隨著網路技術不斷的進步，意見和情感分析逐漸成為人們日常生活中的一部分。儘管如此，目前人們缺乏一個方便且快速的情緒分析模型，供廣大大眾使用。 本研究旨在提供人們一個緩解憂鬱情緒的管道——當人們輸入一個需要被安慰的情境時，我們的系統將輸出安慰語句，以緩解該使用者之憂鬱情緒，達到安慰效果。為此，本研究訓練了BERT model以及 LLaMA model。BERT model能判斷使用者輸入的語句是否為需安慰語句。而LLaMA model則作為安慰語句之生成模型，以達到安慰之效果。

可再現醫療效益之腸道益生菌關鍵分子是重要蛋白質，蛋白質純化極重要但傳統方法費時耗力，導致發展腸道益生菌保健食品的成本很高。本研究取用助於改善糖尿病和血脂異常的腸道益生菌 Akkermansia muciniphila 外膜蛋白Amuc_1100為樣品，先以傳統方法開發純化製程，利用親和性層析和離子交換層析找出純化臺灣本土菌株isolate 02和國際標準菌株BAA-835之條件及其差異，確認純化蛋白質可維持3日穩定。本研究進行AlphaFold 電腦模型預測蛋白質結構並進行蛋白質序列分析，發現蛋白質本身結構和電性不同才導致isolate 02和BAA-835純化製程條件有所差異。本研究提供全新展望，透過人工智慧將蛋白質結構對應到合適製程，大幅減少研發純化條件的時程，完善蛋白質純化方法學，並得到可量產且品質穩定的純化蛋白質。未來將選用其他臺灣本土 Amuc_1100樣品以擴大驗證及建立蛋白質結構與純化製程資料庫。

現今網路充斥著具壓力的負面言論，影響使用者的心理健康。本研究旨在參考 C-ME 量表並整理為四大類標籤，人工分類從論壇蒐集的言論來訓練模型。研究採 LSTM、雙向 LSTM、CNN + LSTM 及 Transformer四種深度學習模型，基於自建資料集進行訓練，實現對全新言論的精準分類，並比較四種模型在精確率、召回率及 F1-score 等指標上的表現。結果顯示，LSTM處理數據不均衡的資料集時表現最佳，F1-score達89.2%。實測發現，CNN+LSTM 在預測效果上略勝 LSTM。此外，結合生成式 AI GPT-4o-mini，能有效改善不當言論，為留言者提供更委婉的表達建議。

本研究旨在開發選擇題手寫卷的自動閱卷與成績登記系統，以減輕小老師與教師在小考閱卷及成績登錄上的負擔。為改善選擇題手寫卷的閱卷方式，本研究結合手寫字辨識技術、雲端成績登記存放及網頁式查詢三大功能，開發AI輔助手寫卷閱卷系統。使用者設定考試相關資訊(如考試名稱與標準答案)，並上傳答案卷影像，即可透過系統自動辨識答案且計算成績，並將結果即時傳送至雲端資料表，供教師透過網頁查詢。本研究成果可有效降低人工閱卷負擔，提升成績管理的即時性與便利性，期望為校園提供更高效的閱卷與成績登記方式。

本研究以西洋棋為切入點，採用磁簧開關陣列來偵測棋子位置，並在設計中加入二極體以防止Ghosting效應，進而開發出一款以Arduino Uno開發板為基礎的智慧對弈棋盤。棋盤底部配備RGB LED燈，以便為使用者提供落子提示，並根據不同的落子類型呈現不同的燈光效果。 我們成功地透過簡潔的設計與高效的運算性能，實現了一個能夠識別棋手落子的智慧對弈棋盤，並能根據國際西洋棋規則提供正確的移動提示，讓完全沒有基礎的初學者也能在遊戲中學習並掌握西洋棋的所有規則。此外，我們還引入了基於Minimax演算法的輕量化AI和基於高效可更新神經網絡(NNUE)AI，並探討兩者之間的性能差異，從而使該智慧棋盤在節省運算資源的同時，可以在不連接電腦的前提下，具備一定的棋力，以支持棋手的技能提升與訓練。

