Browsing by Author "林士翔"

Now showing 1 - 4 of 4

α-硫辛酸改善高脂飲食及STZ誘導高胰島血症大鼠肌肉萎縮之研究
(2018) 林士翔; Lin, Shih-Xiang
流行病學研究顯示糖尿病患者罹患肌少症(sarcopenia)的比率比一般人高出三倍。第2型糖尿病的蛋白質合成和降解不平衡會造成患者肌肉萎縮，而肌肉萎縮是導致肌少症的主要症狀之一。文獻指出，高脂肪飲食會誘導周邊組織，例如肌肉產生氧化壓力與胰島素阻抗(insulin resistance)。胰島素阻抗被認為是影響肌肉蛋白流失的主要因素之一，因此推測其與肌肉萎縮之發生有關。α-硫辛酸(ALA)是一種生物抗氧化劑，研究指出其可緩解胰島素抵抗。本研究的目的是探討ALA對HFD與鏈脲佐菌素(STZ)誘導的高胰島素血症大鼠肌肉萎縮的影響及其機制。雄性Wistar大鼠餵食HFD 4週後以腹膜內注射STZ，然後連續8週給予HFD以誘導高胰島素血症，之後給予高胰島素血症大鼠ALA每日一次，連續13週。大鼠犧牲後摘取比目魚肌並稱重，另以H＆E染色觀察肌纖維的形態學，並使用西方墨點法分析胰島素信號傳遞、發炎、肌肉再生與分解相關的蛋白質表現。結果顯示，高脂飲食大鼠之比目魚肌肌肉量顯著增加，而H＆E染色分析顯示，ALA處理的高胰島素血症大鼠肌肉纖維截面長度顯著增加48.6％，表示ALA處理可以維持較好的肌肉纖維。Western bolt分析顯示，ALA上調高胰島素血症大鼠比目魚肌胰島素信號傳遞相關蛋白質和肌肉再生相關蛋白質的表現，其同時也下調了發炎與肌肉分解相關蛋白質之表現。由以上結果顯示，ALA具有改善糖尿病患者肌肉中胰島素阻抗和肌肉萎縮的潛力，期望未來ALA可以開發為治療糖尿病引起的肌肉萎縮的藥物或膳食補充劑。
《史記》信陵君敘事及其後世形象
(2024) 林士翔; Lin, Shih-Siang
本碩士學位論文以「《史記》信陵君敘事及其後世形象」為題，嘗試將信陵君獨立於戰國四君（孟嘗君、平原君、春申君）之外，討論先秦史料與《史記》對於信陵君的載述，同時以「下士養客」作為觀察標的，找出信陵君在歷史軌跡中，文人評價的褒、貶之因。第一章為「緒論」，說明本文的研究動機與目的，提出獨立信陵君研究之因，也回顧學界相關的研究成果，並揭示章節安排緣由與旨趣。第二章為「《史記》以前的信陵君論述」，試圖以戰國晚年與秦末漢初為分界，歸納其意義。第三章為「太史公筆下的信陵君敘事」，有別於過往學者的視角，本章重新探尋太史公的觀點與敘事意圖。第四章為「下士養客的文人評價」，本章以信陵君「下士養客」，作為觀察標的，試圖從歷代詩作文論中，找著信陵君受文人褒與貶的載述，另外，亦嘗試追索文獻，以數據分析文人心目中戰國四君的排名，總得「信陵君第一，平原君居亞，孟嘗、春申各居第三、第四」的結論。第五章為「結論」，統合全文研究成果。附錄一為「詠信陵君詩詞資料彙編」，以時代編目，收唐以前1首、唐12首、宋5首、元3首、金3首、明34首、清122首，共有182首詠信陵君之詩詞，以供學界佐參。
數據擬合與分群方法於強健語音特徵擷取之研究
(2007) 林士翔; ShihHsiang.Lin
