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 - 5 of 5
  • Item
    腳底壓力辨識系統對於穿著不同鞋種的機器學習與特徵組合之研究
    (2023) 許家維; Hsu, Chia-Wei
    物聯網應用在近年生活中越來越廣泛,像是智慧型手機、智慧手錶與電腦等,皆讓人類的生活更加便利,為了快速且更安全的身分認證來解鎖相關設備,生物辨識技術扮演了非常重要的角色,此技術相較於傳統文字密碼而言,不易被偽造且安全度較高。在過去的腳底壓力分析的研究中,大多皆以赤腳為主要實驗條件,對於在多鞋種相關的條件下研究較少,其使用成本較高的設備進行研究,因設備成本較高對於腳底壓力辨識技術廣泛的應用較為困難。本論文主要在探討受測者穿著多鞋種的情況下,使用腳底壓力辨識技術搭配機器學習與特徵進行身分辨識,最終分析不同機器學習與多特徵組合之辨識率、訓練時間和鞋種。實驗結果顯示使用隨機森林 (Random Forest, RF)在多鞋種實驗中可以達到最佳辨識率77%,訓練時間為2.83秒是所有機器學習中訓練時間最快;其在單一鞋種實驗中可以達到86%辨識率並發現慣用鞋能有更高辨識率。
  • Item
    腳底壓力辨識系統對於受測者在不同負重支撐點與重量之分析與研究
    (2021) 楊瑀婕; Yang, Yu-Chieh
    近年來,隨著物聯網應用的興起,網絡通訊不只侷限在手機與電腦間,除了帶來人類生活的便利外,資訊安全的議題也逐漸被重視,因而延伸出具唯一性的生物識別技術,生物辨識的簽名認證有別於傳統的文字或圖像式的帳號與密碼,其不易被偽造的特性也使得安全程度變得更為可靠。在過去的腳底壓力分析的研究中,比較少有提及與探討受測者在身體不同位置處攜帶負重,對於受測者攜帶不同重量的負重的研究也較無著墨。本論文主要在於探討受測者在赤腳情況下於,右側攜帶不同重量的負重與後側攜帶不同重量的負重對於搭配機器學習的腳底壓力感測技術的辨識度和模型訓練時間的影響的分析與研究。實驗結果顯示使用平均腳底壓力資料與攜帶大負重量會提升腳底壓力的辨識率。
  • Item
    基於複數多維結構特徵提取的雌激素受體活性預測器-多維度學習
    (2021) 楊傑宇; Yang, Chieh-Yu
    隨著人類工業及科技發展,許多新興的化學物質隨著工業製程,或是其為產品本身被排放至自然環境中。其中某些新興化學物質將會干擾體內荷爾蒙運作,因此被稱作是內分泌干擾素。目前已有多項報告顯示人類所排放的化學物質將會對環境中的生物造成生理功能上的負面影響,另外,某些人類於工業製程中使用的化學物質也具有一定的腺體毒性。然而,此類新興物質具有大量類似異構物,實驗上鑑定大量化學物質需耗費大量時程,因此提出一個能預測化學物質與受體活性的模型將有助於人類鑑定及分析內分泌干擾素。本研究利用CERAPP所提供的資料集,建構出一種以化學物質之One-hot編碼與化學結構圖,兩種不同維度的結構資訊做為特徵提取對象,並嘗試預測其與雌激素受體的結合活性,稱作Multi-D learning。本研究報導了透過兩種複合數據訓練的深度學習網路比兩者個別訓練的網路表現得更好,並進行了案例研究,並且得出了幾例十分有利的結果。綜上所述,我們訓練了一個多輸入的類神經網路稱作Multi-D learning,並且可以用於其他研究人員篩選會與雌激素受體結合的化學物質。
  • Item
    腳底壓力辨識系統結合機器學習之分析與研究
    (2019) 陳建翰; Chen, Chien-Han
    由於近年來生物辨識技術的興起,讓認證方式不再同於以往的帳號密碼,不僅使生活更為便利且其安全程度也更為可靠,不過在廣大的生物辨識市場之中,系統成本與辨識度考量下要如何達成平衡一直都是辨識系統難以普及化的重點議題之一,在過去研究發現,系統在特徵提取的結果與系統著重於機器學習效果的比例較少,在訓練時所耗費的成本也較無研究。本論文主要在於研究探討分析腳底壓力資訊取出特徵,並與機器學習搭配組合,創造出快速取得腳底壓力資訊且快速訓練且擁有高準確率的系統模組,接著並進一步根據系統辨識率與感測器感測狀況來調整數量達到節省成本的目的。實驗結果顯示我們所開發的系統不僅在辨識結果上有不錯的成績,在訓練處理時時間與辨識時間上也能達到良好的效果,成本上也比先前的便宜,並獲得對此系統普及化與實作上有助的資訊。
  • Item
    NEO 與 GHA 多通道棘波分類系統之低功率電路設計
    (2015) 陳映綸; Chen, Ying-Lun
    本研究旨在完成一可植入式棘波分類晶片之電路設計與合成。由於植入式晶片與大腦緊密接觸,晶片面積太大會壓迫腦部,功耗太大可能會導致腦細胞受損,不可不慎。因此在設計時,晶片的面積與功耗會成為重要考量。 本研究提出基於NEO演算法的棘波偵測器以及基於GHA演算法的特徵擷取器,配合架構上的運算單元共享,設計出高效能、低功耗、低面積的電路架構。本研究並且將電路實作於ASIC流程上,相對於FPGA開發,可更有彈性的調整晶片的面積與功耗。本研究也導入了clock gating技術,透過抑制記憶體單元的動態功耗,進一步降低晶片的耗電量。 本論文最後提出電路架構的瓶頸分析,並根據分析結果,選出數組最佳參數進行進一步的面積、功耗分析。我們證明所設計出來的晶片比起其他現有的架構,有更好的面積、功耗表現,並證明clock gating在節省功耗上起了關鍵作用。本論文也簡短討論並說明GHA作為特徵擷取演算法,與在此領域常用的PCA演算法的擷取效果相去不遠,實為一有效率之替代方案。