學位論文

Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73894

Browse

Start date: 2004

Search Results

Now showing 1 - 10 of 484
  • No Thumbnail Available
    Item
  • No Thumbnail Available
    Item
    基於強化學習結合KAN網路和注意力機制的創新混合架構應用於多機器人避障系統
    (2025) 姜嵐新; Jiang, Lan-Shin
    本研究提出一種結合 Kolmogorov-Arnold Network（KAN）與多層感知器(Multi-layer Perceptron , MLP）的創新架構，用於解決多機器人系統中的避障問題。隨著機器人技術的發展，多機器人系統在複雜環境中的運作日益普及，有效的避障策略成為確保系統安全與高效運作的關鍵。本研究設計了一種整合卷積神經網路（Convolutional Neural Network , CNN）、注意力機制（Attention）與 KAN 的混合架構，結合近端策略優化(Proximal Policy Optimization , PPO)算法進行強化學習訓練。實驗結果表明，與傳統的 CNN-MLP 架構相比，所提出的 CNN_ATT_MLP_KAN-PPO 架構在參數效率、學習效率和泛化能力方面均具有顯著優勢，特別適用於複雜環境和大規模多機器人系統。研究結果不僅驗證了 KAN 網路在實際應用中的價值，也為多機器人協作系統的發展提供了新的技術路徑。
  • No Thumbnail Available
    Item
    基於深度神經網路之橢球作物自動採收辨識系統研究
    (2025) 連偉淵; Lien, Wei-Yuan
    由於農業面臨日益嚴重的勞動力短缺問題，使得智慧農業已成為發展的方向，其中在自動化採收中視覺辨識與姿態估計為待解決的課題之一。由於現有深度學習方法受限於作物外觀的高度變異、遮蔽狀況及對大量標註資料的依賴。同時，市售 RGB-D 相機在近距離（約 1 公尺）內所產生量化誤差，使點雲數據出現階梯狀失真，嚴重影響姿態估算的準確性。針對此問題，本研究以經濟價值高且形狀近似橢球的小型番茄為對象，提出結合Mask R-CNN和EPNet之創新視覺系統，EllipsoidParamsNet，以有效辨識並估計其三維位置與空間姿態。系統中， Mask R-CNN可進行實例分割， EPNet 是包含具空間轉換網路、自編碼器與點雲補償功能的量化誤差修正模組，與對應此模組之橢球姿態估計的最小平方法，及用於採收時的橢球參數修正器。結果顯示，與傳統高斯濾波及 RANSAC 方法相比， EPNet 在10000 筆點雲資料比較實驗中的處理速度上快近 190 倍，並具備更高的準確性與穩定性。而在溫室採收實驗中，對於不同傾斜角度之小型番茄，其採收成功率大於 70% 。除此，本研究亦成功應用於小黃瓜採收，顯示本系統可實現跨作物之採收。
  • No Thumbnail Available
    Item
  • No Thumbnail Available
    Item
  • No Thumbnail Available
    Item
  • No Thumbnail Available
    Item
  • No Thumbnail Available
    Item
    氮化鋁覆蓋層應用於氧化鋯鉿鐵電元件之電性分析
    (2025) 林書玄; Lin, Shu-Hsuan
    隨著科技近年日新月異的發展越加迅速，科技也在不斷的創新，帶動人工智慧(AI)、物聯網(IoT)應用技術、5G/6G通訊、汽車自動駕駛、高效能運算(HPC)等關鍵技術的成長，數據存取及整理相對重要，鐵電記憶體就扮演格外重要的角色，以其低功耗、讀寫快、耐久度優異的表現，成為其半導體發展重點。本研究使用氨電漿沉積氮化鋁作為覆蓋層，希望能減少介面缺陷產生，穩定上電極與氧化鋯鉿薄膜的介面品質，並且調變氮化鋁覆蓋層的氮含量10%、20%、40%、50%，探討其對氧化鋯鉿鐵電/反鐵電元件特性之影響。根據實驗結果皆以退火溫度600 °C為最佳條件，氮化鋁覆蓋層鐵電結構在操作電壓2.5 V下，在氮含量50%有最優異的兩倍殘餘極化量20.52 µC/cm²，在漏電流量測可以得知所有氮化鋁覆蓋層鐵電結構的漏電流值介在1.49×10-10 A ~ 1.15×10-9 A之間皆低於無覆蓋層鐵電結構2.25×10-9 A，氮化鋁覆蓋層反鐵電結構在操作電壓3.5 V下，氮化鋁覆蓋層反鐵電結構(N:20%、50%)表現出明顯反鐵電雙遲滯曲線特徵，且所有氮化鋁覆蓋層結構的漏電流值皆低於無覆蓋層反鐵電結構，觀察到在氮含量50%氮化鋁覆蓋層應用在鐵電或反鐵電結構上顯著提升極化特徵，並且抑制漏電流，推測高氮含量可以強化氮化鋁覆蓋層鍵結，提升熱穩定性，相較於其他氮含量結構，更有利於鐵電/反鐵電相的形成，同時達到抑制漏電流的效果。在耐久度分析中，從實驗結果得知與氮化鋁覆蓋層鐵電結構經過108次循環操作次數測試後的衰減率介在80.8% ~ 86%之間，皆低於無覆蓋層鐵電結構的89.9%。接著討論無覆蓋層反鐵電結構經過108次循環操作次數測試後的衰減率為13.5%，其中氮化鋁覆蓋層反鐵電結構(N:20%、40%、50%)的兩倍殘餘極化量略為提高，以上實驗結果顯示氮化鋁覆蓋層應用於鐵電/反鐵電結構中可以提升元件耐久度，改善的主要歸因於氮化鋁覆蓋層也可作為介面調控層，均勻分散電場應力於鐵電層上，且也能有效減少介面缺陷產生，降低元件漏電流、使元件在長期操作下仍能維持穩定的電性表現。再進一步探討比較在電壓3 V與退火溫度700 °C條件下，結果顯示鐵電結構於10⁷次循環即發生崩潰，而反鐵電結構則可穩定運作至10⁸次，然而反鐵電結構相比鐵電結構具備更持久可靠度，可能歸因其內部氧空位較少，能有效延緩薄膜擊穿，並且氮化鋁覆蓋層反鐵電結構的衰減率低於無覆蓋層反鐵電結構的66.5%，顯示出氮化鋁覆蓋層可以減少介面缺陷並穩定介面品質。
  • No Thumbnail Available
    Item
  • No Thumbnail Available
    Item