2022年

Technology is erratic. We never know what could be the next big thing. Nowadays, IoT (the internet of things) has taken over the market. Every technology created nowadays is somehow related to IoT. You should manage to connect the IoT technology with a robust area of hospitality. Catering customers' needs during peak hours at any restaurant or cafe could get overwhelmed with hectic tasks such as taking orders, fetching water, and ordering meals. We created a raw model to accommodate the limitations of the human mind. The technology-based IoT (Internet of things) can come in handy during hectic sessions. A Robot waiter is built from scratch using materials like Arduino (2), Gear DC motor (2), L298N motor driver (1), Ultrasonic sensor (2), IR sensor (2), Servo motor (4) HC-05 Bluetooth module. Desired orders are sent on a wireless network through the menu bar to the kitchen. Then, the robots transfer the food from the kitchen to the customers. The floor will be all white, while there will be a strip of black line to connect every sitting and the kitchen. For instance, if table number three is to be served, we click the number three in the app, which renders an obstacle in table 3. The motor barricades the robot, and the ultrasonic sensors sense it, and it stops. If anyone picks the plate, the ultrasonic sensor senses it, the blockage is removed, and the robot paces in the designated path. People visited the place more often to experience such stimuli. Using the robots attracted more customers and made the work very quick.

網路上常常會使用驗證碼(CAPTCHA)防止自動化程序取得網站資源，而一般而言，若驗證碼是可以輕易取得，十分容易被深度學習網路破解。然而，對抗式攻擊(adversarial attack)可以騙過許多深度學習網路。因此，本研究目的為建立能夠破解對抗式攻擊的深度學習網路。主要包含三個部分：建立Captcha breaker、使用對抗式攻擊影響breaker、防禦對抗式攻擊。Captcha breaker的部份使用模擬的目標驗證碼作為訓練資料，以解決訓練資料不足以及人工標籤的問題；而破解adversarial attack會使用adversarial training以及random noising的技術進行。

磁暴是地球磁場的劇烈擾動現象。由於強烈磁暴可能對人造衛星、地面電力系統的穩定性帶來損害，因此了解磁暴事件的機制十分重要。本研究利用 OMNI 資料庫中的地磁指數與行星際磁場南北向分量、太陽風動壓、太陽風風速、質子密度等物理量觀測資料，分析太陽週期 22 至 24 期間的單低谷型磁暴事件，此類型事件佔總分析期間磁暴事件的近五成。首先磁暴事件數量比例大致隨強度增強而遞減；不過安靜期也有較強烈的事件發生。接著分析各物理量與事件強度的相關性，其中行星際磁場南向分量、太陽風動壓相關係數分別達 0.80 和 0.64，推論可做為磁暴先兆的依據。因此分別建立太陽週期 22、23 及太陽週期 24 之行星際磁場南向分量、太陽風動壓對事件強度的經驗關係式，並據此計算行星際磁場南向分量對應的事件強度門檻值。目前逐步比對太陽週期 25 的磁暴事件，推論以太陽週期 24 的經驗式得出的門檻值，可能較適用目前太陽週期 25發生的磁暴事件。

上皮細胞黏附因子 (EpCAM)參與了細胞的黏附、信息傳遞、增殖及分化等功能，並在惡性腫瘤組織中大量表達，被當作各種癌症的診斷標誌物，因此被認為是治療癌症的重要關鍵。另外近期研發的抗EpCAM中和性抗體被認為能抑制EpCAM的訊息傳遞，導致腫瘤細胞的死亡，也可以降低癌細胞中PD-L1蛋白的表現，進而導致腫瘤細胞死亡及活化T細胞殺死癌細胞的能力。 為了觀察EpCAM是否會對癌細胞造成影響，我們將癌細胞分成野生型 (wild type)以及EpCAM基因剔除細胞株，並以Western blotting及qRT-PCR確認實驗組的EpCAM基因有確實被成功剔除。進一步利用細胞存活率及細胞群落實驗證實EpCAM會促進大腸直腸癌細胞增生，並以抑制劑DAPT和TAPI-1處理證實EpCAM訊息傳遞會增加癌細胞轉移與侵入能力。接著為了驗證EpCAM中和性抗體的作用，我們用EpCAM中和性抗體處理癌細胞後，由細胞凋亡實驗確認EpCAM中和性抗體確實會促使癌細胞凋亡。我們的研究結果顯示EpCAM的訊息傳遞會促進腫瘤增生與轉移，而EpCAM中和性抗體於癌症治療中的高度前瞻性，期許將來能在癌症治療中提供一個可行有效的療法。

遠距醫療及自我健康檢測在最近幾年逐漸崛起，其講求利用大眾化的工具即可掌握醫療知識與自我健康監測，並透過大數據分析及人工智慧技術，協助醫師與病患進行更有效的治療，但目前中醫在這方面的研究不多，與影像辨識相關的也只有舌診。目前對於手掌的研究多半止步於身分辨識，因此手診還需中醫師切脈或檢查。 本研究作品旨在發展自動手診方法，提供民眾自我健康監測。利用兩種方式1.整張手的CNN圖像分類 2.用YOLO物件偵測進行掌中的特徵點抓取，使其能分辨肝掌、富貴手、蜘蛛痣、汗皰疹、無症狀，最後，並將模型與手機APP結合。

