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 - 1 of 1
  • Item
    基於循環神經網路之注視區域分析
    (2020) 李欣芸; Lee, Hsin-Yun
    人類在認知學習的過程中,大部分的訊息是透過眼睛視覺所獲得,並且在視線範圍內若能找到感興趣之區域,會產生一系列的凝視與掃視反應,因此若能掌握眼球運動視覺軌跡,即能分析使用者之行為模式與認知學習歷程,而此模式已廣泛應用於各個領域之中。 過去所使用的注視追蹤方法,在蒐集注視數據資料時,通常會將使用者頭部固定,再進行注視模型訓練與分析,藉此提高訓練分類之準確率。然而當使用者頭部偏移時,則會導致注視分類預測之準確率降低,因此本研究探討非固定頭部的分類準確度。 本研究使用一般的網路攝影機,為了提升非固定頭部分類之準確度,過往的注視追蹤之研究常以眼睛外觀模型劃分注視區域,本研究則探討訓練模型架構結合卷積神經網路架構與循環神經網路之演算法,透過計算頭部姿勢預估中的俯仰角、偏航角與翻滾角加入模型訓練,使得使用者頭部能在偏移範圍於俯仰角+/-10°與偏航角+/-20°內移動,並且同時參考前一秒時間空間序列上的視線區域,再做注視點預測與分析,提高注視區域分類準確率表現。 透過本研究所提出CNN+RNN之訓練模型,在不同注視區域劃分下為2x2準確率達 98%、3x3準確率達 97%、4x4準確率達 90%、5x5準確率達 85%、6x6準確率達 80%、7x7準確率達 74%、8x8準確率達 69%、9x9準確率達 62%,相較於單一採用CNN架構訓練模型分類準確率,CNN+RNN模型架構能有效提升整體注視區域分類準確率 7~15%。