科技與工程學院

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/5

沿革

科技與工程學院（原名為科技學院）於87學年度成立，其目標除致力於科技與工程教育師資培育外，亦積極培育與科技產業有關之工程及管理專業人才。學院成立之初在原有之工業教育學系、工業科技教育學系、圖文傳播學系等三系下，自91學年度增設「機電科技研究所」，該所於93學年度起設立學士班並更名為「機電科技學系」。本學院於93學年度亦增設「應用電子科技研究所」，並於96學年度合併工教系電機電子組成立「應用電子科技學系」。此外，「工業科技教育學系」於98學年度更名為「科技應用與人力資源發展學系」朝向培育科技產業之人力資源專才。之後，本院為配合本校轉型之規劃，增加學生於科技與工程產業職場的競爭，本院之「機電科技學系」與「應用電子科技學系」逐漸朝工程技術發展，兩系並於103學年度起分別更名為「機電工程學系」及「電機工程學系」。同年，本學院名稱亦由原「科技學院」更名為「科技與工程學院」。至此，本院發展之重點涵蓋教育（技職教育/科技教育/工程教育）、科技及工程等三大領域，並定位為以技術為本位之應用型學院。

107學年度，為配合本校轉型規劃，「光電科技研究所」由原隸屬於理學院改為隸屬本（科技與工程）學院，另增設2學程，分別為「車輛與能源工程學士學位學程」及「光電工程學士學位學程」。

News

學院網址：http://www.cot.ntnu.edu.tw/

Browse

Subject: search.filters.subject.CNN

Search Results

Now showing 1 - 4 of 4
  • No Thumbnail Available
    Item
    高性能之輕量級卷積神經網路之設計
    (2021) 周世耀; Jou, Shyh-Yaw
    因深度學習強大的分析能力，其時常被用做影像辨識與物件偵測的工具。時至今日，已有許多基於深度學習方法的著名模型被提出，例如：SENet、EfficientNet、Densenet、MobileNet、ResNet、ShuffleNet、GhostNet、Yolo等。深度學習模型的性能主要可從4個層面進行探討，分別是參數量，資料分析能力、處理資料的速度以及模型的泛用能力。一般而言，模型能在上述4個層面都表現優秀是很困難的。在本論文中，我們設計出一各性能皆優秀的深度學習模型―ExquisiteNetV2。我們選用了15個具公信力的影像辨識資料集以及1個物件偵測資料集進行實驗，並以上述提到的著名模型做為比較對象。我們分別使用兩種不同的權重更新法做實驗，根據實驗結果，無論使用何種權重更新法，在超過一半以上的資料集中，ExquisiteNetV2的分類正確率都是第一名。ExquisiteNetV2的參數量遠少於其他模型，但資料分析能力以及運算速度卻優於其他模型，因此，ExquisiteNetV2是一種高性能之輕量級卷積神經網路，可通用於影像分類與物件偵測之應用。
  • No Thumbnail Available
    Item
    語意分類及其應用於兩輪機器人控制
    (2020) 唐凡; Tang, Fan
    本論文目的在建構一語意分類系統，使指令不單局限在單一詞彙或單一描述，例如指令旋轉之後前進及前進之前旋轉視為同樣意思，使機器人不是單純的判斷關鍵詞的順序而是使機器人能夠自行判斷語意後執行動作，讓所接受的指令更為靈活且多樣。語意分類系統建構是先以文字語句作為訓練資料，將詞彙透過詞嵌入的方式轉為數據。接著，使用神經網路進行分類訓練，主要以卷積類神經網路(Convolutional Neural Network, CNN)、長短期記憶(Long Short-Term Memory, LSTM)這兩種神經網路進行建模，CNN 具有優秀的特徵擷取及處理能力，LSTM 則在序列表現異，透過實驗比較這兩種方法，並選擇結果較好的架構應用於兩輪機器人。
  • No Thumbnail Available
    Item
    以卷積神經網路實現睡姿辨識系統應用於壓力感測床墊
    (2020) 嚴謹; Yen, Ching
    睡眠姿勢(以下簡稱睡姿)是評估睡眠品質的重要因素之一，同時也與許多慢性疾病有所關聯。在醫療實務中，睡姿對於睡眠呼吸中止症影響重大，其患者應避免仰臥的睡姿，並儘量以側身姿勢入眠。除了睡眠呼吸中止症之外，睡姿亦與壓瘡的防治有關。所謂壓瘡是指人體覆蓋骨突處的皮膚長期受到外在壓力，造成皮膚、皮下組織、肌肉與骨頭受傷、潰瘍甚至壞死。剛完成手術及行動不便需長期臥床的病患因無法自行翻身，而容易造成壓瘡產生，這些病患需要照護人員定期幫他們翻身，以避免長期維持同一睡姿。 基於上述提及睡姿與醫療應用的關聯性，如能開發出一套即時且自動化的睡姿辨識系統，時時監控需求病患的睡姿，當病患於床上出現不當的睡姿或是長期維持同一睡姿時，系統能對照護人員發出提醒，便對這些病患有莫大的幫助，也能使照護作業更有效率地進行。 本研究透過壓力感測床墊取得各式睡姿的壓力分佈數據，再以深度學習之卷積神經網路(Convolutional Neural Network, CNN)對數據進行訓練並建模，進而開發出以Android行動裝置為終端運算裝置的自動化即時睡姿辨識系統。本研究分為以下三個步驟：1.定義睡姿與數據收集；2.以卷積神經網路建模；3.開發Android應用程式進行睡姿辨識。本研究使用的壓力分佈數據是透過10名受試者根據自行定義之睡姿躺在壓力感測床墊上收集而來。經過卷積神經網路建模後，本研究將以LOSO(Leave-One-Subject-Out)的方式來驗證模型準確率。透過Android行動裝置作為運算端與介面端的系統架構，其優點為低時間延遲、靈活開發性與高機動性。
  • No Thumbnail Available
    Item
    以CNN為基礎之語音辨識系統及應用於兩輪平衡車的控制
    (2019) 林哲宇; Lin, Jhe-Yu
    本論文實現語音辨識及使用語音控制於兩輪平衡車，語音辨識系統使用基於TensorFlow之上執行的Keras完成，語音訊號利用梅爾頻率倒譜係數(Mel-Frequency Cepstral Coefficients, MFCCs)提取特徵值，並使用卷積類神經網路(Convolutional Neural Network, CNN)進行學習及建立模型。 兩輪平衡車使用Arm Cortex M0之微控制器實現，整體架構包含馬達、驅動電路、改變重心的機械結構及各類感測器。本論文採用比例、積分及微分控制器(Proportional-Integral-Derivative, PID)進行對兩輪平衡的控制，並以機械結構使重心改變達成兩輪平衡車前進或後退的功能。 本論文針對語音辨識系統架構修改進行實驗，挑選出正確率最高的架構應用於兩輪平衡車之控制中，最後實驗證實此論文的可行性。