全球性氣候變遷，一般的種植常因無法順應調節而產生病害，合併蟲害傳染時更須使用化學農藥。現今新興的農業設施有溫室栽培、魚菜共生及植物工廠等，但仍存在著介質控管、溫濕度控制及成本過高等問題。 本研究自行設計製作「植物箱」，運用替代光源及冷熱蒸散原理，模擬取代自然環境中之最佳光照、溫度與溼度，建立適宜植物生長的環境。實驗結果顯示：一、T5燈管能模擬陽光的輻射熱能和光度，配合紅藍光比例及定時器，可控制光照時間及取代陽光照射。二、水冷機控制貯水槽溫度，結合風扇向上吹送，有助水氣蒸發與凝結，達到溫度控制。三、溼度控制器結合風扇向下吹送，有助水氣吹送，形成循環對流，達到溼度控制。四、自製密合及低功率的「植物箱」為智能環控，可避免病蟲害及農藥的使用。 在未來可創造極大的經濟價值，以更節能環保的方式與地球永續共存。

本研究利用回饋機制修剪人工神經元的方式，可在較短時間內達到較高的目標行為學習正確次數。這樣的系統設計源於生物行為的啟發，因為回饋機制能直接影響決策中樞的神經元，而非只是影響動作本身， 在達成目標學習上會更直接、快速。以傳統強化學習 （Reinforcement Learning）系統為例，本研究模擬結果顯示，若回饋機制影響動作本身，目標達成正確率只有 19.14％。而若獎勵回饋到神經元的修剪上，則相較強化學習提高超過 2 倍的正確率。甚至，隨機修剪神經元也可相較強化學習提高 1 倍的正確率。顯然地，本系統能確實提高正確次數並縮短目標達成時程。利用回饋機制修剪人工神經元，可為強化學習在目標學習上遇到的困境，提供一個新的思考方向，實務應用上，可彌補強化學習在學習行為上無法一般化的缺點。

本研究證明用手觸摸植物或土壤時，會造成處於混沌狀態的蔡氏電路發生電位相圖的改變，經由微調並聯在模擬線路電源端的可變電容來比對相變過程，可以測量到非常微小的等效電容變化量。不同於傳統透過改變電阻來實現混沌行為的方法，證實本研究假設確實存在且具應用價值。 我們透過改變電極接點、電路初始狀態、人體靠近或觸摸不同部位等方式，探討兩種植物因微擾所產生的相變。結果發現微擾植物與其棲地時會產生「混沌制抑」的現象，整體系統的電容變動範圍界於0到100pF之間。更重要的是，本方法還可以偵測到微擾遠端植物時經根系及土壤同步產生的電容變化訊號，這是一般電容計所感測不到的。 利用混沌行為的特性，可以應用於偵測與分析生物體或宇宙間微弱且複雜的訊號，不需經由訊號轉換或放大等的處理程序，是本研究的重大發現，未來極具發展潛力。

本實驗成功在水相以及相對低溫中合成均一度高的鈀金奈米觸媒，並藉由引入不同比例的界面活性劑到合成系統中，來促使不同形態的鈀金奈米觸媒生成。此種奈米觸媒於不同成分比例下可產生相異之催化表現，且具長時間穩定的優點，故為具潛力的燃料電池觸媒。 實驗過程除了探討不同形態的鈀金奈米觸媒的合成外，並進行CO電氧化、乙醇電氧化以及長時間穩定測試。由合成的結果可得知，不同比例的CTAB及CTAC搭配可以得到合金或核殼結構的鈀金奈米觸媒；電催化實驗中，首先藉由CO吸脫附電氧化求得觸媒的活性表面積後，再進行乙醇電氧化測試，進而發現以核殼AuPd為1：1活性表現最佳，較商用Pd觸媒高約4.09倍；長時間穩定測試中AuPd核殼觸媒比商用Pd觸媒有有約16倍的穩定度及容忍力的提升。本研究結果有助進一步利用鈀金觸媒改善純鈀在進行乙醇燃料電池上的應用。

在這個智慧型裝置普及的時代，觸控螢幕已經深入人們的生活。隨著手寫輸入法、滑行輸入法等筆跡輸入系統的完善，其也成為人們與裝置互動最重要的工具，卻也常因為搖晃造成輸入的筆跡變形。為了改善人們在不穩定環境下的輸入體驗，本研究提出了“筆跡變形修正系統”。 通過結合內置感應器的資訊，系統估計裝置的運動軌跡，並以提出的屏幕-手指互動模型恢復失真的筆跡。 研究中使用了一種不需要額外儀器的校準方法校正感應器誤差，再套用本研究所開發之變形修正演算法，成功在生活中恢復失真筆跡並證明了其有效性及必要性。經過數代的改進與實驗參數優化，修正效果已大幅提升。

