搜尋結果
查詢
電腦共找到
898筆。
如查無相關資訊，可至
進階搜尋
進行查詢
科展作品檢索
基於YOLO物件偵測之長者居家行為識別暨照護輔助系統
隨著高齡化社會來臨，長者夜間跌倒事故頻傳，居家安全成為急需解決的問題。本研究提出一套以深度學習與影像處理技術為核心的智慧監測系統，重點為夜間跌倒事件的即時辨識與預警。系統運用OpenCV進行影像增強，改善夜間低光環境下的影像品質，再以深度學習模型Ultralytics YOLO11進行精準的跌倒偵測，達成即時通報與警示。此外，整合臥床偵測、夜間燈條引導與浴室進出監控，提供全方位居家安全防護。所有檢測數據即時記錄至Web Server（HTML、JavaScript、CSS、Flask、MySQL架構），供遠端監控與數據分析。經實驗證明，本系統能準確辨識夜間跌倒事件，有效減少長者夜間意外事故發生，對高齡社會居家安全具重要貢獻。
> 更多
睡眠相關問題常見於現代緊張的社會，傳統睡眠分析方法需要腦電圖（EEG）、肌電圖（EMG）、眼電圖（EOG）等信號，量測複雜度高。本研究透過 Python 程式語言以深度學習和階層式投票機器學習方法，開發一套自動分析程式，僅透過心電圖（ECG）信號分析睡眠階段。並結合睡眠評估標準，製訂一可量化的睡眠品質評估表，提供臨床醫師判讀睡眠品質的指標。本研究的優點是僅透過一種信號便能準確、客觀、快速分析，且操作介面簡易。研究結果顯示，本研究清醒和睡眠狀態之辨識準確率高達約90%，與其他類似睡眠品質評估研究的論文比較，準確率高出10～17%，整體睡眠階段分析準確度高達87%。本研究方法未來可應用於臨床醫療，協助醫師做精準的患者睡眠品質診斷。
> 更多
科展作品檢索
理論設計與高效率合成三吲哚衍生物應用於癌症標靶藥物
Theoretical Design and Highly Efficient Synthesis of Triindole Derivatives for Targeted Cancer Therapeutics
抗癌藥物的研究一直受到重視，吲哚(indole)衍生物可助抵擋自由基，而二吲哚(Di-indole)衍生物已成為抗癌劑。鈣離子/鈣調蛋白依賴性蛋白激酶 (Ca2+/calmodulin-dependent protein kinase II，CaMKII)之抑制劑為癌症標靶藥物重要研究方向之一，抑制CaMKII可降低各種癌細胞增殖和存活，但目前尚無CaMKII抑制劑藥物。本研究以三吲哚為主架構，發展衍生物作為CaMKII抑制劑，期望可應用於抗癌劑。電腦軟體Discovery Studio2016模擬各種三吲哚衍生物分子模型與CaMKII α(PDB: 2VZ6)之結合能，選出結合能較大之化合物3，並延伸結構/活性(SAR)最佳化，進行一系列高效率藥物合成純化工作。經由送測生物細胞活性，其中先導化合物(lead compound) 3-1對癌細胞之毒性高且對CaMKIIα的抑制效果佳，符合癌症治療上的需求，將繼續最佳化此結構，並進行細胞訊號傳送途徑及動物實驗。
> 更多
科展作品檢索
語音模型逆向攻擊架構分析與防禦策略探討
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。
> 更多
科展作品檢索
分子結構語言與熔沸點性質的人工智慧預測
背景：預測分子性質如溶解度、毒性及熔沸點對於基礎科學至關重要。然而，實驗測量這些性質耗時且昂貴，因此本研究使用多種機器學習模型藉由調整變相來準確預測熔、沸點。 方法：本研究使用超過一萬筆數據及兩種類型的機器學習方法：淺度與深度學習。淺度學習由 PyCaret實現，並以Mordred作為分子描述器；深度學習使用圖神經網路，包括（CMPNN和GCN），並調整隱藏層參數。 結果：CMPNN在目前嘗試的模型中表現最佳。發現影響沸點預測的關鍵特徵是piPC1，與鍵級相關；熔點則是AATS0d，與σ電子的 Moreau-Broto自相關有關。 結論：CMPNN模型在沸點與熔點預測中均表現最佳。沸點中深度學習模型優於淺度學習模型（p<0.05）。此外，使用SHAP成功找出piPC1和AATS0d對最關鍵。本研究不僅得出了高準確性的模型，還發現了影響分子性質的關鍵特徵，且可擴展至其他預測。
> 更多
科展作品檢索
理論設計與高效率合成三吲哚衍生物應用於癌症標靶藥物
Theoretical Design and Highly Efficient Synthesis of Triindole Derivatives for Targeted Cancer Therapeutics
抗癌藥物的研究一直受到重視，吲哚(indole)衍生物可助抵擋自由基，而二吲哚(Di-indole)衍生物已成為抗癌劑。鈣離子/鈣調蛋白依賴性蛋白激酶 (Ca2+/calmodulin-dependent protein kinase II，CaMKII)之抑制劑為癌症標靶藥物重要研究方向之一，抑制CaMKII可降低各種癌細胞增殖和存活，但目前尚無CaMKII抑制劑藥物。本研究以三吲哚為主架構，發展衍生物作為CaMKII抑制劑，期望可應用於抗癌劑。電腦軟體Discovery Studio2016模擬各種三吲哚衍生物分子模型與CaMKII α(PDB: 2VZ6)之結合能，選出結合能較大之化合物3，並延伸結構/活性(SAR)最佳化，進行一系列高效率藥物合成純化工作。經由送測生物細胞活性，其中先導化合物(lead compound) 3-1對癌細胞之毒性高且對CaMKIIα的抑制效果佳，符合癌症治療上的需求，將繼續最佳化此結構，並進行細胞訊號傳送途徑及動物實驗。
