電腦科學與資訊工程

This project had one purpose: creating almost unbreakable encryption by breaking a Caesar – and Vigenère Cipher and getting familiar with how they work. Created a program to encrypt and decrypt messages with a Caesar Cipher and Vigenère Cipher encryption. Breaking these encryptions in these programs will help to identify the factors that contribute to strong and weak encryption systems. A program was created to encrypt messages using Caesar Cipher with a key from 1 to 25 and decrypt messages without knowing the original key by doing different types of “attacks” on the system: a brute force and frequency analysis attack. Created another program to encrypt messages using Vigenère Cipher with a keyword or keyphrase and decrypted messages whilst knowing that original keyword. Tested and compared the two different cyphers when being attacked. This helped identify factors that influenced the strength of encryption and identified the advantages and disadvantages of each Cipher as well as the weaknesses in each attack. Through testing and breaking a Caesar and Vigenère Cipher successfully, multiple factors were identified that influenced the strength of the encryption system. These were used to ensure the new encryption created will be as strong as can be. Comparing the success rate of the different attacks on each Cipher, the similarities, weaknesses and strengths in the Brute Force and Frequency Analysis attacks were found.

本研究以西洋棋為切入點，採用磁簧開關陣列來偵測棋子位置，並在設計中加入二極體以防止Ghosting效應，進而開發出一款以Arduino Uno開發板為基礎的智慧對弈棋盤。棋盤底部配備RGB LED燈，以便為使用者提供落子提示，並根據不同的落子類型呈現不同的燈光效果。 我們成功地透過簡潔的設計與高效的運算性能，實現了一個能夠識別棋手落子的智慧對弈棋盤，並能根據國際西洋棋規則提供正確的移動提示，讓完全沒有基礎的初學者也能在遊戲中學習並掌握西洋棋的所有規則。此外，我們還引入了基於Minimax演算法的輕量化AI和基於高效可更新神經網絡(NNUE)AI，並探討兩者之間的性能差異，從而使該智慧棋盤在節省運算資源的同時，可以在不連接電腦的前提下，具備一定的棋力，以支持棋手的技能提升與訓練。

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。

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。

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。

汽、機車呼嘯而過的排氣噪音經常造成周遭民眾的困擾，為杜絕這種狀況，環保署於2021 年開始推動「聲音照相科技執法」，透過包含魚眼攝影機、車牌辨識攝影機等設備的整合，來紀錄行經車輛產生的噪音是否超過管制標準，不過此系統目前仍存在一些限制，如:當多台車輛同時經過時無法辨別確切的噪音來源，而需要人工判定。本研究旨在利用聲源定位原理結合影像辨識技術，實作出一套能夠追蹤聲源（噪音）並辨識聲音來源（車輛）的聲音照相系統，期日後能實際應用並解決道路上多車輛時無法辨識噪音來源的困擾。研究中提出一套能透過遠端控制程式，將收音裝置、攝影設備和資料分析軟體等各項軟硬體設備，串聯成自動化追蹤聲源的系統設計方案。

A custom Local Positioning System designed for applications in supply chain logistics, inventory tracking, collision avoidance, and precision systems. Responsive UI allows for real-time management and dynamic parameter adjustments.

AI (Artificial Intelligence) technology has developed very rapidly in recent years, to the point where it can make fake videos or photos called "deepfake''. According to Sumsub Identity Fraud Report 2023 just in the past year, in the APAC region the number of deepfakes has grown 1530%, in the philippines an astounding 4500% and in 馬來西亞 a 1000% increase, these numbers will continue to rise without a proper defense against them, With this rapidly developing technology, there are several threats from misuse deepfake, namely making fraud via video calls, fake videos to blame innocent people, and so on. Therefore, in this research project, an algorithm architecture will be created, namely a system and method used to detect "deepfake" images. The architecture of this algorithm involves convolution functions, neural networks, convolutional neural networks, data normalization functions, namely ReLu and SoftMax, and pooling. This architecture will then be trained over and over with 140,000 scrambled images, which then will make the architecture ready to be used. By researching and combining this algorithm architecture, a system is produced without a cost and with a final result of up to 90% accuracy and detection of 32 images faster than a human can blink.

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。

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。