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
基於高效可更新神經網絡的西洋棋人工智慧應用於嵌入式對弈棋盤
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。
> 更多
科展作品檢索
影像辨識 在 智慧運輸系統 的應用 自動跟隨
本研究旨在開發一款能自動跟隨人的AI智慧運輸車，應用在 醫院、商場等環境，能減輕工作人員的負擔。本系統融合YOLOv8影像辨識技術和物聯網，使運輸車具備跟隨人體的能力。該系統通過物聯網，將車上攝影機接收的影像傳送至電腦，進行即時運算，不必在車上配備高階的微型電腦或GPU以降低成本。使用YOLOv8模型辨識人體與手勢，以arduino ESP32開發板作為主控單元控制減速馬達，使運輸車能自動跟隨人員。本研究不像傳統自動導引車（AGV），因為依賴固定路徑，而無法用在多變的場景，且不適合與人協同工作。將本系統應用於醫療院所或零售業商場等 ，經常出現 變障礙物的場所時，能與人員配合執行任務，例如當作病人的點滴架、輔助護理師工作的醫務車，以及賣場中協助工作人員上貨的籠車，能有效降低勞力負擔。
> 更多
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。
> 更多
科展作品檢索
A Real-time Home Health Monitoring System with Motion Waveform Using Millimeter-wave FMCW Radar
本研究提出了一種基於毫米波FMCW雷達的即時居家健康監測系統，與RGB攝影機感測器方案相比，該系統更具成本效益並保護用戶隱私。對於居家健康監測系統來說，除了走、站、坐、臥四種常見的身體動作外，及時發現緊急情況也至關重要。因此，我們支持跌倒偵測以及兩種手勢的識別，一種用於頭痛，另一種用於緊急事件。然而，由於雷達點雲的稀疏和不規律特性，我們提出一種新的身體動作波形表示方式和一套處理程序用來平滑動作波形，利用雷達點雲的三度空間座標和速度在時間序列上的變化波形來表示動作特徵並作為神經網路的輸入，再搭配一輕量級的1D-CNN+LSTM神經網路來實現即時動作辨識。根據實驗結果，此方法可以達到30FPS的輸出效率和94%的辨識準確率。
> 更多
科展作品檢索
惡意程式無所遁形—以自然語言處理模型實現惡意程式之識別
本研究旨在運用自然語言處理技術，建立辨識惡意程式的模型。首先在資料集方面，分為 PE資料集與 ELF資料集，均包含良性及惡意執行檔，且蒐集惡意程式時採用多種不同之惡意程式家族。接著對資料集進行反組譯及前處理。使用反組譯後的組合語言檔作為文本，訓練模型以區分良性和惡意程式。研究比較詞袋模型、序列模型、BERT 以及不同 n-gram對模型的影響。 研究結果顯示。詞袋模型以使用multi-hot編碼表現最佳，PE資料集之F1-score為96.87%；序列模型則是有位置編碼的 Transformerencoder 表現最優。在不同 n-gram 的比較，multi-hot詞袋模型與 TF-IDF 詞袋模型，分別在 2-gram 及 5-gram 有最高的 F1-score。
> 更多
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。
> 更多
科展作品檢索
情感分析生成器—自動生成文字感染情緒
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。
> 更多
科展作品檢索
Enhanced Hybrid Ensemble Model for 10-Year CO2 Emissions Forecasting in Taiwan: A Comparative Study of Univariate and Multivariate Models
隨著氣候變遷對人類生活帶來越來越大的的影響，CO2 為氣候變遷的主要驅動因素之一，準確預測二氧化碳（CO2）排放量變得至關重要。 本研究深入探討了各種先進的單變量和多變量時間序列模型，並提出一種新穎的混合集成模型，旨在提升台灣CO2 排放的預測準確性。 我們採用了自1965 年至2022 年的年均數據集，涵蓋CO2 排放量以及天然氣、煤炭和石油的消耗數據，利用標準評估指標來評估模型表現。在多次實驗中，我們選定了三個表現最佳的模型，並通過疊加泛化技術將其預測結果整合至一個元模型。所提出的混合集成模型達到了1.398% 的MAPE 分數，顯示出相較於傳統模型更優越且穩定的性能。 經過全面優化後，本模型可為政策制定者和產業領袖在制定減少CO2排放的決策時提供了可靠的依據。
> 更多
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。
> 更多
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。
> 更多
科展作品檢索
滴肆縱橫－探討不同液池移動速度與液滴反彈情形的關係
液滴碰撞的實驗不勝枚舉，然而，若液滴撞擊處為移動中的液池，對液滴碰撞會造成甚麼影響呢？此研究不同於其他液滴碰撞實驗，下方撞擊處為移動中的水面。我們在參考許多文獻資料後，設計實驗並且自行製作一套實驗裝置，以高速攝影機搭配電腦進行拍攝，結果我們發現：液滴反彈的傾向受到水平速度的影響，且液滴碰撞後反彈／融合的邊界之韋伯數在不同水平流速下並非定值，其隨著水面流速的增加而上升。除此之外，當液滴反彈時可以分為兩種行為模式：部分反彈以及分離反彈，兩者的發生也與液池流速以及韋伯數相關。最終，我們透過實驗，推論液池流速影響液滴碰撞結果的原因，可能與液滴下方氣膜、空腔受液池作用有關。
> 更多
科展作品檢索
基於高效可更新神經網絡的西洋棋人工智慧應用於嵌入式對弈棋盤
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。
> 更多