理學院

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/3

學院概況

理學院設有數學系、物理學系、化學系、生命科學系、地球科學系、資訊工程學系6個系(均含學士、碩士及博士課程),及科學教育研究所、環境教育研究所、光電科技研究所及海洋環境科技就所4個獨立研究所,另設有生物多樣性國際研究生博士學位學程。全學院專任教師約180人,陣容十分堅強,無論師資、學術長現、社會貢獻與影響力均居全國之首。

特色

理學院位在國立臺灣師範大學分部校區內,座落於臺北市公館,佔地約10公頃,是個小而美的校園,內含國際會議廳、圖書館、實驗室、天文臺等完善設施。

理學院創院已逾六十年,在此堅固基礎上,理學院不僅在基礎科學上有豐碩的表現,更在臺灣許多研究中獨占鰲頭,曾孕育出五位中研院院士。近年來,更致力於跨領域研究,並在應用科技上加強與業界合作,院內教師每年均取得多項專利,所開發之商品廣泛應用於醫、藥、化妝品、食品加工業、農業、環保、資訊、教育產業及日常生活中。

在科學教育研究上,臺灣師大理學院之排名更高居世界第一,此外更有獨步全臺的科學教育中心,該中心就中學科學課程、科學教與學等方面從事研究與推廣服務;是全國人力最充足,設備最完善,具有良好服務品質的中心。