本研究探討了利用生成式人工智慧技術為漫畫創作帶來新可能性。在當今競爭激烈的漫畫產業中，創作者們需要不斷創新以吸引觀眾，而創作引人入勝的漫畫需要豐富的想像力和劇情結構。本研究希望能協助創作者製作草稿，並探索與AI當朋友的新型創作模式。在生成方面，提出了將漫畫劇情提取、劇情預測以及圖片生成三個步驟的生成流程，並使用了多種模型和技術，如 YOLO模型用於漫畫人臉檢測、文字生成模型用於劇情預測、LoRA技術用於模型微調等，為解決人物生成不連續的問題，我們也提出一種基於特徵提取與融合的解決辦法。本研究提供了一個全面的方案，旨在利用人工智慧技術幫助漫畫創作者創作出簡單的草稿。

本研究著重於透過面部表情的判斷進而推斷情緒狀態的深度學習神經網路模型。首先，將人類的情緒狀態分為七個類別，並透過MediaPipe框架取得影像中的臉部特徵位置，利用其座標框定臉部範圍並作為深度學習模型的輸入。第二，透過部不同特徵訓練模型，進一步優化模型識別情緒的準確度，並嘗試不同的特徵，例如：趨勢曲線函數的係數或是各種向量。最後我們設計了一個插件，利用此模型在Google Meet中進行即時的影像辨識並分析，作為線上課程的授課成效評估。 目前本模型在透過五層卷積層配合池化層及全連階層，並提取瞳孔眉毛向量、瞳孔鼻尖向量以及口部中心為基準點的向量作為特徵，能夠有84%的準確度，F1值落在約85，其中快樂情緒的辨識精準度高達98%。

本研究透過運用AI技術輔助程式設計聲音合成器程式，以探索聲音波形生成與觀察分析聲音頻，實驗透過不同波形振盪器，並調控ADSR參數，與濾波器組合，我們用不同的合成方法，獲得各類樂器聲音的最佳合成參數，再以先前完成的自製樂器加以改進，透過Arduino偵測串聯電阻分壓電路傳遞琴鍵按壓的演奏訊號至電腦，再經由合成器運算合成輸出對應的樂音，藉由選定不同樂器模組實現樂團合奏。在研究過程中，為解決電腦端即時運算合成音色的耗時問題，我們預先合成並暫存不同樂器音色，提升演奏時的反應速度。最終，本研究在開源程式與AI的輔助下開發出一套支援多人即興演奏的音樂合成器系統，提供創新的音樂創作與演出方式，降低傳統樂器練習的成本與噪音問題。

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。

本研究旨在透過LLM 將影片內容轉為口述影像，探討及比較不同影片處理方式、LLM 對於圖片及影片的敘述，串接成一套自動化的口述影像系統。口述影像原本是為視障者製作的，現在本研究調整系統，讓有需求的一般大眾也能有效、容易及快速的了解影片內容。 本研究中的口述影像系統具有以下特點： （一）利用LLM 擅於處理視覺訊息及自然語言的優勢，將影片分為多張圖片，由LLM分別生成敘述後再整合為影片的整體敘述。 （二）運用LLM 會留存對話紀錄的特性，使用者可在系統中針對疑問與LLM進行問答。 （三）串接不同的 LLM，尋找製作口述影像的最佳組合。 藉由LLM 將影片轉換為口述影像，實現互動式的口述影像服務。除了可以滿足視障者的觀影需求，更重要的是當一般民眾沒有時間觀看影片時，也能透過口述影像系統了解影片內容。

電子智能系統被廣泛應用在現代人的日常生活中，但是使用任何電子系統都必須面對系統失效的風險，就像我使用電腦可能會當機一樣。在智能車輛的應用中，電子系統的可靠性與我們的人身安全直接相關。一旦發生系統失效的狀況，恢復系統正常運行的最後一個手段是重新啟動系統，藉由系統重啟來恢復系統的正常功能。因此系統重啟的耗時，對系統的可靠性至為重要。 LS1043A晶片是多核心高階處理器，能夠運行完整的Linux操作系統。由於LS1043A架構及功能的複雜性，它的開機程序需要遵守嚴格的步驟，耗時也比一般的微控制器更長。在這個實驗中，我將了解LS1043A處理器的架構著手，由此設計一個計時器，能做到精準量測開機時間達千分之一秒，使開機時間成為能夠量化的指標。本實驗的計時方案是一個通用的設計概念，可用來量測不同類型高階處理器的開機耗時及系統可靠性評估之參考指標。

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。