AMRs. Comparison against the commonly used Djikstra’s algorithm was also conducted (Shaikh and Dhale, 2013). Results show that the proposed A.N.T.s algorithm could execute 100 orders in a 27x23 layout with five robots 9.96 times faster than Dijkstra with no collisions. The algorithm is also shown to be able to help assign tasks to robots and help them find short paths to navigate their ways to the shelf units and packing stations. A.N.T.s could navigate traffic to avoid deadlocks and collisions in the warehouse with the aid of lanes and directions.

騎士過城堡是一款棋盤模式的電腦遊戲，棋盤是由14格棋盤格組成之圖形，以騎士棋的斜日式走法，選擇棋盤格上的任意棋盤格作起點，跳完棋盤格上的14格棋盤格，每個棋盤格子僅能跳一次，跳完全部棋盤格回到起點即過過關。研究動機是希望能找出符合過關條件的其他棋盤格圖形以增加遊戲樂趣。研究目的在5X5與6X6的棋盤格範圍內，探討以「基礎圖形擴張法」找出其延伸的棋盤格圖形，與圖形中具多條可解路徑之規律性。研究過程中下指令Chatgpt生成Python程式碼，跑出基礎圖形延伸之棋盤格路徑。研究結果在5X5以8格基礎圖形其延伸圖形有14個、5X5與6X6以6格基礎圖形其延伸圖形分別有306與14535個，而圖形的中多條可解路徑由1-多條主迴圈與1-2條次迴圈所構成之規律性。

BERT近年來在各式NLP任務中可說是無處不見、無所不在，其中使用fine-tuning的訓練方式更是可以幫助研究者省下大量的時間及運算成本，且結果都有不錯的表現。本研究探討在結合不同條件的文本訓練下，基於對BERT模型做fine-tuning且讓其進行文本分類，觀察其對於預測及分類中文句子通順程度的成效，並且根據訓練出來的模型設計修正方式嘗試使其對預測中不通順之文本進行自我修正，並分析其成效與結果。

本研究企圖建構一個運用邊緣運算技術(Edge Computing)之人工智能機器人代理人(AI Agent)，並將之運用於實體人型格鬥用機器人的研究開發中。 在此以人型格鬥機器人做為場景需求使用設定目標，運用彈性化模組，加上分散式、嵌入式即時網路技術來降低系統設計的複雜度，整合通訊協議與深度學習YOLO影像演算法，進一步運用ZMP運動控制理論，以及多維感測器融合技術(sensor fusion)，融合陀螺儀(GYRO)、加速儀(accelerometer)、CMOS Sensors、FSR(Force sensing resistor)作為人形機器人智慧平衡基礎，再藉由圖形識別做為預測辨識以及智慧姿態ZMP控制技術作為攻防策略判斷。 整體系統藉由AI 晶片與嵌入式系統網路作為整合。透過網路即時傳輸環境資訊與指令，使機器人可以知道高層的指令目的資訊。值得一提的是本系統網路設計建構依照仿生哺乳類動物的分層式架構。神經系統將反射以及即時控制交由智慧代理人軟體作為即時演算與控制來達到高性能與彈性發展的需要，未來可用在高等擴充性的人形機器人使用，包括格鬥機器人，人形機器人工地建材搬運、具自平衡醫療外骨骼機器人......等，使人與機器人能並肩工作，提升人與機器人整合互動。

近年來，名為生成對抗網路的非監督式學習方法蓬勃發展，透過使產生假資料的生成器與辨別資料真偽的辨別器互相學習，只要提供資料集便可學習其特徵而生成出能以假亂真的資料。本研究提出一套針對現有生成圖像的生成對抗網路模型的改良方法，透過進行實驗探討不同變因對生成品質與效率的影響，調整原有的優化器設置、卷積層參數、模型架構等，並以客觀指標評估實驗結果，證實經過本研究提出的方法改良有更好的效果。另外改進的方式應用在各種資料集訓練的模型及更高解析度的模型，數據表明也有不錯的成果。而本研究希望能提供更明確的模型改進方向給研究人員，並減少嘗試改良模型所花費的時間與能源成本，以此減少訓練龐大的模型所造成的環境影響。

本研究主要整合實驗測量、田口實驗與人工智慧機器學習等方法，發展優化泵浦旋葉技術。首先以3D列印開發多種相異外型族群與不同葉片數目共計82種設計，以實驗探討旋葉構造形狀與泵浦之流量、揚程及效率，進而找出效率較佳的旋葉並作為基底，過程中應用電腦輔助分析軟體進行旋葉內部流場與應力場分析驗證，搭配透明運轉泵浦觀察不同轉速下旋葉內部流體流動狀態，田口法研究結果發現由信躁比與均值分析結果顯示入口斜率為最重要的影響參數、其次分別為旋葉數與出口斜率，影響最小則是上蓋厚度，且優化設計旋葉T3C-10-2-4-4最佳。機器學習方面，經由多元線性回歸訓練模型預測出未知的旋葉效率(Y值)，訓練完成後得到平均絕對誤差Mean Absolute Error (MAE)皆小於1.5。

本研究旨在應用立體思維解決循環式的最大流量問題，於教師介聘中，可提出擁有品質保證之方法，並求得介聘成功人數之區間。教師介聘應為一限制的網路流（每個節點至少一入一出），試著求出最大循環流量。 教師介聘為學校間之教師調換作業，透過志願選填與其他參與者進行交換。以110年的介聘規則而言，介聘順序為單調→五角調→四角調→三角調→互調，相同者以積分高為優先。現有制度受限於作業期程、業務人員能力，約略簡化問題原型，但即使如此，介聘處理的結果仍不提供數據分析，導致無從分析其品質及過程，因此介聘的結果、數量和方法皆仍有很大的研究空間。 此研究除了可使媒合數量最大化外，進而由原模型衍伸出多種策略，可以透過調整參數並於結果與時間中取得平衡。單志願介聘中，透過使用不同模型使準確率（介聘成功人數/最多成功人數）介於88～100%，運算時間與準確率成正相關。多志願介聘以自訂規則作為範例，套用單志願介聘模型呈現效果。

地球自轉一周，需要24小時，因此地球一面處於白天，另一面則是夜晚，從外太空看地球越先進的國家的夜晚，燈火通明點亮整個城市。當愛迪生發明第一個燈泡時，讓世界夜晝變白晝，照明設備的演進，也照亮人類的文明，各式照明設備有相對的使用壽命，當路燈或照明設備故障時，需要專業維修人員或水電師傅進行更換，有時也讓照明設備久久未能即時修護。本作品設計概念，用於路燈或照明設備，路燈發生故障不亮時，系統偵測故障時並進行自動修護，將不亮的燈泡變成會亮的燈泡，達到即時修護的目的。作品以單晶片微電腦為主控制，LED驅動電路、霍爾電流感測器、使用Zigbee建構區域網路、步進馬達控制，結合IOT物聯網概念，設計具有故障自動修護及回報功能系統。