臺灣的許多人要使用電腦打字時皆會選擇「注音輸入法」作為輸入的方法。然而要使用注音輸入法輸入中文時若無切換輸入法則有可能會誤用到英文輸入法。如要輸入「今天天氣好」五字，使用英文輸入法輸入時會輸出「rup wu0 wu0 fu4cl3」。這種文字不易理解。本研究的目的即為研究將未切換到注音輸入法而打出的英數符號混和字元翻譯為漢字的方法。 本研究使用「PTT 中文語料」與「維基百科中文資料庫」訓練 GRU、BiGRU、LSTM 和 Transformer 以及計算維特比演算法，並與 Google 輸入工具的進行比較。整體來看以 PTT 中文語料計算的維特比演算法的 BLEU4 分數最高，在準確率以及 BLEU4 的評分皆高於Google 輸入工具，分數分別為 0.94 與 88.3 分。 本研究之成果在應用方面極廣，可應用於線上翻譯或聊天軟體的即時翻譯。本研究使用之程式碼開源於 GitHub 頁面，除了可讓使用者下載使用外，使用者也可訓練自己的模型。

網際網路高速發展時代，為解決身處於無蜂窩訊號涵蓋範圍下，可提供通訊服務及緊急呼叫的手持無線電及衛星服務昂貴不普及，因此本研究採用遠距離、低成本、ISM免執照頻段的LoRa物聯網無線電技術，透過其啁啾調頻技術(Chirp Spread Spectrum)、高鏈路預算等優勢，以「人人皆為基地台，亦為客戶端」理念，設計P2P去中心化網狀網路(Mesh Net work)節點傳輸協定和低廉可負擔的通訊裝置，應用於SOS緊急救難呼叫、短文通訊、定位回報等。在固有網路系統不可用時也得以獨立組網，無須高昂的修建維護成本。也可透過搜救無人機、高空氣球等，快速部署Gateway於高山極地、無訊號區、第三世界國家等情境場所，促進人類福祉達成聯合國SDGs永續理念，未來將技術結合低軌道衛星，較其他衛星技術更經濟、環保，並覆蓋全球範圍達成無死角通訊。

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。

ChatGPT 問世後，許多問題皆已能由其回答。然而在邏輯方面的問題，ChatGPT 免費版有著明顯的不足，時常出現似是而非的答案。為了解決此問題，本研究利用連線 ChatGPT API，使用四種 Chain-of-thought prompt 的方式，將問題分解成若干個子問題，利用子問題們提供原問題較多的資訊以降低在解題過程出現的錯誤。最後分析四種方法的優劣，四種方法各有優缺，並無一方法於所有題目皆正確率最高。

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。

本研究聚焦於籃球員的慣用動作分析，透過深度學習技術開發了一套籃球動作分析系統，旨在準確分析籃球員在籃球運動中的個人動作特徵來進行動作辨識。我們透過自行蒐集籃球動作的影片，並使用MMAction2這個資源庫來進行動作辨識模型的訓練，將訓練好的動作辨識模型用開發慣用動作分析系統。系統流程首先使用滑動視窗（Sliding Window）的機制將即時拍攝的影像變成有序列的連續影像片段，再即時傳送至進攻動作辨識的深度學習模型中，來辨識出連續影像片段中的動作序列屬於何種特定動作，藉此將多個連續影像片段中的動作序列各自轉換為單一動作單元並依次輸出。最終，系統基於前述單一動作資料進行綜合分析，以統計使用者的籃球慣用動作。此分析系統能為籃球愛好者提供清晰的動作偏好資料，具有提升訓練成效的潛力，同時為籃球技術分析與訓練提供了一個精確的數據分析工具。

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。

車輛在轉彎時會產生法線方向的加速度導致側傾。本研究以 Arduino、MPU-9250 加速度傳感器模組、光電傳感器等，換算成速度、側傾角資料後，回饋控制車輛移動，再利用其它設備的輔助觀察感測器的準確性。本實驗計畫利用加速度計的資料開發一個車輛防側傾駕駛輔助系統。首先，利用 MATLAB Simulink 模擬車輛在不同環境下傾倒時的各項感測器數值變化，以縮短實際實驗所需的時間。接著計算出車輛發生傾倒所需要跨越的數值門檻，並在電腦中撰寫一套防側傾的策略，分析側傾的原因以及量值後，控制車輛的轉彎方向以及速度，使其回到正常行駛的平面。最後模擬完成後，再將模擬的系統實裝回到原本的模型車實驗驗證系統的可行性，並討論其成功率。

