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。

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。

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。

在臺灣手語辨識，先前研究所使用的監督式學習需要大量標記樣本而限制可辨識詞彙量。為此，本研究借鑒自然語言處理領域中BERT的遮罩想法，將未標記手語影片隨機遮蓋部分幀數，並讓模型學習預測被遮蓋的幀數以學習臺灣手語的特徵，並透過遷移學習來訓練辨識模型，此作法可克服現有臺灣手語資料缺少的問題。經過實驗，本研究訓練之詞彙辨識模型達成了242個單字量，92%的準確率。 此外，先前研究皆未在手語句子翻譯上有成果。因此本研究基於以上模型，設計手語翻譯的系統，整個系統在100個句子的翻譯表現達到83%的準確率，證明自監督學習的方式在手語辨識、翻譯上是有效的。並展現出樣本需求少與辨識詞彙量可輕易擴大的潛力。

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。

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。

科技不斷進步對 CPU 等電子設備有更高效的需求，而高效的運算也提高用電量及散熱的需要，這促使我們尋找增強熱通量和熱傳遞的方法。透過惰性介電流體直接對電子部件進行液體冷卻，已成為複雜電子系統中熱傳遞的解決方案之一。 浸沒式冷卻是將電子元件浸入介電流體中，透過介電流體的池沸騰和相變化將熱帶走，而介電流體由冷水循環冷凝回原系統。本研究旨在透過設計仿浸沒式水冷的機台，來探討它如何影響電子元件。加熱站模型是用電腦輔助設計軟體（Creo, AutoCAD)進行圖面設計，然後進行CNC加工製作而成，本文記錄測量效率的值並繪製圖表，以討論傳熱的速率。

我們想利用機器學習進行疾病診斷，但現有方法對罕見疾病的預測精確率低，且若過於專注在罕見疾病預測的提升，容易導致整體精確率降低。 為了兼顧整體與罕見疾病的精確率，我們將預測分為兩個階段。在第一階段運用現有的多標籤分類方法訓練，第二階段使用二元成本導向判斷病人是否有罕見疾病，再利用第二階段得到病人有無患有罕見疾病的結果，決定是否在預測此病人可能患有的疾病時，保留一個位子給罕見疾病。實驗結果呈現在兩階段皆用神經網路（Neural Network, NN），能正確預測罕見疾病的比率為現有方法的八倍，而整體精確率只下降 0.02，並實作出疾病預測系統。

無人機在進行定位時，多半是依靠內建GPS晶片與內建慣性測量單元(Inertial Measurement Unit, IMU)進行定位，然而高精度的IMU及GPS晶片受限於高成本無法在一般無人機上運行；此外，各種定位系統均有其適用範圍，若無人機運行於定位系統之適用環境外，其定位精確度會下降，進而導致無人機飛行時會與預期路線產生誤差。 在本研究中，我利用Webots模擬軟體進行無人機模擬，藉由無人機鏡頭所拍攝的連續兩幀圖片差異，產生差異與角度及距離間的關係資料集，並利用此資料集來訓練深度神經網路，將產生模型用以模型迴歸出連續圖片間的旋轉角度偏移量，以此偏移量輔助無人機進行飛行校正。 經過多次實驗與修改，我比較了幾種不同的資料處理與分類方法，找出當中最佳結果的機器學習模型後，將此模型套入模擬環境中輔助無人機飛行，使無人機飛行於複雜環境時，成功提升飛行準確度。

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。

自駕車的相關研發日益受到重視，尤其在複雜的交通運輸中提供更安全、更有效的防護是自駕車的發展重點之一。本次研究主要探究不同距離感測器與不同PID自動控制組合，針對靜物與移動障礙物進行煞車成效分析。研究結果顯示不同的距離感測器的精準度與穩定性不同，在固定障礙物狀態下雷射距離感測器因為精準度和穩定度較高，而超音波較容易受到外界干擾，所以比較不精準。由於超音波距離感測器的偵測範圍廣，所以可以事先偵測到移動障礙物，反而提供自動控制較多的反應時間，在加速度的表現上較為穩定．自動控制表現上P控制的情況下機器人常常卡在最後一點點的距離，不過超音波感測器因為會有點誤差，所以反而會比雷射感測器快停下來；PI控制因為可以消除穩態誤差，所以時間消耗都是最短的；PD控制原本的功用應該是快速修正，由於D控制的增益常數（gain）過大，影響D控制作用，因此PD控制的效果沒有特別突出的部分。