此研究建構一套校園智慧疏散系統—GuideRoad Live，以協助學校規劃逃生路線，並在緊急狀況下迅速提供疏散建議。該系統具備精準定位、壅塞回饋、避難追蹤、聰明疏散等四大功能。在精準定位方面，系統進行地圖建模，結合校園WiFi數據庫，分析教室GPS資料，實現個人定位。在壅塞回饋方面，系統透過監視器分析樓梯壅塞情況，即時回傳數據、更新路線，並設計蜂鳴器警報，降低學生恐慌與推擠風險。在避難追蹤方面，系統匯入地震級數，提供即時警示預估逃生時間，提供逃或躲的疏散意見，並對外援助與給予使用者關懷。最後，系統根據節點、邊、人流速度、壅塞回饋的即時數據等因素進行權重計算，達到聰明疏散的目標。

神經細胞成熟的過程中可分成數個階段，每個階段間的轉換都伴隨著蛋白質的種類，RNA異構體、細胞結構與功能等全面性的轉變。但控制神經細胞在確切的時序下成熟的分子機制尚待研究。本研究發現 Paxillin 的新功能：當腦神經細胞在活體外培養至第七天時， Paxillin 的位點 Serine119 會被磷酸化 (p-PaxillinS119)，並從細胞質轉位進入至細胞核。我們使用 N2a 細胞以神經分化的模式來探討 p-PaxillinS119 進核的分子機制與功能，發現 p-PaxillinS119 進入細胞核需要位點 Serine119 被磷酸化，且分析後確認 Paxillin 的 LIM 結構域中帶有 PY-NLS 序列，分別為 P516/Y517 及 P575/Y576。我們發現 Paxillin 藉由轉運蛋白 Importin β2 辨識其 PY-NLS序列，進行蛋白間的交互作用後進入細胞核中。從螢光影像的分析，我們觀察到神經細胞的 p-PaxillinS119 在細胞核中會呈現顆粒狀，並與 RNA 剪接因子 P-SR 共定位在核斑點上。經由免疫共沉澱與細胞轉染的方式，我們證實位點 Serine119 突變，會影響 Paxillin 與 RNA 剪接因子的交互作用，及降低細胞分化與 RNA 剪接的程度。

本研究旨在解決先前研究未解決的問題。而在本研究中對於對稱規則及非對稱規則的梅花棋遊戲，各提出兩大人工智慧演算法。分別是Minimax及Monte Carlo Tree Search。而在這之中，Minimax又被分為探索深度一層、兩層及三層、MCTS則是以模擬次數分為100、300、500、…、1900多個版本。而以目前的成果來說，我們認為其勝率並不理想。而主要的原因還是要歸咎於目前所有演算法的結果過於隨機化，而即使我們對於UCB公式進行優化，雖然勝率有所提升但仍然不符合我們的期待。為了解決上述問題，我們希望從根本解決運行效率過低的問題，而最顯而易見的方法就是在遊戲運作前先將人工智慧訓練完畢，也就是在遊戲開始時直接給予一套策略，令電腦無須再做額外的遊戲模擬。綜上所述，我們開始實作Tuple-Network、TD Learning及AlphaZero的相關架構，但礙於時間關係，模型尚未被訓練。

本研究從在方格棋盤中走捷徑的問題出發，推廣至由多個相異正多邊形所組成的半正鑲嵌圖形和k律鑲嵌圖形，其沿格線走捷徑的方法數與最短路徑。研究中，我針對所有8種1律半正鑲嵌圖形及2律、3律鑲嵌圖形的各一種圖形進行分類探討，包括截半六邊形、截角六邊形、扭稜六邊形、小斜方截半六邊形、大斜方截半六邊形、扭稜正方形、異扭稜正方形、截角正方形圖形。我將每種棋盤進行「轉正」，使它對應於唯一的矩形棋盤，達到「捷徑同構」，因而原本半正鑲嵌圖中的捷徑問題就等價於方格棋盤的捷徑問題。我將走捷徑方法數的通解分類，發現有組合數類、以及階差與指數混合兩大類，並分析康威表示法與通解的關係。並且我還將圖形分為複雜與單純，藉由研究複雜圖形來深入探討一些數學性質。

將線蟲世代短、生物量大、分布廣泛以及多樣化的功能等優勢，用於監測並調節土壤服務與食物網功能。其中拭鏡紙搭配柏門式漏斗分離土壤線蟲的效果最佳，並建立新型線蟲土壤食物網監測模式，改善過去無法觀察土壤食物網組成問題。藉由文獻數據分析與自行採樣結果，發現線蟲功能群因土壤肥力或擾動改變，且c-p1與c-p2功能群線蟲的占比間高度負相關(-0.6>R>-1)，可深入探討各功能群間的交互作用，但成熟指數過高(MI=3.17)可能影響新模式分析。此外，初步探討將線蟲接種至土壤中，調節土壤養分與土壤食物網組成，期待未來能夠透過更長時間實驗觀察，提升線蟲對各種土壤食物網最佳的功能性調節模式，為土壤的永續發展做出更具體的貢獻。

