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。

本研究乃是以桌上型電腦塗抺散熱膏、風扇與防塵等研究，透過散熱與防塵策略，以達到其節能效果。在散熱膏研究中發現以0.2克五點降溫效果最佳；在風扇研究中發現以「前進風與後抽風」降溫效果更佳。在不同材質的過濾棉的研究中發現以「活性碳口罩」過濾細懸浮微粒效果最佳，並以活性碳口罩「最外層」的過濾效果更佳。在總結性評估中發現，散熱膏0.2克塗佈5點且加裝兩顆風扇「前進風與後抽風」與活性碳口罩「最外層」時，其降溫效果最佳。在總結性評估時測量電腦耗能，其耗電量約為0.01度，並無增加耗能，最後電腦內部積塵厚度為1mm，耗電量約為0.05度；積塵厚度為0.1mm，耗電量約為0.01度，能有效地節能。最後研發出磁吸式口罩架，隨時為電腦戴上防塵口罩。

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。

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。

為消除播放清單中特定使用者所討厭的音樂類型，本研究結合音樂分析和自動播放器功能，利用深度學習技術分析音樂，將擁有類似情緒的音樂分為同一類。讓使用者自由選擇類別，提高播放清單的類別相似性和使用體驗。實作上使用Discord Bot呈現，其最大優勢是可提供多人多伺服器同時使用，且操作方便。儘管MobileNet的預測結果有待提高，但對使用者而言已不成問題，期望未來能夠進一步改進以提供更好的體驗。

本研究旨在利用遠端工作和物聯網技術開發名為「連鎖遠端研發助手」的研發裝置。通過以連鎖烘焙為範例進行測試，探討其可行性和時效性。該研發裝置具有以下優點： 1. 多人多地共同研發：減少人員奔波和交通住宿費用，有效結合人力相互支援，快速達成目標。 2. 共享與同步資訊：快速修正研發缺失，及時彌補缺失，完善成品。透過物聯網技術，快速分享配方至各連鎖商店，協助製作出品質一致的優良商品。 3. 提升研發效率：通過APP操作遠端伺服機器，擴大遠端工作範圍，快速獲得產品數據。有助於研發人員更容易取得成果，快速推動該產業發展。 本研究結果顯示「連鎖遠端研發助手」具有可行性和時效性，未來有望成為研發平台，協助產業發展。

最近國內外災害頻傳，因此我們自製超低頻物質波感測器。融合類比訊號處理電路、數位化的分析系統。擷取外界環境或人體微弱的訊息，匯入電腦存入資料庫，加以辨識，將分析結果傳輸至筆記型電腦，供相關人員處理。提供災害預警與諮詢，達到遠端監控、現場搜救、守護國民安全之目的，本研究系統包含下列功能： 一、偵測超低頻物質波 研發超低頻物質波感測器，能偵測到微弱的超低頻物質波。 二、類比訊號處理電路 利用運算放大器，組合成多階濾波器，去除雜訊。 三、自動化檢測介面 全自動訊號取樣，並進行訊號處理與分析，並立即顯示時域、頻域訊號的波形。可以即時偵測地震，或災難時偵測生命跡象。

本作品為遠低於市價ROV的材料，設計出能在水下移動的載具，加入連線在式子母船的概念，完成能遠端控制與觀察影像的水下遙控載體。首先設計可以水下自由行動與水下攝影的子船，設計電力系統與無線訊號傳輸的母船。藉由Labview設計出由電腦介面進行遠端控制的程式，再經由USB多功能 I/O 介面卡傳輸到無線訊號2.4G接收板，來進行遠端遙控。 除了由電腦控制外以十字手搖開關進行手動遙控試驗並將線路連接完整，藉由切換的開關來改變操作的方式，即最終改良成可手動控制或電腦控制。經海邊測試能達成無線遙控子船，水中沉浮前進動作，並搭配子船到水下攝影鏡頭接收到水下影像，達成簡易型水下生態觀測之遙控無人載具。

以將古文翻譯成白話文為初衷，以爬蟲擷取古文解譯網站「讀古詩詞網」中的大量古文及其白話翻譯作為訓練用的資料，並按照不同文體分開訓練。我們先嘗試用Bert模型做選擇題：給一句古文讓機器從四個選項中選出其翻譯。一開始隨機挑選其餘三個選項，正確率高達96%。因此我們挑戰更困難的設置，撰寫搜尋關鍵字的程式，將有與題目古文相同字的白話文放入選項。雖然準確率有些許降低，但仍高於只選重複字最多選項的結果，代表模型有發展出獨立的判定標準。選擇題成功後，我們用MT5 模型嘗試更困難的翻譯，並在訓練集中新增提供不同前後文的注釋資料幫助訓練。雖然還無法翻得非常準確，但仍在某些句子有不錯的表現。我們也發現了模型對某些特定類型字詞的翻譯有待加強，未來希望透過加強代名詞判斷訓練及持續新增注釋來增加整體翻譯能力。

本研究主要是為了提升在線上西洋棋網站中對弈的公平性，希望可以用自動化的模型幫我們抓出作弊者。 首先我們需要將棋局PGN檔先預處理成訓練要用的模式，接下來將分成兩組實驗進行:一是用每步著法及時間放入深度學習網路製作模型，二是以子力停留位置製作的熱圖配合卷積神經網路製作。 研究結果顯示，使用深度學習的模型判斷結果比用卷積神經網路的模型還準確一些，而使用卷積神經網路的模型中，我們發現加入子力權重的模型會比沒有加入的準確一些，但是還是比不上深度學習的模型。

臺鐵太魯閣號於 2021 年 4 月撞擊滑入軌道的工程車的事故，是 60 年最嚴重一場意外。 北捷文湖線也曾有大型招牌掉落事件，顯示軌道安全的重要性。本研究參訪高鐵、臺鐵、北 捷和新北捷-淡海輕軌，將四大軌道公司的異物偵測系統做探討。採用 Yolo 系列物件偵測演 算法，進行模型訓練，設計一套「高效能 AI 軌道異物偵測系統」。將攝影機架設在車頭，並 加裝望遠鏡頭，達到遠距離的預警。採用可見光攝影機與 AI 物件偵測的技術，並應用內嵌 系統 Jetson TX2，讓列車提前確認是何異物，提升安全性，採取不同煞車措施，降低誤點率。 以台北捷運文湖線為實驗場域，測試各種天候條件，如：晴天、雨天、傍晚等。也在不同場 域實測如：臺鐵內灣線、淡海輕軌。本系統平均準確率 95% mAP 與運行的幀率達 40FPS， 能縮短辨識時間，讓駕駛能立即反應和提前預警，達到保障人車安全的目的。

本研究提出了一個毫米波雷達即時動態手勢辨識技術，透過幾個簡單的手勢取代鍵盤和滑鼠來操作應用程序，從而提供更生活化和直覺化的人機介面。我們透過手勢屬性分析、手勢訓練資料格式選擇評估、學習模型效能評估和系統實測性能分析，以提高手勢控制人機界面的實用性。我們的學習模型採用一大小為415 KB的1DCNN+LSTM混合模型支持四個動態手勢，並在德州儀器的FMCW雷達評估板上以30 FPS的採樣速度進行手勢識別。我們在7個用戶（包括5個右撇子和2個左撇子）的多媒體撥放實際測試中達到94.5%的操控準確率。此外，我們的方案在實驗室環境之外的複雜空間中操控應用程序，也不會有明顯的辨識錯誤的情況發生。