天氣預測是攸關人類生活的大事。目前天氣預測主要利用大氣氣壓、溫濕度、雲層等參數資料來進行天氣預測。為達到低成本及小範圍之天氣預測，本研究利用物聯網的『眼睛』-樹莓派相機來觀測雲層，配合Arduino感測器蒐集到的氣象參數輔助，以預測30分鐘後降雨的機率。本研究採用卷積神經網路(Convolutional Neural Network, CNN)來進行模型訓練，首先將雲層圖片提取RGB特徵向量，配合氣象資料輸入模型以進行模型訓練，所訓練之模型可即時預測未來降雨的狀況。本研究進一步以精密度、召回率、F-measure、及混淆矩陣來驗證模型成效，準確度皆達80%以上，證明本研究訓練之模型預測降雨的準確性及可行性。

馬鈴薯品種很多，我們選擇其中常見5個品種作為實驗種薯：研究發現發芽效益以克數來看是10g與20g，以品種來看最好黃肉，最低的是紫肉；成長高度以品種看臺一長得最好，克數則以40g長得最好，5g最差。馬鈴薯結薯總克數以克數來說：40g收成量高，50g並未占種薯優勢，5g最差，顯示成長高度與結薯總克數有相關性；以品種來說：則以大葉多，紫肉少。 從 CP值來看，首推大葉5g、臺一8g。從成本計算利潤而言，種植大葉5g的利潤最高，紫肉5g最低；從種植面積計算利潤來說，則是紅肉40g最高。 10g、20g文獻所言最佳種薯克數，然而實驗發現不論以收成量、CP值或利潤而言都顯示未必有最佳表現。

Huzita-Hatori公理和Morley三角形都如同黑暗中的一盞明燈，讓我們很想一見其廬山真面目！更想了解他們相會後會激盪出甚麼火花？ 我們利用描圖紙摺紙、GGB作圖，再配合推理論證，終於知道三條Huzita公理6分別三等分的角、度數、位置、以及與始邊的夾角度數；另外，更奇妙的是，我們發現兩個特別的三角形：第一，任意角的三條Huzita公理6的摺痕，會圍成三角形，而且此三角形必是完美的正三角形。第二，任意三角形各角的三條Huzita公理6的摺痕，各會圍成三角形，且此三個三角形彼此相似，他們和原三角形之間還有角度成等差和等腰的關係。 本研究實在見證隨意到完美的奇蹟，驚奇之處俯拾即是！

本研究主要在探討邊長比為1：a且重心重合的內、外正n邊形，當取外正n邊形的邊上一點為起始點(此起點與外正n邊形的頂點距離為x)，重複朝著內正n邊形的頂點畫切線，並觀察其數學性質。(θ為正n邊形一內角) 我們從研究正三角形開始，並且推廣到正n邊形，研究以下四項： 一、「切線與外正n邊形的交點」和「外正n邊形頂點」的距離通式f(x)=(a2-a)+(1-a)x/((2(cosθ+1)a+1)+(-2(cosθ+1))x 二、證明收斂正n邊形的存在性，並找出收斂點與外正n邊形頂點的距離x=a/2-√a(cosθ+1)(a×cosθ-1+2)/2(cosθ+1) 三、正n邊形可形成收斂正n邊形的內、外正n邊形邊長比例範圍 ，√a(cosθ+1((a×cosθ-a+2)≧0，1≦a≦2/1-cosθ 四、內、收斂與外正n邊形的邊長比為1:√a:a 此時發現收斂正n邊形的邊長為內、外正n邊形邊長的幾何平均數。 最後，我們也針對任意三角形探討上述內容，並於研究過程中詳述。

目前3C產品普及導致國人視力不良，近視比例已是全球排列前茅國家，防範學齡者用眼過度繼續惡化，學校每學期初實施視力檢查以追蹤狀況，受檢過程都採用人工出題與檢核結果，全校學生檢測往往相當費力。本研究撰寫APP檢核程式安裝教室聯網電視做為出題顯示幕，並製作無線手持遮眼面具取代傳統遮眼棒，受檢結果運用物聯網技術傳送Google試算表，取代傳統紙本記錄方式並自動標註視力不良者，在研究過程針對作品檢測準確性，以整班學生進行受測比對，對於APP檢核程式有不恰當之處給予修正改良，找尋最佳解決傳統視力檢查方式。

