本研究中，我們對模型逆向攻擊在語音辨識系統中的影響及風險進行深入分析。隨著Siri、Google Home等智能助理設備在日常生活中的廣泛使用，其語者辨識系統的安全隱患引起了我們的注意。本研究目的在於深入理解模型逆向攻擊的運作機制，並探討其對語音辨識系統的攻擊效果。我們透過實施多樣化的攻擊策略，對不同的模型架構和數據處理方法進行了評估，並對人聲與非人聲的數據集進行了攻擊效果的比較。此外，我們亦實現了基於差分隱私的防禦算法，在多數模型架構下達到接近50%的防禦效果，顯著提高攻擊代價。研究整體揭示了語音辨識系統在面對模型逆向攻擊時的脆弱性，並藉由實驗分析推論出可能的防禦策略，期待能通過策略來增強模型的安全性。

培訓一位醫生的時間非常的久，除了在醫學院花上7~8年的時間學習之外，畢業取得住院醫師的身份後，還需要在醫院中選擇特定專業科目受訓，依照科別不同，受訓的時間從3~7年不等，其中神經外科醫生就需要花上7~8年的時間受訓，受訓後再通過專業醫師執照考試，才能正式成為醫師。 醫生的訓練過程費時耗力，在醫療訓練資源有限的情況下，採用虛擬實境(Virtual Reality,VR)科技，可以把手術訓練帶到虛擬世界中，不僅可以提供手術前開刀策略判斷，更可以提高醫療成功率。 本研究主要針對腦部腫瘤手術，藉由運用3D Slicer重建腦部腫瘤3D模型，並轉入到Unity製作手術模擬過程，再轉入到VR，讓醫師可以透過VR虛擬實境，進行手術練習與模擬。

本文提出了一種階層式兼投票式的心律疾病智慧醫療檢測模型，以MIT-BIH心律資料庫為基礎，建立了兩種判別模型。模型一針對正常心跳N及較常發生的V、L、D、R、A(見表3)五種心律疾病進行單一疾病分類；模型二針對疾病較多的N、SVEB、VEB、F、Q(見表4)五類進行分類。採用階層式模型使各層獨立訓練、二分法使資料量均勻；在階層式模型上增加投票式模型，使各層以多種機器學習共同判斷，並按各機器學習訓練之準確程度調整比重。研究結果顯示，模型一最終準確率達99.01%，五種分類類別中有四種召回率達97%以上；模型二整體準確率98.74%，N、VEB、SVEB、F、Q五類召回率分別達99.5%、97.1%、83.6%、77.8%、85.7%。兩模型對於心律疾病判別準確率均較近年論文有所突破。

在這次的研究中，我們在書上看到了一個問題，是一道有關於在棋盤上，貓和老鼠不能看到對方的問題。我們先研究這個題目中棋盤大小、貓和老鼠數量的規律，我們從1×1一路研究到了8×8，並且試著找出在不同棋盤大小的遊戲中，要有幾隻貓才能讓老鼠的平均數量接近2隻，之後我們將 題目設計成對戰的遊戲。 我們首先設計了一個棋盤大小是6×6的桌上型遊戲，並且修改過幾次規則。後來學習了程式設計，把遊戲改到電腦裡遊玩，我們使用scratch寫程式來製作遊戲，並且把原本6×6的棋盤擴大改成了8×8的棋盤。我們在試玩的過程中，又再次把一些不公平的遊戲規則修改了一下，最後我們和同學一起試玩遊戲，製作出了屬於我們的「貓鼠終極戰」。

此研究探討在正角柱及正角錐上一刀斬後分割成二部份而形成截面時，觀察其所形成的截面變化，並利用Geogebra、Desmos等電腦軟體模擬繪製，藉此來計算正角柱及正角錐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，以及其與側稜線長的關係。