學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73901
Browse
30 results
Search Results
Item RIDNet深度學習去噪模型的提升:基於網絡結構與損失函數的調整(2024) 林宜亭; Lin, Yi-Ting自1970年代後期以來，隨著計算機視覺領域和數字影像處理的不斷發展，影像去噪技術也獲得了改善和創新。從最初基於空間域與變換域的濾波器、字典學習和統計模型的方法，到現今基於人工智慧的機器學習技術，可以發現影像去噪的方法日益多樣和精密。儘管許多去噪模型已經取得了相當不錯的成果，但仍然存在一些缺陷，比如需要手動設定參數、優化效果不佳，或者僅適用於特定類型的雜訊等。隨著卷積神經網路學習能力的增強和硬體技術的提升，基於深度學習的技術逐漸成為主要的影像去噪方法。卷積網路不僅能處理大量數據，還能進行高效的訓練和學習。然而，一般情況下的雜訊是無法得知的，因此能夠面對真實影像雜訊的盲去噪模型在當今的影像處理中尤其重要。這些模型必須具備強大的自適應能力，能夠有效地從影像中提取出雜訊的特徵並進行有效的去除，而不需要對雜訊進行先驗知識的設定。因此，在本篇論文中，對於盲去噪模型，我們將專注於擁有注意力機制和殘差學習的RIDNet，並對其EAM層數、激活函數及損失函數進行修改，並與其他現有的深度學習模型進行比較，如DnCNN和CBDNet。這些比較將幫助我們更了解模型，並為影像去噪技術進一步提供改善指引。Item 生存樹應用於有競爭風險的區間設限存活資料(2024) 詹博睿; Chan, Po-JuiItem Modified Faster R-CNN with Applications to Cat and Dog Image Detection(2024) 黃世龍; Huang, Shih-Long隨著深度學習技術的快速發展，神經網絡在物件檢測應用的範圍和性能上不斷改進，取得了顯著的進展。本論文基於 Faster R-CNN 框架，通過調整參數和卷積神經網絡，應用於 Kaggle 數據集中的貓狗圖像檢測。通過觀察性能變化並使用統計重採樣方法來確保數據集對模型精度和召回率的影響，論文展示了重採樣方法和參數調整如何影響模型的精度和召回率。在調整到最佳參數後，論文展示了基於 ResNet 的 Faster R-CNN 模型在物件特徵提取和邊界框回歸中的有效性，並比較了單階段物件辨識與兩階段物件辨識的精度差異。實驗結果表明，作為 Faster R-CNN 模型中特徵提取卷積神經網絡的 ResNet 在該數據集上表現出色，且兩階段物件辨識模型在此數據集上有較好的精度表現。Item 棒球投手受傷的復發事件分析(2024) 詹益杰; Chan, Yi-Chieh過去棒球數據分析主要著眼於選手的實力評估，像是使用Wins Above Replace-ment（WAR）值的指標，這些指標用來衡量一名球員相對於其他替代球員所能帶來的勝場數。此外，這些數據也被用來預測球員未來的表現，以及預測球隊在未來賽季中的勝場數等等。這些分析屬於賽博計量學的範疇，著重於數據背後的數學和統計模型。然而，過去的數據分析卻忽略了選手健康狀況在比賽中的重要性。究竟是什麼因素導致選手容易受傷受傷？是變化球的使用？與球種有關？或者是年齡、球速、以及球員的出賽次數和相關疲勞指標呢？從2015年到2023年間，Major League Baseball(MLB)開始記錄有達成一定局數限制下的投手以及他們的相關數據，包括他們的變化球種、球速、年齡等等。而一名投手的職業生涯中，可能發生多次受傷事故，這就意味著一位投手會有多個存活事件，為了探討這個問題，本論文使用存活分析中常見的復發事件邊際模型，包括Anderson-Gill 模型（AG）、Prentice-Williams-Peterson模型（PWP）和Wei-Lin-Weissfeld模型（WLW）。這些模型允許我們對擁有多次受傷事件的投手進行相關變數分析，從而更全面地理解各種因素對於投手健康和受傷風險的影響。我們也根據三個模型間的特性，比較模型間的差異。而在變數篩選時，將變數進行分類後，建立最佳模型以預測受傷風險。Item 基於標籤類別的權重之情感分析分類器(2024) 張庭瑋; Chang, Ting-Wei情感分析是自然語言處理的一個子領域，目的是依據文章中表達的正面或負面情感將文章分類。 多項式單純貝氏分類器、補集單純貝氏分類器和支援向量機是情緒分析中常用的三種方法。 為了改善這些分類器的結果，有許多監督/非監督術語權重方法可以用來輔助，這些方法會依據每個字在所有文章中的分佈情況給予不同的權重。 本論文提出了一種基於標籤的監督式術語權重來進一步改進這些分類器，此外，我們也提出使用 AFINN 字典將文字轉換到較低維度的情感特性來進行情感分析，避免過高維度帶來的龐大的計算量。我們分別用F1 分數、ROC 曲線和曲線下面積 (AUC)來比較我們所提的權重調整方法是否能幫助分類器有更好的表現。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 次序試驗設計於單機排程問題之應用(2024) 黃品森; Huang, Pin-Sen Richard次序試驗(OofA)研究物件添加的順序對於實驗結果的影響。在研究此類型實驗時，一個常用的分析方法是利用成對順序模型(PWO)。而在設計的選擇上，儘管包含所有可能排序的全次序設計是最佳的，實務上我們經常無法對每一種排序進行實驗。在本論文中，我們提出一個基於William設計且滿足多個平衡性質的部分次序設計，並展示其於單機排程問題中找出最佳排序的應用。此外，我們介紹一種基於成對順序模型的分數演算法，用於決定次序問題中的最佳執行排序。模擬的結果顯示該演算法能在短時間內提供一個相當接近最佳解的排序。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 數位化數學遊戲設計及其教學應用(2024) 林詠倫; Lin, Yung-LunItem Geometric flows for elastic functionals of curves and the applications(2022) Tran The Dung; Tran The DungNone
- «
- 1 (current)
- 2
- 3
- »