> 更多
磷污染及重金屬的累積被確認為引發水體富營養化及生態毒性的關鍵因素，對接觸受污染水的動物和人類造成危害[1]。磷酸鹽作為磷污染的主要形式，傾向於促進藻類的過量繁殖，而重金屬離子因其高度毒性及生物累積性，對水生生物的影響尤為嚴重。由於一般檢驗方式過於耗時、費力，所以我們想研究出可以實現快速檢測出水是否遭受到汙染的系統。 本作品將化學、光學、電機、機械、AI、微電腦領域知識進行「光-電-機-智」深度整合，使用AI輔助補償演算法提高作品方便性，提升水溶液的定性定量分析效率，使本作品能快速檢測水源是否遭受磷或重金屬鉛污染，並且計算濃度，無需將樣本送回實驗室，捕捉污染動態。降低成本與操作門檻，達到良好監測及做好水土保護。
> 更多
科展作品檢索
運用深度學習色彩校正模型之黃疸偵測
Jaundice Detection Using Deep Learning-Based Color Correction Models
現今醫療中，黃疸的早期偵測對肝臟疾病的預防與治療至關重要，但多數人難以在症狀輕微時察覺。我們希望藉由智慧手機影像結合機器學習進行黃疸檢測，提升民眾自我監測的能力。Su 等人（2021）曾使用深度學習和機器學習進行黃疸預測，但其方法依賴專業色卡進行色彩校正，成本高且限制應用範圍。本研究提出以白平衡演算法中的白色補丁法與灰界演算法，搭配深度學習模型 DCCNM1和2 取代色卡，提升黃疸檢測的普及性與便利性。經黃疸偵測效果評估顯示，DCCNM2 在無色卡模型中表現最佳，雖然各指標略低於色卡校正，但其展現出優異的穩定性和準確性，證明其作為無色卡黃疸篩檢方案的可行性。本方法將能提供便捷的居家黃疸檢測途徑，尤其對偏鄉地區居民而言，不僅提升早期發現的機會，還能有效減輕醫護人員的負擔，推動大眾健康管理。
> 更多
科展作品檢索
自監督學習在臺灣手語辨識上之應用研究
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 個詞彙量，94.8%的準確率。 此外，先前研究皆未在手語句子翻譯上有成果。因此本研究基於預訓練模型，整合設計手語翻譯的系統，實驗中，系統在100 個句子的翻譯表現達到88%的準，且BLEU-4 分數取得20.98，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。
> 更多
科展作品檢索
解決機器人等距回程路徑問題的數學模型及其擴展
本研究主要目的是研究機器人以等距行進方式從起點前進回到起點的回程路徑問題。 主要以三角函數、遞迴數列、數學歸納法等數學模型來探究、推演與論證，同時利用數學電腦軟體來計算與驗證。一開始先利用Geogebra來探索原始題目，初步得到一些性質和結果；接著，再延伸題目，依不同的起始點位置，探討步數和角度的關係、行進過程中各落點位置的遞迴關係與回程路徑。最後，再將兩條相交直線延伸成三條共點的直線，並依其間的夾角度數，探討以等距行進方式從起點前進回到起點的回程路徑數問題。 本研究根據所建構的數學模型，依不同起始點位置，構作出機器人以等距行進方式回到起始點的回程路徑圖，並得到此回程路徑上相對位置的遞迴關係。本研究在研究過程中，得到一些有趣的數學理論，期望這些成果未來能夠應用於AI機器人運動模式的相關領域。
> 更多
「在格狀平面中用矩形以互不重疊的方式鋪滿(2D rectangle tiling problem)」為一NP-complete問題(Dani`ele Beauquier et al ,1995)，目前多項式時間只能求出盡可能覆蓋最大面積的近似解。本研究所創的階梯演算法 stair algorithm 透過改變動態規劃紀錄狀態的方式，使狀態數大幅減少，進而改善求準確解的時間複雜度，也成功證明此演算法的正確性。本研究的演算法可被應用於平行計算中的負載平衡、積體電路設計等方面。隨後，本研究寫了一個互動展示品清楚呈現此演算法的功能。且以階梯演算法成功檢驗並比較 RTILE PROBLEM 的 7/3-approximation algorithm (Krzysztof Lorys and Katarzyna E. Paluch,2000 [4]) 與 11/5-approximation algorithm (Piotr Berman et al,2001[7])進行比較與分析。
> 更多
在現今社會，個人越來越依賴自主學習以提升技能和知識，而舞蹈學習尤其受到關注。然而，在沒有專業指導的情況下，學員往往難以掌握舞蹈動作的細節，也難以清楚地評估自己的表現與標準示範之間的差距。 為了應對這一挑戰，本研究利用人體姿態識別演算法OpenPose，捕捉舞蹈者的關節點。通過這項技術，針對舞蹈的標準動作、力度、流暢度等方面，成功地開發出一款自動評分系統。 通過人體姿態識別技術，我們能夠深入分析舞蹈動作的細節，讓學員與標準舞蹈動作進行比較，以確認學習上的差異。我們希望通過這項研究，學員能在沒有專業指導的情況下，利用網路平台創建更有效且有趣的自主學習環境。
> 更多