本研究採用氣象局的颱風資料庫2010-2017年間的 8個侵台颱風，進行分析造成雨帶重建的特徵和原因，重要結果如下： 一、未雨帶重建的颱風個案在登台後，受到地形破壞，強回波常有下降的趨勢。但有些未重建的個案，颱風外核區內的雨帶仍有發展的趨勢。 二、有雨帶重建的整體雲系大多分布於颱風中心南側。 三、有雨帶重建的颱風個案第三象限低層與第二象限有風速差異較大(風切強)的現象。 四、2014麥德姆颱風北側的強風速差異可能使麥德姆在經過陸地時，北側颱風結構較南側更易受地形破壞而較鬆散。 五、對於雨帶重建的颱風個案而言，颱風結構中的第三和第四象限的回波增強變對於雨帶重建有著極大的貢獻。

本研究主要是觀察積水型鳳梨 (Neoregelia ampullacea) 葉子表面氣孔與毛狀體分布密度、氣孔開閉，還有根部及葉子維管束吸水的模式。結果發現此種積水型鳳梨的氣孔只分布在下表皮，主要在晚上開啟，然而白天氣孔也有相當比例是打開的，而葉子的毛狀體有兩種型態，分布在下表皮與基部的毛狀體數量不僅較多而且較大型。另外，根部雖然具輸導能力，但是內部出現空洞化，葉表的毛狀體具有輔助吸收水份的功能，水份主要由基部的毛狀體進入至維管束內，再由下而上因打開的氣孔產生蒸散作用的拉力。此外，我們也與另外兩種積水鳳梨(虎斑與火球)做功能性的比較。若能對毛狀體構造更加了解，將可應用於仿生生物學，生產保暖又吸汗的織布或收集水份的工具。

一個優良的防毒軟體應該要盡可能的減少病毒對電腦造成的損害，然而面對千變萬化的網路世界，必要先發制人的預測病毒，本研究基於機器學習開發一套智慧型病毒掃描系統，運用人工神經網路訓練模型，進而由大數據進行預測。 本專案分為兩個階段，第一層是基於檔案中的各種特徵做靜態分析，第二層是基於執行檔做動態行為分析，且兩者皆採雲端化架構。 雲端掃毒雖非創舉，但本系統有著極高的病毒偵測能力，且無大量資料庫做後台比對，再複雜的變種病毒都難逃本程式法眼，以前陣子鬧得沸沸揚揚的Wanna Cry勒索病毒為例，我們獨自研發的人工智慧病毒掃描系統在沒有看過其原始碼的前提下，就能將其揪出並加以制止。

我們在此次的主題「繁星似海－圓上圖形最大值探討」中，要探討在不同的圓上各取一點，並在這些有如繁星的點中，依照特定順序（順／逆時針）所連成的多邊形（以下圖為例）。這些多邊形有無限種情況，但周長及面積的最大值只有一個，因此我們的主軸圍繞在多邊形於周長與面積最大值時具有的性質。探討的主題主要分為四種情形： 1. 同心圓情形，凸多邊形最大周長時具有之性質 2. 不同心圓情形，凸多邊形最大周長時具有之性質 3. 同心圓情形，最大面積時具有之性質 4. 不同心圓情形，最大面積時具有之性質

本研究中，首先探討美國棒球統計學相關文獻，接著建立中職所有投手的數據庫，以國外的研究理論為基礎，並考量台灣棒球環境與國外的差異，排除守備影響，篩選出能真實反應投手表現的變數。我們先根據職棒28年來的數據庫，利用多變量迴歸分析，創造出中職版的投手數據FIPA，並加入新變數「飛球/滾地」，創造出進階版的FIP'A。接著考慮環境的變革，以2009年至今穩定維持四隊的數據庫，創造出FIPN與FIP'N。另外，也迴歸創造出不受環境影響的進階公式SIERAA 及SIERA'A。研究發現，在中職環境裡投手的三振對失分的解釋力低，而全壘打則是影響失分最重要的變數，投手選才應首重被全壘打率低與保送率低的投手。我們也應用這些公式，分析比較中職的投手，提供台灣棒球界選才參考。

非洲菫葉光合作用型態以C3為主，本研究植株Eternal Orbit品種，表皮細胞與葉肉組織間有一層花青素，其光合作用型態有別於其他品種而呈現CAM。斑葉品系的葉綠素形成易受溫度影響， 平均21ﾟＣ為非洲菫成長最佳溫度，16ﾟＣ出斑面積最大；菫葉毛屬於單列細胞毛(uniseriate hairs )，毛內具葉綠體構造。上表皮與葉肉接觸部位，出現漏斗狀葉肉組織(funnel-shaped chlorenchyma)。，葉面組織切片顯示斑葉(variegate)為化學型色素體變異，局部品種有較厚的儲水細胞(Water storage cell)，能耐較乾旱的環境。

本研究結果顯示，硫酸銅水溶液對向日葵種子發芽率並無影響，反而有幫助於向日葵種子的成長；硫酸銅水溶液濃度到達300ppm會抑制向日葵生長，隨著濃度增減，其根、莖長度都有著明顯的減短，結果顯示其生長抑制率與濃度成正比。高濃度的硫酸銅水溶液，會使向日葵重量變輕，隨著濃度遞增而重量遞減。銅離子進入幼苗時期的向日葵後，堵塞在韌皮部的外側，無法藉由木質部往上運輸，而堵住銅離子金屬的正是卡氏帶，任何物質儘管是水，都無法自由通過，必須藉由細胞上的特殊管道進入細胞。從DPPH、總酚量、可溶性蛋白質，皆可推算其抗氧化物以及降解率，從這兩樣數據可見橙黑的重金屬耐受度高於橙綠。

鑒於人類用電的需求，能源枯竭，人類急尋解決方式，再生能源成為風潮，環保發電方式推陳出新，如何利用再生能源是現今重要的課題。 實驗利用卡門渦街，使中柱振動帶動磁鐵而發電。和有扇葉風力發電機相比，有噪音小，體積小，製作成本和方法容易等優點。 為增加發電量，須讓振動物有更大的振幅及頻率，需利用「共振」的現象加強振幅，振動裝置運用中柱的彈性來產生擺動，藉由改變各種變因尋求最大的發電效益。 實驗中，找出了感應電動勢會正比於振幅的1.5次方、頻率的2次方。且發現以截面距為9cm、自然振動頻率為2.1Hz，放置於軟風(0.4~1.1m/s)下，會有較佳之發電效能。未來期望做出即使自然條件變化也可做出調整的無扇葉型流體振盪發電機。

本研究是以Google Apps Script平台撰寫聊天機器人LineBot，此LineBot能抓取事先放置在Google試算表的資料，讓使用者透過和其互動學習物理，我們將它命名為「物理家教LineBot」。它透過URORA解題歷程，指導學生遇到物理問題時正確的解題流程，讓學生能隨時隨地學習物理。為了知道它是否真的能幫助學習，我們也設計了實驗，和使用傳統講義的學生作對照，研究結果顯示我們開發的物理家教LineBot能有效的提升學生解題能力和物理的學習態度。