在理學院紮實、多元的研究基礎下,學生可依其性向、興趣做出寬廣之選擇,無論對其未來進入學術研究領域、教育界或工業界工作,均是絕佳選擇。

Browse

Search Results

Now showing 1 - 10 of 76
  • Item
    利用硬體加速器在RISC-V平台實現智慧手勢識別之研究
    (2024) 田敬瑄; Tien, Ching-Hsuan
    隨著手勢辨識技術在多媒體娛樂和智慧家電控制等領域的廣泛應用,隱私保護和低延遲推論速度已成為提升用戶體驗的關鍵因素。邊緣計算,由於其能在本地設備上即時處理數據,強化了數據的隱私保護並顯著減少數據傳輸和處理的延時,因而被重視。本研究開發的智慧手套手勢辨識系統採用開源的RISC-V指令集架構SoC,並在FPGA平台上實現了低成本及高效能的部署。透過整合Gemmini硬體加速器,本系統顯著提升了邊緣設備的計算效能及模型的推論速度。實驗結果顯示,配備硬體加速器的SoC相較於未搭載加速器的SoC,推論速度提升達55倍,同時維持了手勢識別的高準確度。該邊緣系統的實施不僅確保了用戶數據的安全,也通過硬體加速器顯著降低了推論時間,進一步提升了用戶體驗。本研究證明了開源技術和硬體加速器在邊緣計算領域的有效性,為未來智慧裝置的技術進步提供了一個經濟且高效的解決方案。
  • Item
    探究熵力宇宙學的基本性質
    (2024) 林婉姝; Lin, Wan-Shu
    none
  • Item
    探討融入教學影片講解數學建構反應題對八年級學生解題表現與學習動機之影響
    (2024) 戴愉軒; Dai, Yu-Hsuan
    本研究旨在探討教學影片融入數學建構反應題教學對八年級學生解題表現與學習動機的影響。採用準實驗設計,研究對象為八年級學生,分為實驗組(影片教學)與對照組(教師親自講解)。研究結果顯示,實驗組學生在數學解題表現及學習動機上均顯著優於對照組,證實教學影片的融入能有效提升學生的解題表現與學習動機。此外,通過半結構式訪談分析學生的學習感受,發現教學影片作為教師的分身,有效提升學習的便利性與互動性,特別是對自主學習和重複學習提供顯著支持。由半結構是訪談後經主題分析法之結果發現,快組學生認為教學影片有助於提升其問題解決能力;中組學生指出影片增強對數學概念的理解;慢組學生則強調影片提供額外的理解與練習機會。綜合以上研究結果,本研究實證教學影片在促進數學建構反應題解題表現與學習動機的有效性,並為未來教學實踐提供了實證研究基礎。
  • Item
    國中生在形成與詮釋任務中的數學創造力表現:以數據分析為例
    (2024) 林奕安; Lin, Yi-An
    本研究探討國中生在解決數學素養題目時之創造思考表現。題目設計強調數學數學解題過程中的形成過程與詮釋過程,數學內容為數據分析。在此題目設計情境下探討學生在流暢性、變通性及獨創性三個創造力指標中的表現。研究樣本兼採立意取樣及方便取樣,在臺灣3所學校29個班的八及九年級學生中隨機抽取合計494位學生參與研究。研究採用問卷調查法,使用與真實世界相關的情境設計開放式問題,題目的設計以刺激學生創造思考表現為主,每個題目的適當答案至少超過20種。研究結果發現在形成、詮釋這兩個數學過程中,學生在各個創造思考指標的表現都是依照流暢性、變通性、獨創性的順序下降。對於流暢性及變通性,學生在形成過程及詮釋過程的表現差異極大;對於獨創性,學生在這兩個數學過程的表現差異不大。本研究發現,學生除了使用題目給予的刺激,也會使用個人的知識或經驗結合題目的要求產生意想不到的新產品。而針對數學成就測驗與數學創造力的關係,無數學創造力的學生與中、高數學創造力的學生在數學成就測驗的表現有顯著差異。
  • Item
    基於 AI 硬體加速器的自動化類神經網路設計與部署之研究
    (2023) 黃任慶; Huang, Ren-Ching
    由於大多邊緣裝置由於對於類神經模型推理的運算效率不佳,因此邊緣裝置通常會搭配上AI硬體加速器,來進行更有效率的運算。然而如何將類神經模型推理應用至AI硬體加速器進行加速,必須從軟體端加速器的使用,到硬體端加速器的架構,都要有深刻理解,這對於開發者來說是一個不小的挑戰。本論文研究基於RISC-V架構下的 Gemmini 硬體加速器平台,開發一套圖形介面工具。開發者根據自身的需求,在工具中選擇需求的模型架構,將其轉換成中間表達式,藉此生成模型架構程式碼,以及硬體推理程式碼。模型架構程式碼供軟體端模型訓練以及模型量化用;硬體推理程式碼供邊緣裝置利用硬體加速器進行模型推理。本論文將透過圖形介面生成之程式碼,生成基於CNN,以及GRU的兩種不同模型架構,執行於含Gemmini加速器平台的FPGA板上,以Clock Cycles為運算速度的根據,比較模型運算時使用加速器與否的差別。藉由兩種不同種類模型的比較,驗證Gemmini的加速效果及使用本研究開發之圖形介面的可行性。
  • Item
    以改良式粒子群演算法進行分類問題之特徵選擇
    (2023) 呂政儒; Lu, Cheng-Ju
    特徵選擇是分類問題中降低問題維度的一種重要前處理技術,能消除冗餘和不相關的特徵,留下有用的特徵進行分類,提高分類準確率。隨著資料集維度增加,搜尋空間將急遽加大,這對各種最佳化演算法來說是一個挑戰。本研究希望能提出演算法,以小量計算資源找到一組少量且具有良好分類效果的特徵子集。研究基於當今主流的粒子群演算法,加入搜尋空間調整相關設計、參考相對優秀粒子的較差粒子調整策略,以及一個具方向性的新粒子群產生策略,該策略使用外部族群更新與紀錄演化過程中找到的多組特徵子集,並將其作為產生新粒子群的參考點。實驗結果與文獻演算法比較後,顯示所提出之演算法機制與設計具有良好的分類效能與較少的特徵數。
  • Item
    利用室內空氣資料進行呼吸道疾病預測模型
    (2022) 陳昱如; Chen, Yu-Ru
    在高齡化時代,台灣約有1.5%的老人人口安置於長期照護機構內。隨著年齡增長,長者往往有較脆弱的免疫系統以及肺功能,因而也有較高的危險性罹患呼吸道相關的疾病。由於長照機構通常為較密閉的空間,因此室內通風與空氣品質較為不佳。當有長者感染呼吸道疾病,造成群聚感染的風險也相對較高,而同時呼吸道疾病也會加重長者衍生成合併症及致死程度的危險性。如果能在長者感染的初期就提出警訊,以及早警告醫護人員並對其進行診斷及隔離等措施,就能夠降低長照機構中群聚感染發生的機率。本研究提出了運用自動編碼器的無監督式異常檢測室內空氣品質方法 (Unsupervised Anomaly Detection using Indoor Air Quality with Autoencoder for Respiratory Disease Prevention, AutoUAD-IAQ)以預防呼吸系統疾病傳染。初期本研究利用微型空氣感測器-Airbox蒐集長照機構的室內空氣品質,同時記錄長照機構感染呼吸道疾病的人數與時間。結合蒐集的資料並利用提出的呼吸道疾病預測模型方法來預測罹患呼吸道疾病的可能性,並在感染初期提出警訊以預防群聚感染的發生。
  • Item
    求解多極值連續型最佳化問題之演化演算法設計
    (2023) 黃敬庭; Huang, Jing-Ting
    多極值連續型最佳化問題需要在決策空間中找出數個相異的全域最佳解,許多現實問題皆是多極值問題,如:桁架 (truss) 結構最佳化、藥物分子設計及工廠排程問題等,在此類問題中找到相異的全域最佳解可以幫助決策者了解問題背後隱藏的因素,或是提供備選方案以備不時之需。近幾年演化演算法逐漸成為解最佳化問題的主流演算法,此類方法利用解個體之間彼此交換資訊、產生新的解個體以此來使族群逐漸往全域最佳解收斂,但收斂意味者族群多樣性喪失或陷入區域最佳解而無法找出其它潛力解,因此如何避免收斂並維持族群多樣性以搜尋不同的區域,是利用演化演算法解多極值最佳化問題的其中一項重要議題。本論文提出了使用混合利基法之潛力區域探索演算法框架 (Promising Area Exploration based on Hybrid Niching, PAEHN),探討如何將主要族群分為多個子族群以搜尋解空間中的相異區域。在演化過程中記錄潛力解區域,當子族群都已收斂或停滯時,在潛力解區域附近重新產生主要族群以搜尋更多最佳解。此框架可套用不同的演化演算法進行演化,本論文使用 SHADE 作為基底演算法,SHADE 為自適應參數控制的差分演算法且已被證實於連續型單目標最佳化問題具有良好的效率。實驗結果得知 PAEHN 在容許誤差小的情況下具有良好的競爭力;而在容許誤差大的情況下具有相當強的優勢,於 20 個測試問題中有 18 個問題可以找出所有的全域最佳解,且 PAEHN 不需要使用問題的任何先備知識。
  • Item
    鯊魚皮齒的演化與功能形態
    (2023) 戴芮琪; Rikke Beckmann Dahl
    None