學位論文

Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73912

Browse

Has files: No

Search Results

Now showing 1 - 10 of 332
  • No Thumbnail Available
    Item
    開放式學習應用於優化多目標的連子棋類遊戲
    (2024) 邱宣凱; Chiu, Hsuan-Kai
    Open-ended learning是Google DeepMind在2021提出的一種AI，與以前常見的AI不同，Open-ended learning的AI並不會將一種任務做到最佳化，但Open-ended的AI可以做到多種不同的任務，是以多目標最佳化為訴求的AI。目前由於Open-ended learning 是一種非常新的概念，其文獻的數量處於一個相對較少的狀況，實作方面也是在一個較為模糊的階段。故本研究希望使用相對熟悉的技術以及遊戲規則，來嘗試實作出與Open-ended learning類似或是相同的AI。連子棋是一種雙人對弈的遊戲，雙方玩家在圍棋棋盤上輪次落子，先將指定顆數的己方的棋子連成任何橫縱斜方向者為勝。而本研究使用的五子棋、四子棋、及三子棋，規則上除了目標棋子數為五顆、四顆和三顆之外，還有縮小了棋盤的大小。由於Open-ended learning的AI的訓練資料是由程式生成的，故本研究打算以能透過自我對弈來產生訓練資料的alpha-zero-general，來做為實現Open-ended learning的AI的核心，本實驗透過修改alpha-zero-general中自我對弈的部分來使訓練出來的AI獲得可以下多種棋規的能力。
  • No Thumbnail Available
    Item
  • No Thumbnail Available
    Item
  • No Thumbnail Available
    Item
  • No Thumbnail Available
    Item
  • No Thumbnail Available
    Item
  • No Thumbnail Available
    Item
    多路徑解的雙自由度陽光反射系統研究
    (2024) 陳韻帆; Chen, Yun-Fan
  • No Thumbnail Available
    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。
  • No Thumbnail Available
    Item
    利用 Radius Neighbors Regressor 模型預測台灣股市加權指數並賦予強弱指標
    (2024) 黃昱凱; Huang, Yu-Kai
    股票投資是現代人在累積資產上不可或缺的工具，雖然投資理財有賺有賠，但是若能夠找到一套良好的交易策略，以及善用各種分析工具，達到長期穩定獲利也是一件可以期盼的事情。本論文使用Radius Neighbor Regressor之機器學習方法並結合個人之股票交易經驗，在特定時間窗口之大盤強弱指標以及大盤中長期的多空頭判斷上取得了良好的結果。在實作上，我們使用Radius Neighbor Regressor與個人交易經驗所挑選出的特徵值作為產生強弱指標的依據。資料收集樣本時間為2013/1/25~2023/12/21，總共2668個交易日。主要資料來源取自XQ全球贏家之資料庫，並且使用所經加權後的強弱指標分別在幾種預測時間的長短進行比較與分析。從實驗結果驗證，我們發現使用Radius Neighbor Regressor搭配個人交易經驗所挑選出的特徵值，在以60個交易日預測後20個交易日的結果準確率高達73%，且在傳統多空頭的分析上也得到了良好的結果。另外，還證明了在特徵值選擇上以個人交易經驗做選擇的優勢，最後也彌補了單純使用Radius Neighbor Regressor機器學習方法的缺點，得出最佳的一種大盤強弱指標之模型。
  • No Thumbnail Available
    Item
    偶著色問題之探討
    (2024) 饒旻書; Jao, Min-Shu
    給定一個無向圖G，如果著色φ對所有頂點v皆存在一顏色c使得N(v)內顏色為c的個數為正偶數，則著色φ為偶著色。對於任意正整數k，k-偶著色問題為是否存在一k-著色為偶著色。關於2-偶著色問題，我們提出此問題在二分圖上是NP完備問題。在conflict-free著色問題上，Bhyravarapu等人在Conflict-Free Coloring: Graphs of Bounded Clique Width and Intersection Graphs中提出使用團寬與顏色數作為參數的固定參數可解演算法。延伸他們的想法，我們提出了在2-偶著色問題上使用秩寬作為參數的固定參數可解演算法。對於conflict-free 著色問題，我們給出了在有支配點對的二分圖上conflict-free著色問題色數的上界。