本研究分為異葉水蓑衣葉之觀察、激素處理及浸沒生理測定及軟體模擬四大部分，探討葉形變化對浸沒適應的關聯。葉之觀察方面，羽狀葉及卵形葉無普遍的特徵，浸沒葉及未浸沒葉解剖特徵差異大。激素處理後新生葉形沒有改變。浸沒生理測定方面，發現羽狀植株發展出通氣組織、根部成長率較高，然而其MDA含量較卵形葉植株高；卵形植株未發展出通氣組織，明顯抽高，實驗後兩者的過氧化氫累積及總葉面積成長率無顯著差異。最後，以軟體模擬葉片在流體中所受壓力，羽狀葉鋼體模型在高速水流下所受機械壓力較大。期待增加對於兩棲植物適應水機制的理解，並於日後應用在減少農作物因降雨變化劇烈導致收成受損的情況。

本實驗最主要探討U型管中液面的振盪行為，並嘗試建立理論模型。為了簡化推導，將流動近似為準穩態，並以阻尼振盪模型近似其運動。經實驗發現，其振盪角頻率和指數衰減率隨各變因改變的趨勢，與理論模型所得的部分結果類似，但其振幅的指數衰減率和振盪角頻率皆大於理論值。推測振盪的過程中可能存在其他的損失機制，導致現有模型不適用。

本研究以自製倒置平台、阻尼裝置與外力調頻器以進行實驗，為方便觀察阻尼質塊與平台交互情形，故將建物改為懸吊式平台，外力調頻器以馬達為動力來源，由電源供應器改變電壓大小控制轉速。實驗分彈射觀察衰減係數與外力調頻模擬4級震度觀測最大加速度。由彈射平台試驗可知擺長15cm時阻尼器與平台產生反向共振，可有效吸收大樓晃動能量;擺錘越重吸收效果越佳;加裝消能元件可有效提升減振效益。由彈射試驗較佳之消能元件組合以進行模擬地震試驗，發現結果與彈射平台實驗一致。發現阻尼晃動頻率與大樓頻率接近的情況下且在一定的阻尼範圍內可有效達到吸振減振的效果。電生磁之阻尼元件能減振並發電，也許將來可作為消能形式，能利用產生之電能。

在一座太空基地外，有10個等距離的衛星站排成一列(如圖一)。現有10個太空人分別前往相異的衛星站執行任務，他們從基地搭乘飛行船一同前往，但飛行船只能降落一次，所以有些太空人還要再利用推進器才能抵達要到的衛星站。當太空人向外太空方向(向外)移動一個站距，推進器要耗能5根燃料棒；向基地方向(向內)移動一個站距，推進器要耗能2根燃料棒，那麼飛行船要降落在哪一個衛星站，才能使這10個太空人的總耗能最小？ 我們將上述推進器向外、向內的耗能及衛星站一般化，並改變情境，亦即並非每個太空人都要搭飛行船抵達衛星站，也可以只靠推進器抵達；或者並非每個衛星站都有任務要執行，可以只有某幾個衛星站需要太空人前往執行任務。

看到水車式增氧機在養殖池打出白色水花，經仔細觀察與文獻探討，我們發現葉片有不同的形式，而且隨著養殖池的大小不同，也會有不同數量的水車式增氧機，究竟什麼形式的水車會有較佳的增氧效果呢？我們自行設計製作了水車打水相關的裝置進行模擬實驗，結果發現：在相同電力的條件下，吃水深度不可太深(20mm)、葉輪葉片數量為8片、葉片長度較短(30mm)、葉片寬度不可太寬(20mm)、且葉片上有孔洞(9個直徑5mm的圓孔)，可以得到較高較遠的水花，落入水中產生的氣泡會較深，葉輪後方的流速也能較快；而在水車葉輪後方加裝導流管，可將水面溶氧量較高的水導流至較深的水域，加上可移動旋轉式水車增氧機的設計，可提升26.67%的增氧效能，更可減少同一養殖池水車的數量。