在生成性模型(Generative Models)中的一個主要應用就是“影像修復” (Image Inpainting) 也稱為“影像完成”(Image completion)。 影像修復經常被應用於許多影像處理，包含在生活照片中移除背景不必要的物件再回填移除後缺損的影像。 但是，或許之前的研究較多著墨於技術而非美學，至目前為止，很少有影像修復的研究著重於藝術作品的重建應用。 所以，本研究計畫提出三個新的模型來針對藝術作品做更優化的影像修復，以達到較一般處理日常照片所使用的如Places2 和ImageNet等影像修復技術在視覺上更為自然逼真的處理： 第一種模型是PConv (Partial Convolutions)，它利用部分旋積(partial convolution) 來避免一般由於遮蔽區域中畫素起始值設定而常見的影像模糊問題。 第二種模型是GLCIC (Globally and Locally Consistent Image Completion)，是一種以GAN (Generative Adversarial Network) 為基礎，進一步在全域鑑別器 (global discriminator) 之上，再建構一個區域性鑑別器(local discriminator)，以確保在整體畫面與細部畫面的合理與一致性的方法。 最後一個模型是一個在本研究中所提出的全新、整合性的模型–PConv-GAN。 在這個創新的模型中，我們將GLCIC模型中常用於旋積過程中”補零”(zero padding) 的手法，以PConv模型中部分旋積的方式來取代。最後我們會利用一系列的印象派畫作為例，以L1 loss 和PSNR (peak signal-to-noise ratio) 兩種方法來評估這三個模型。

本研究探討富含膠原蛋白的魚鱗，藉由嘗試各種電器及配合熬煮時間長短，萃取出最佳濃度之魚鱗萃取液，並找出最佳成膜配方為魚鱗萃取液20 g、5 %TG酵素水溶液0.8 mL、甘油 1 mL、乙醇 1.5 mL，以冰箱冷藏方式製作出魚鱗薄膜，接著以自製儀器測量魚鱗薄膜之透水性、穿刺強度、彈性、水溶溫度、膠熔溫度等物理性質，再將製作出的魚鱗薄膜包覆胡椒乾粉及油料醬包，以熱壓來密封包裝膜封口，封膜效果好不會溢出，放入熱水中 2 分鐘內皆可完全溶解，攪拌後調味料分布平均，是很適合當作泡麵調味包的包裝材料，故將魚鱗廢棄物再利用，製作的薄膜不但能食用，亦能取代塑膠，預期可達到「低污染、省資源、無廢棄」等減量減廢之環保理念。

『程式解題系統』是提供不同難易的題目給學習程式設計者使用的系統，主要透過測試資料來驗證程式碼的正確性和效能姓。然而，這類系統大多為私人用。台灣著名的程式解題系統有台中女中程式解題系統及高中生解題系統(Zero Judge)等，題目雖然繁多卻分類雜亂，不能讓教師客製化題目給學生，只能從眾多題目中，零散的挑出適合學生的題目，給學生練習。基於以上理由，此研究目的是做出不同於一般程式解題系統的功能，希望能讓教師彈性增刪題目。使用Python為基礎語言，後端採用Django框架，已經架構出系統的原型，並上架至Heroku(zeaf.herokuapp.com)。希望循序漸進地讓學習者有成就感，也讓教師能監督每一個學生學習狀況。

將鋼球放入一個鉛直站立的圓環凹槽內，當圓環由靜止開始轉動的過程中，鋼球沿著圓環向上運動，經過我們設計並改良的實驗架設，製作出穩定的實驗裝置進行量測，探討各種變因對鋼球運動的影響，並彙整出鋼球運動的幾個階段，進行理論建模與實驗數據的比較分析；我們參考幾篇論文嘗試在理論建模的方程式逐步加入模擬修正，從最單純的質點運動方程式逐步考慮旋轉、搖晃、阻力、鋼球體積等等，比較理論模擬結果與實驗數據的差異，也驗證了一些論文中缺乏實驗驗證的理論計算之正確性。

The number of natural disasters has risen significantly in recent years, and with climate change there is no end in sight. Consequently, the demands on rescue forces around the world are increasing. For this reason, I asked myself what I can do to improve the work of rescue teams. Advances in artificial intelligence and drone technology enable new possibilities for problem solving. Based on the technological advances mentioned above, an autonomous Search and Rescue drone was developed as part of this project. The system assists rescue workers in searching for survivors of natural disasters or missing people. This paper also suggests a method for prioritizing survivors based on their vitality. The system was implemented using a commercial Parrot ANAFI drone and Python. The software was tested on a simulated drone. To simplify the development, the whole system was divided into the following subsystems: Navigation System, Search System and Mission Abort System. These subsystems were tested independently. The testing of solutions and new concepts were performed using smaller test programs on the simulated drone and finally on the physical drone. The Search and Rescue system was successfully developed. The person detection system can detect humans and distinguish them from the environment. Furthermore, based on the movements of a person, the system can distinguish whether the person is a rescuer or a victim. In addition, an area to be flown over can be defined. If something goes wrong during the mission, the mission can be aborted by the Mission Abort System. In the simulation, the predefined area can successfully be flown over. Unfortunately, controlling the physical drone does not work. It stops in the air after takeoff due to the firmware of the drone. It does not change the flight state of the drone, which results in all subsequent commands from the system being ignored. This paper shows that artificial intelligence and drone technologies can be combined to deliver better rescue services. The same system can be applied to other applications.