蕗蕎為原鄉部落常見且重要的香辛料作物，具有降脂、抗動脈粥樣硬化、抗菌等活性， 但對於血管舒張作用則少有相關研究。因此本研究以乙醇對蕗蕎進行萃取，再進一步以色層 分析等方法進行純化，其分離到之化合物由核磁共振磁儀（NMR）光譜技術分析及質譜(MS) 之鑑定，鑑定得到一個主要大量的固醇類天然產物: Laxogenin。另外透過頂空氣相層析質譜儀(HS-GCMS)，從生鮮蕗蕎(Allium chinense G. Don)共鑑定出 13 種化合物，其中包含 8 種含硫化合物，並以 Disulfide dimethyl 含量為 71%，占揮發氣體之含量最高。 在抑制血管收縮素轉化酶 (ACEI)活性測試中，取蕗蕎的酒精萃取物、大蒜的酒精萃取物、Laxogenin、diallyl disulfide 在濃度為 0.0125 mg/mL 下，其抑制率分別為 3.9 %、8.3 %、4.2 %、4.6 %。並透過電腦模擬分子對接技術(MDM)，發現 Laxogenin、diallyl disulfide 與 ACE酵素具結合親和性，以上結果顯示，推測蕗蕎具有抑制 ACE 酵素及降血壓之功效。

本研究以 Minecraft 為例，探討沙盒類遊戲式學習平台系統伺服器架設的節能效率，旨在透過動態調整伺服器數量降低總CPU使用率，提升伺服器的管理效能和能源使用效率。隨著線上遊戲的普及，伺服器的營運管理變得越來越複雜，如何在滿足玩家需求並同時降低能源消耗成為一個重要議題。本研究將分析伺服器資源使用狀況，特別是在玩家活動量高低波動的情境下，透過管理策略的調整，探討其對節能效率的影響。 研究透過實證數據的收集與回歸分析，建立一套可應用於 Minecraft 伺服器的節能動態調整系統，並探討動態調整的具體效率。研究結果發現隨著玩家人數增加，越接近系統負載上限，節能效果會越來越不明顯，以本次研究的伺服器來講玩家人數到達35人以後就無法再減少伺服器數量。

目前網路上流傳許多使用人工智慧修復照片的網站或應用軟體。然而,由於這些訓練資料多數來自國外,導致修復中式建築照片的效果欠佳。此外,許多老舊照片因氧化、潮濕而泛黃,使得修復程序比起修復純黑白相片更加困難。因此,本研究旨在建🖂一個專門修復中式建築物的機器學習模型,主要分為以下三個部分:首先,使用機器學習模型對老舊照片進行修復,包括著色、去模糊化和降噪;其次,分析使用不同比例之有色調照片(模擬泛黃照片)訓練模型的效果;最後,研究不同的修復順序(著色、去模糊化、降噪)和模型執行次數對照片修復效果的影響,發現「著色、去噪、去模糊化」的順序修復效果最佳。此外，許多老舊照片因為受損等原因，只剩下極少的特徵，因此本研究採用機器學習模型，以延伸重建原始照片。透過這種方法，我們能夠重新建構當時建築物周圍可能的場景和情境。

本研究旨在探索大型語言模型如何應用於音樂生成故事。研究動機源自音樂作為文化中不可或缺的一部分，但若要以文字精準表達出音樂中的故事情緒尚屬困難，藉由本研究提出的方法可以使故事顧及到音樂的情緒起伏。隨著 AI 的發展，我 們開始看到它們在各領域的應用。這項研究的目的是製作出一個系統能以音樂作為輸入，輸出音樂內的故事，為達成目的，我們結合多個模型。研究使用 PyTorch等工具，並探討文句和音樂的共同表示方法，實現情感匹配。研究結果顯示，音樂和文句情感辨識模型表現不錯，也研發出一個完整的生成流程。目前已有直接生成音樂的模型，也有把音樂統整介紹的模型，卻沒有依據音樂中的情緒生成故事的模型。我們研究就是在解決這個問題，結合到 LLaMA2預訓練模型生成出具情緒浮動的故事，要注意的是 LLaMA2的輸出限制最多只能有 4096個token。我們將此產生過程稱為 MTSPL (Music To Story Procedure with LLaMA)。