高級中等學校組

全球暖化正威脅著人類生存的環境，西北太平洋海域的颱風60年來似乎也發生一些變化，我們分析1961-2020年有關颱風的各種資料，發現各種結果與專家的預測不盡相同；全球暖化、大氣海洋升溫造成太平洋副熱帶高壓勢力擴張，使得颱風生成數量減少、颱風生成位置偏移並影響颱風路徑與登陸地點；而且強颱數量減少、颱風生命週期變短也使颱風破壞潛力變弱；大氣暖化升溫對颱風的負面影響超越海洋升溫對颱風的正回饋。但近年來超級強烈颱風的機率卻增加，當超強颱風過後海水會降溫、不利颱風再生成使颱風數量再減少。

本研究主要分成兩大主軸，第一先深入探討迴歸分析中異常值對模型的影響，發現一般的模型在面對數據中的異常值會降低其穩健性，因此藉此特性，我們結合了K-近鄰演算法(K-NN)、模糊理論與深度學習等，自創了新穎的演算法進而找出數據中的異常值；第二為應用此演算法來分析與處理圖像中「不正常區塊或雜訊的輪廓」，達到抑制其對整體美觀的影響，再進一步分析深度偽造（Deepfake）所合成的圖像。研究結果顯示，相較於現有的類神經網路中激活函數ReLU之計算，我們的演算法較容易處理異常值的影響且分析圖像的應用之表現更佳，未來的研究方向可能包括進一步評估其他演算法的效能與將其優化以提高其效能和實用性。

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。

為隔離環境聲音增加蚊蟲專一性的聲音，自行製作降噪錄音箱，分析聲譜使用Aduacity及Room EQ Wizard兩個軟體，結果顯示自製錄音箱可吸收95.7%的環境聲音能量。以白線斑蚊為例，單隻雄蚊翅音基頻為906Hz；而單隻雌蚊翅音基頻為484Hz。雄蚊與雌蚊平衡棍長度與翅音基頻顯著相關。真實翅音的誘引百分率結果分別為雄蚊翅音對雌蚊為72.0%；雌蚊翅音對雄蚊為12.0%；交尾後雌蚊的翅音對自身為18.0%。完整模擬翅音的誘引百分率結果分別為雄蚊翅音對雌蚊為74.0%；雌蚊翅音對雄蚊為68.0%；交尾後雌蚊的翅音對自身為60.0%。兩種完整模擬雌蚊翅音對雄蚊及交尾後雌蚊，誘引百分率經統計，皆顯著高於兩種雌蚊真實翅音。綜合上述結果，透過模擬雌雄蚊翅音聲譜有助於誘引蚊蟲，研發物理性誘蚊產品。

本研究探討滿江紅與念珠藻的共生關係以及環境因素對於兩者共生情形的影響。我們的實驗分成兩部分，第一部分分別以滿江紅與念珠藻為檢視對象，比較兩者在共生狀態或獨立生存的狀態下的差異；第二部分則改變環境中的氮濃度，並藉由觀察滿江紅的固氮活性和重量及念珠藻的數量和異型細胞比例。我們發現獨立念珠藻幾乎無法生存。無藻滿江紅的葉綠素a含量明顯高於共生下的滿江紅。在不同氮濃度培養下，滿江紅的固氮活性隨氮濃度上升而下降，重量變化量也隨之增加，但念珠藻的數量和異型細胞比例無明顯差異。以上結果顯示，改變共生關係後，滿江紅與念珠藻的生長狀況皆有所變化且環境氮濃度與滿江紅固氮活性呈負相關。

光柵作為常見的分光元件，應用於許多光學儀器中，但光柵普遍彈性較差硬度較大，使光柵應用受到了侷限，因此本研究以有著彈性佳與易形變特性的PDMS作為柔性光柵的材料，對其不同厚度與彎曲程度進行一系列的測試。為了找出厚度、彎曲曲率與繞射效果之相關性，進行了不同厚度柔性光柵之繞射點分析實驗，由實驗結果可知增加柔性光柵越厚會使其彎曲時第一亮紋改變率增加，反之。為了試驗柔性光柵受到不同施力方式其分光效果是否有所差異，故進行了拉伸與壓縮的方式形變柔性光柵，結果得知其拉伸時軌距會被拉大，壓縮時則會被擠壓變小。研究最後想了解利用PDMS複製類似光柵的結構是否也有分光效果，實驗結果發現指紋能夠分光，希望後續能將其特性實際運用。

添加鄰苯二甲酸二丁酯（DBP）製成的聚氯乙烯（PVC）廣泛用於消費性產品中。研究顯示，長期攝取大量DBP會影響實驗動物的生殖和發育情況。本研究旨在使用電化學感測器檢測DBP，使用二維層狀雙金屬氫氧化合物材料，增加拋棄式網版印刷碳電極導電性能及β-環糊精修飾作為檢測DBP的偵測點，以取代價格高昂、耗時、數量少的液相層析串聯質譜儀。研究者利用循環伏安法測試，發現感測器的電流響應對DBP具有線性關係，且有高選擇性、穩定性及再現性，再經真實樣品測試，也確認其可行性。本實驗將飲料包上PVC保鮮膜加熱，對照電流響應對DBP的線性關係，可得知該飲料的DBP濃度，期望此設計能應用在食安檢測等塑化劑檢測上。

本研究自製消費性電子產品為基礎的水下聲音頻率測量系統，並探討不同變因對測量效果的影響。希望透過設置簡易且普及性高的器材，解決目前水下聲音測量儀器近用性低的問題，讓海洋噪音汙染相關研究可以更為普及，促進環境科學數據的收集效益。本研究使用Phyphox軟體分析頻率，發現音源頻率遞增時頻率差有規律的變動，於是深入探討頻率差成因並使差值最小。最後將此系統應用於實際水下聲音頻率測量，觀察聲譜的頻率分布特徵，辨識顯著背景噪音並驗證其實用性。

本研究最初將兩正方形重疊，使其面積重疊處形成一八邊形，將此八邊形的八個邊分成兩組，發現此兩組邊長有1次方和相等、2次方和相等的性質。 而後我們將正方形推廣至正n邊形，討論什麼條件之下，可以使兩正n邊形重疊處為2n邊形。探討其中一正n邊形對另一正n邊形平移範圍的限制。再證明重疊部分2n邊形的兩組邊長之1～n-1次方和相等，最後再討論兩組邊長n次方和相等的條件。 除此之外，我們將正n邊形推廣到其他多邊形。發現有兩條互相垂直對稱軸的圖形與等角多邊形，也會具有兩組邊長1次方和相等、2次方和相等的性質。

本文提出了一種階層式兼投票式的心律疾病智慧醫療檢測模型，以MIT-BIH心律資料庫為基礎，建立了兩種判別模型。模型一針對正常心跳N及較常發生的V、L、D、R、A(見表3)五種心律疾病進行單一疾病分類；模型二針對疾病較多的N、SVEB、VEB、F、Q(見表4)五類進行分類。採用階層式模型使各層獨立訓練、二分法使資料量均勻；在階層式模型上增加投票式模型，使各層以多種機器學習共同判斷，並按各機器學習訓練之準確程度調整比重。研究結果顯示，模型一最終準確率達99.01%，五種分類類別中有四種召回率達97%以上；模型二整體準確率98.74%，N、VEB、SVEB、F、Q五類召回率分別達99.5%、97.1%、83.6%、77.8%、85.7%。兩模型對於心律疾病判別準確率均較近年論文有所突破。