語音長久以來一直是人類最自然且最容易使用的溝通媒介。無庸至疑地，語音也勢必會扮演著未來人類與各種智慧型電子設備間最主要的人機互動媒介，因此自動語音辨識(Automatic Speech Recognition, ASR)技術將會是扮演其中最關鍵且重要的角色。目前大部份的自動語音辨識系統在語音訊號不受干擾的理想乾淨實驗室環境下，可獲得非常不錯的辨識效果；但若應用至現實環境中，語音辨識率卻往往會因為環境中複雜因素的影響，造成訓練環境與測試環境存在的不匹配(Mismatch)的問題存在，使得系統辨識效能大幅度地降低。因此，語音強健(Robustness)技術就顯得格外重要與受到重視。目前有關語音強健方法的研究若以其處理對象而言，大致上可從二種不同層面討論：從語音特徵值本身為出發，或是從統計分布出發，此二類研究各有其優缺點。本論文嘗試結合上述二種層面的優點，並且利用數據擬合(Data-fitting)技術來增進語音辨識系統的辨識效能。吾人首先提出了群集式為基礎之多項式擬合統計圖法(Cluster-based Polynomial-fit Histogram Equalization, CPHEQ)，利用統計圖等化法(Histogram Equalization)的概念與雙聲源訓練語料(Stereo Training Speech Data)的使用求得多項式轉換函數。再者，吾人將此方法做一些假設及延伸，進而衍生出二種不同方法，其一是以多項式擬合統計圖等化法(Polynomial-fit Histogram Equalization, PHEQ)來改良傳統統計圖等化法需要耗費較多記憶體空間與處理器運算時間的缺點；另一個則是配合遺失特徵理論(Missing Feature Theorem)的選擇性群集式為基礎之多項式擬合統計圖等化法(Selective Cluster-based Polynomial-fit Histogram Equalization, SCPHEQ)來進行語音特徵參數的重建。語音辨識實驗是以Aurora-2語料庫為研究題材；實驗結果顯示，在乾淨語料訓練模式下，吾人所提出的方法相較於基礎實驗結果能顯著地降低詞錯誤率，並且其成效也較其它傳統語音強健方法來的好。
語音文件摘要－特徵、模型與應用
(2011) 林士翔; Shih-Hsiang Lin
語音文件摘要容易受語音辨識錯誤的影響，進而導致在使用傳統文字文件摘要方法時並無法正確地摘要出語音文件中重要文句。相對於文字文件，語音文件在從事語音摘要時卻額外地提供了許多的資訊：諸如聲韻特徵(Prosodic Features)、聲學特徵(Acoustic Features)、語者(Speaker Roles)或情感(Emotion)資訊等，都是從事語音文件摘要時可以善加利用的額外語句特徵。本論文以特徵(Features)、模型(Models)與應用(Applications)等三個不同構面進行語音文件摘要之研究。在特徵層面，我們探討如何使用不同的詞圖結構表示語音辨識候選詞序列(Recognition Hypotheses)，進而解決傳統因為只利用單一最佳辨識詞序列(1-Best)所造成的辨識錯誤影響。在模型方面，我們基於Kullback-Leibler (KL) 散度測量(Divergence Measure)方法提出了一個非監督式(Unsupervised)的摘要模型，此摘要模型允許利用文字以外的資訊線索增進散度測量正確性，進而減緩因為語音辨識錯誤所造成的問題。同時，針對監督式(Supervised)的摘要模型，我們提出了三種不同的訓練準則進行摘要模型訓練，以解決訓練資料不平衡(Imbalanced Data)所導致的負面影響。架構在此二類不同的摘要模型之上，我們進而提出了一個風險感知(Risk-Aware)的摘要架構，此架構透過監督式與非監督式摘要模型的結合，不僅能保有其各自的優點更進而克服各自方法的侷限。我們亦導入了不同的減損函式(Loss Function)，以便考量語句-語句或者是文章-語句間的冗餘性與連貫性關係。對於應用層面，我們探討如何將摘要技術整合至資訊檢索技術上。本論文所提出之方法均實驗在廣播新聞語料，實驗結果亦證明本論文所提出之方法可大幅地改善現有摘要方法的效能。