臨床上，人工血管與心血管支架常因血栓導致其使用壽命減短，甚至造成病人生命危險，而血栓起因乃為血小板活化。氧化石墨烯為新穎二維材料，其於醫學方面的應用也極具潛力。本研究藉由微流道觀測系統，透過光學顯微鏡直接觀測氧化石墨烯表面與血小板間之交互作用，再進一步使用紫外光還原氧化石墨烯表面，並使用原子力顯微鏡(AFM)、X光光電子能譜儀(XPS)、凱爾文探測力顯微鏡(Kelvin Probe)等檢測氧化石墨烯表面性質。 經實驗證實，鍍有氧化石墨烯之表面在流動狀態下，可有效地減少血小板的活化與貼附，並推測因氧化石墨烯表面帶有負電荷，可排斥同帶負電荷之血小板，以達到減少血栓生成的目的，未來可進一步應用在人工心血管支架上，延長其使用壽命。此研究突顯了改善人工血管與支架表面性質與其臨床上應用的重要性，而材料表面修飾也為優化臨床應用提供一個可行方法。

本研究共耗時了九個月，以資訊教室48台電腦為主要設備，共計執行了近2500萬次的遊戲，達成本研究的最終成果。以下將探討並分析一篇以時間差學習法為基礎寫成的 2048 人工智慧程式，在解讀程式碼當中適合取來應用的部位後，加以探討是本研究的核心與主旨。 首先分析出各種方格數組成的相異特徵種類，統計方格數對應的特徵數量後，得出了「二倍定理」，對於往後執行高階方格數時有極高參考價值。隨後為了因應本研究對於四到六方格數特徵的探討並避免窮舉，自創了一種新方法：「已得特徵放置方格法」，對於嚴謹的特徵分析有一大進展。之後將前實驗的130種特徵皆作數十萬次的遊戲勝率分析，排出了各種特徵之間的優劣，接著以特徵之間的組合與原版特徵比較，驗證了此系列研究方法的成功。 「機動性質」是本研究現階段最有可看性也最具應用性的新創研究方法。在本研究後半即藉由計算特徵版面上的位置對次數分析，也為先前實驗現象做了合理解釋。未來將展現的就是機動性質回推法，藉此我正在設計利用更龐大數據，找出一個理想的「機動模型」，這種從被動獲得到主動回推的新思維演進方法，希望可以實踐並對於特徵工程做一大革新。 除了以上，也期望整篇研究以及新創研究方法可以被往後的資訊科技、人工智慧、大數據、特徵工程……等領域應用。

探討在低成本下，完成非特定人中文語音辨識的可行性，作品的特色如下： 1. 語音辨識系統：8K ROM、2.5K RAM、辨識率 80%、成本 50 元以下 2. 音節簡化：發音去掉聲音調後，再將同類聲音進行整併，整理出133 個音節→資料量是繁體13060 字數的 1 / 100 3. 資料庫化簡：使用整數的指數取代符點運算→資料量為傳統的語音特徵的 1 / 20 4. 語音辨識演算法：使用梅爾倒頻譜係數、隱藏馬可夫模型 5. 處理器：使用16位元的整數運算，可在低價的處理器上執行 6. 訓練用的語音：向中華民國計算語言學學會（MAT）購買純語音的資料庫

腦部中的不正常蛋白質堆積常常是造成神經退化性疾病主要原因之一，細胞自噬作用能夠清除細胞內的不正常蛋白質堆積，幫助神經性退化疾病如阿茲海默症的治療。因此我們期望能找出能促進自噬作用的天然物，以其作為開發阿茲海默症的藥物的基礎。本研究1.利用冷光酶接合自噬作用指標蛋白P62，設計出創新的自噬作用調節劑篩選系統篩。此篩選系統能夠篩選促進自噬作用的天然物，大大提升了自噬作用調節劑的篩選效率。本實驗初步測試了100項天然物，並從中篩選出19項能夠促進自噬作用的天然物。2. 再以西方墨點法測試其中五項天然物在阿茲海默細胞模型上的表現，發現了天然物唐川丁與開普鹼，能夠藉由促進自噬作用降低細胞模型上影響阿茲海默症的蛋白質。未來我們希望能夠了解唐川丁與開普鹼在調控細胞自噬作用中所扮演的角色，幫助阿茲海默症的藥物開發。

本次研究中，我使用Arduino 單晶片微控制板自製了細懸浮微粒偵測器，用來測量PM2.5的穿透率，以達量化懸浮微粒的效果，實驗中發現，使用摩擦起電的方式因為電場太小無法有效吸附懸浮微粒，接著使用平行電網，發現吸附能力與電壓與總表面積有關，因而改採電纖維通以高壓電的方式進行濾淨，其吸附率約達52%。在整個實驗中我使用Arduino單晶片微控制板控制數據的擷取、分析，與節電系統的調控，做出了一個兼具輕便、低成本、與節電環保的懸浮微粒清淨器。