我們以實驗室容易取得的重物與乒乓球模擬網路上跳水彈射手中球體的沃辛頓射流實驗。結果發現圓形的類天然海棉因為具有吸水迅速、可以平穩入水的優點，因此選擇以此為托球的載體進行實驗。依據我們的實驗結果，至少需要15公分水深才能形成完整的射流彈射出乒乓球，原則上在下落軌跡完全垂直於水面時，落下高度越高，球體彈射高度越高，實際實驗水深15公分以上時，落下高度50公分彈射高度約可達47公分，但結果受限於托球的海綿在落下高度40公分後下落軌跡不穩定，若期望更高的射流強度需要尋找更穩定下落的載體。

雲彩是其中一個在世界上最奇妙的自然現象。在其中也隱藏著巨大的觀光經濟利益。因此，我們想要建立一個系統以預測晚霞雲彩出現的時間，以幫助台灣的觀光業。 本研究將藉由柯西公式、折射反射相關定理以及其他由論文貢獻的輔助公式提出一個計算模型，以計算預測晚霞雲彩出現的時間以及光的路徑。自動化的部分，包含溫度、壓力以及濕度，我們藉由政府的公開資料平台以及衛星公開資料進行靜態網頁爬蟲抓取。雲層高度我們則是透過動態網頁爬蟲，逐一從AccuWeather公開網站上爬取相關資料以利計算。我們將爬取的資料以及所提出的模型計算後以15分鐘作爲一個區隔，提供使用者準確的時間觀賞雲彩。 透過此模型以及爬蟲擷取資料計算得到的結果，我們可以得到接近90%準確率的預測結果。因此，我們能夠準確地為用戶提供正確日落雲彩出現的時間。

本研究延續先前自己所做的研究進行延伸。首先研究者嘗試利用Python、MediaPipe、OpenCV進行手部辨識，判斷使用者是否用正確的手指按壓鍵盤，逐次開發打字系統提升精進指法的練習平台；在過程中研究者觀察到多數人打字習慣都不一樣，所以嘗試將打字習慣運用機器學習形成密碼，讓其他人就算知道密碼也無法輕易解密，因為他們並沒有使用者的打字習慣。並提出三項研究目的，分別為增加機器學習模型Random Forest並觀察準確率，提出最短密碼之研究方法及忘記密碼系統之研究方法，並提出關於電腦前後端問題的解決方法。目前研究已能夠判斷使用者是否用正確的手指按壓按鍵。未來預計解決打字到拍攝的時間差回推影像等問題，並將蒐集更多數據觀察觀察模型結果，找尋一種最佳的密碼模型。未來也會將此打字系統架設到網站上，並且蒐集使用者的人機體驗感想回饋，進而更為精進完善本系統。

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。

在暖雲的形成過程中，吸濕性凝結核佔有舉足輕重的位置且在大氣層中常會有不同種類的凝結核。本研究以自製的減壓雲室瓶模擬絕熱膨脹情況，並探討不同凝結核之成雲效果。減壓使凝結成長的效果在消光量的測量上符合比爾定律。而且利用絕熱膨脹估計出本系統在0.85 atm環境下每立方公尺的液態水含量LWC大約落在1.9~2.1公克，0.93 atm環境下每立方公尺的液態水含量LWC大約落在0.3公克，表示本實驗方法能擬合絕熱膨脹過程。且0.85大氣壓下，氯化鈉與線香粒子的成長可以達到1.68至1.94μm；硫酸銨粒子成長則達到1.01~1.12μm。而0.93大氣壓下，硫酸銨粒子成長則是0.77~1.04μm。另外，比較水溶性粒子與固態微粒化學性質，發現水溶性粒子如氯化鈉和硫酸銨的確較適合做為水氣之凝結核。

近年來，AI技術逐漸成熟，現今已有能夠還原馬賽克之 AI模型問世，因此進行馬賽克處理之圖片並不絕對能保證隱私的安全。為此本研究提出一套針對人臉馬賽克還原模型PULSE的馬賽克強化方法，透過設計實驗探討不同變因對 PULSE還原圖像之影響，並以客觀指標評估實驗結果。實驗結果證實經過此方法處理過之圖片能獲得比 PULSE原始預測更低的相似度，最後歸納出一套馬賽克方法，此方法能使16×16和32×32解析度馬賽克獲得相對較低之相似度。本研究之成果能應用於新聞媒體及訪談節目中，對需要保護之人臉進行強化之馬賽克，用以增加對人臉隱私之保證。

本研究使用水槽、自製造浪器，模擬海岸環境，探討消波塊的擺放角度、擺放密度，以及沙灘的水深、坡度、波浪強度(造浪器頻率)，對沿岸沙石侵蝕面積的影響。利用image j 分析在不同因素下消波塊周圍沙石侵蝕之面積，以及其隨時間的變化。研究結果發現，在不同擺放角度中，消波塊之兩角面向波浪時(本研究定義為0度)其下沙石侵蝕面積最大；在擺放密度中，發現擺放越多的消波塊，其侵蝕面積越大；在沙灘水深不同時，當水深越淺時，其侵蝕面積越大；當沙灘之坡度越大時，其侵蝕面積越大；當造浪器之頻率越大時，其侵蝕面積也會增加，而計算體積時，發現在不同擺放角度下，掏空的體積與侵蝕面積成正相關。