電腦科學與資訊工程

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。

本研究探討了利用生成式人工智慧技術為漫畫創作帶來新可能性。在當今競爭激烈的漫畫產業中，創作者們需要不斷創新以吸引觀眾，而創作引人入勝的漫畫需要豐富的想像力和劇情結構。本研究希望能協助創作者製作草稿，並探索與AI當朋友的新型創作模式。在生成方面，提出了將漫畫劇情提取、劇情預測以及圖片生成三個步驟的生成流程，並使用了多種模型和技術，如 YOLO模型用於漫畫人臉檢測、文字生成模型用於劇情預測、LoRA技術用於模型微調等，為解決人物生成不連續的問題，我們也提出一種基於特徵提取與融合的解決辦法。本研究提供了一個全面的方案，旨在利用人工智慧技術幫助漫畫創作者創作出簡單的草稿。

隨著網路技術不斷的進步，意見和情感分析逐漸成為人們日常生活中的一部分。儘管如此，目前人們缺乏一個方便且快速的情緒分析模型，供廣大大眾使用。 本研究旨在提供人們一個緩解憂鬱情緒的管道——當人們輸入一個需要被安慰的情境時，我們的系統將輸出安慰語句，以緩解該使用者之憂鬱情緒，達到安慰效果。為此，本研究訓練了BERT model以及 LLaMA model。BERT model能判斷使用者輸入的語句是否為需安慰語句。而LLaMA model則作為安慰語句之生成模型，以達到安慰之效果。

台灣少子化、老齡化問題迫切，醫療資源入不敷出，使得遠距醫療成為潛在的解決方案與趨勢。然而，遠距醫療的身份驗證安全性尚未完善。指靜脈辨識有非接觸、體內生物特徵等特性，其在衛生性和高安全性的優勢在醫學相關領域與醫療院所備受關注。若能夠開發出遠距醫療可用的指靜脈辨識，將有機會為遠距醫療產業的安全性貢獻一份心力。本研究主要分為兩階段：其一旨在優化指靜脈辨識技術，利用輕量化 CNN 指靜脈辨識模型，結合 Mini-RoI 技術， 使用 FV-USM 以及 PLUSVein-FV3 兩個資料集訓練我們開發的 FVeinLite 指靜脈辨識模型，並使用不同的 epoch 值訓練出最好的模型。而我們訓練的模型相較於其他指靜脈技術具有高辨識正確率、參數量更少、運算速度快等優勢。其二，我們將模型結合自製的低成本嵌入式裝置， 並製作 API 與並使用模擬的病患資料完整打造一個可使用於遠距醫療及醫療院所的指靜脈身分辨識系統。

Wibrazz is a wearable communication tool that allows the teacher, the therapist, the parent to communicate information to the child remotely using the device. Haptic (vibrationbased) feedback is becoming increasingly important in everyday life. A vibrating device that transmits information through clothing can help people with disabilities who have no or limited sensory use to live an integrated life in society without barriers.

Wibrazz is a wearable communication tool that allows the teacher, the therapist, the parent to communicate information to the child remotely using the device. Haptic (vibrationbased) feedback is becoming increasingly important in everyday life. A vibrating device that transmits information through clothing can help people with disabilities who have no or limited sensory use to live an integrated life in society without barriers.

隨著氣候變遷對人類生活帶來越來越大的的影響，CO2 為氣候變遷的主要驅動因素之一，準確預測二氧化碳（CO2）排放量變得至關重要。 本研究深入探討了各種先進的單變量和多變量時間序列模型，並提出一種新穎的混合集成模型，旨在提升台灣CO2 排放的預測準確性。 我們採用了自1965 年至2022 年的年均數據集，涵蓋CO2 排放量以及天然氣、煤炭和石油的消耗數據，利用標準評估指標來評估模型表現。在多次實驗中，我們選定了三個表現最佳的模型，並通過疊加泛化技術將其預測結果整合至一個元模型。所提出的混合集成模型達到了1.398% 的MAPE 分數，顯示出相較於傳統模型更優越且穩定的性能。 經過全面優化後，本模型可為政策制定者和產業領袖在制定減少CO2排放的決策時提供了可靠的依據。

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。

隨著氣候變遷對人類生活帶來越來越大的的影響，CO2 為氣候變遷的主要驅動因素之一，準確預測二氧化碳（CO2）排放量變得至關重要。 本研究深入探討了各種先進的單變量和多變量時間序列模型，並提出一種新穎的混合集成模型，旨在提升台灣CO2 排放的預測準確性。 我們採用了自1965 年至2022 年的年均數據集，涵蓋CO2 排放量以及天然氣、煤炭和石油的消耗數據，利用標準評估指標來評估模型表現。在多次實驗中，我們選定了三個表現最佳的模型，並通過疊加泛化技術將其預測結果整合至一個元模型。所提出的混合集成模型達到了1.398% 的MAPE 分數，顯示出相較於傳統模型更優越且穩定的性能。 經過全面優化後，本模型可為政策制定者和產業領袖在制定減少CO2排放的決策時提供了可靠的依據。

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。