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
11 results
Search Results
Item 應用對比式演算法則於印刷電路板的自動元件檢測方法之研究(2023) 鍾暿峒; Chung, Si-Tung在現今工業的生產製程中，檢測產品上的瑕疵常會利用到自動光學檢測，透過將攝影裝置架設在產線上進行檢測。而印刷電路板做為電子工業製品的大宗，檢測上方的細小元件的數量和位置是一大難題。由於電子元件種類繁多，為了自動化檢測元件，建立並訓練類神經網路模型被視為一種解決方法。因為模型可以從大量的樣本中學習到特徵而且具備很高的辨識準確度，而其計算過程可以透過GPU的並行處理能力得到很快的推論速度。良好的模型架構可以讓模型適應不同的元件種類，同時對於增減元件可以具有更高的可擴展性來應對需求的變化。然而，現有的物件檢測模型對於小目標的檢測還無法達到高準確度，而工廠產線上的環境光源變化也增加了模型辨識元件的困難度。因此，對於現有的自動元件檢測方法，本論文以對比式理論為基礎，提出了一套使用在類神經網路模型的訓練方法。經過此方法訓練的模型可以在不同環境光線的影響下，依然能正確檢測出印刷電路板上的電子元件。由於工廠的產線不會只生產同一種產品，元件檢測方法應該要能夠應對不同的需求。但是，若元件的種類增加，會降低現有方法辨識的準確度。因此，本論文提出具有高度彈性的模型架構，可以根據不同的元件種類調整，且能檢測多種元件，也具有高準確度。實際情況下，待檢測的印刷電路板並非固定在產線上。若要做到Real-time檢測，需要邊緣運算裝置與攝影裝置搭配使用。而邊緣運算裝置的硬體資源有限，具備高準確度的模型往往有很大的計算量和總參數量。因此，本論文的模型架構會在增加少量參數的同時維持辨識的準確度，並能夠在邊緣運算裝置上正常運行。Item 電腦暗棋之人工智慧改良(2011) 勞永祥; Lou Weng Cheong一直以來電腦棋類人工智慧的發展主要集中在完全資訊的遊戲，完全資訊的棋類遊戲，盤面的資訊能完全掌握，審局資訊充足，並不含機率的成分。 電腦暗棋是屬於不完全資訊含機率性的棋類遊戲，不像西洋棋、中國象棋是屬於完全資訊的棋類遊戲，如果用一般遊戲樹進行搜尋，在走棋與翻棋夾雜的情況下，若需要對未翻棋子也要作走步搜尋，則需要對所有的未翻棋子都作假設模擬，以求得一個接近的結果。但並不容易準確的審出結果。 經過ICGA 2010、TAAI 2010及台大資工所game theory課程等多次電腦暗棋比賽，由國立東華大學資訊工程所、國立台灣師範大學資訊工程所以及國立臺灣大學資訊工程所等所開發的電腦暗棋程式都有著共同問題，就是走子或翻棋，都還不太理想。 由於無法合理地走子或翻棋，導致走閒步，棋局無進展。這樣的結果使得在電腦暗棋的比賽中，往往優勢的一方也因為無目標，局勢無法進展，而變成平手結果。 本論文主要提出電腦暗棋的一套新的策略以解決局勢無法順利進展的問題。另外提出更準確的棋子間距離影響力之計算方法。實測結果顯示，本程式Black Cat 比起去年ICGA 2010及TAAI 2010的亞軍程式Dark Chess Beta（本校研究生謝政孝所研發）約有五成六的贏率。Item 吹牛骰子之人工智慧改良(2011) 唐心皓; Hsin-Hao Tang吹牛骰子主要分為individual hand（多人共用一副骰子）與common hand（玩家各自擁有一副骰子）兩種。其中individual hand類型在過去已有些許研究成果，例如使用近似模擬法、經驗法則、對手行為模擬與動態規劃等。而common hand類型於2009年由國立台灣師範大學黃信翰研究生發表吹牛骰子之人工智慧論文中首度呈現研究結果。其捨棄傳統常用的賽局樹搜尋與亂數模擬法等耗用大量計算資源的方法，利用賽局理論，以一種簡單明快的作法來達到此遊戲的最佳（或較佳）玩法，並採用貝氏信賴網路，在連續對局中對網路進行訓練，達成對手行為模擬的效果，藉此發掘對手的弱點來提高勝率。此為common hand類型的吹牛骰子之創新與突破的研究，對於其他與各種啟發式規則所實作之程式均有六至七成的勝率，並且與具有一定水準的人類玩家對戰，也有與之抗衡的能力。 本論文主要針對黃信翰研究生的吹牛骰子之人工智慧程式加以改良，並提出更佳的電腦決策流程，以期提高與其他電腦程式和人類玩家對戰的能力。 實驗結果顯示，與黃信翰研究生的吹牛骰子之人工智慧程式對局，勝率約為56%；與目前網路上吹牛骰子程式對局，勝率可達八成以上。Item 暗棋中棋種間食物鏈關係之探討與實作(2010) 謝政孝電腦棋類一直是人工智慧發展的重要領域之一，而電腦暗棋至今仍較少人對其做較深入的研究。暗棋是屬於不完全資訊含機率性的棋類遊戲，不像西洋棋、象棋是屬於完全資訊的棋類遊戲，所以如果用一般遊戲樹進行搜尋，在走棋與翻棋夾雜的情況下，會因分枝度過大而無法做深入的搜尋，因此難以做出較佳的決策。 本論文希望改良先前謝曜安研究生的暗棋程式，首先改進他的走步生成方式，與審局函數的計算。由於他的審局函數是採用靜態子力去計算分數，不論盤面資訊如何，其各個子力價值恆為固定，在許多情況下會產生誤判，我們希望可以藉由盤面改變而動態的改變子力價值，更客觀小心的審視盤面，並以這審局函數來實作在暗棋中關於其棋種間特殊的食物鏈關係，以期加強暗棋程式的棋力程度，並使棋力超越人類玩家水平。Item 八層三角殺棋的勝負問題之研究(2009) 白聖群電腦棋類遊戲在人工智慧領域中是很重要的。而三角殺棋部份，自從許舜欽教授在1985年研究出七層三角殺棋結果後。三角殺棋更多層數的結果，就沒有任何相關文獻了。 在本論文中，我們使用CPU為AMD Athlon64 X2 4000+ 2.1GHz，記憶體為8G Byte的個人電腦，花費約十四個小時半的時間，證明了兩種規則的八層三角殺棋皆為先手勝。 我們除了找到八層三角殺棋的結果，也提出了一些解三角殺棋勝負時，可以加快搜尋勝負速度的方法。雖然研究過程中花費許多時間在倒推法上，但我們也研究出來所有先前求出的盤面是可以運用到之後要求解的三角殺棋。並且提出了一個管理記憶體的方式，使得在求解三角殺棋的過程中，盤面資訊狀態可以儲存，這樣就可以利用較少量記憶體來解八層三角殺棋，而不必動用到虛擬記憶體。Item 電腦象棋開局庫之改進研究(2008) 張修正電腦棋類遊戲在人工智慧領域中是很重要的。而開局庫的部份，一直較缺乏深入的研究。開局庫的建造方法有從棋書輸入、對戰結果統計或是使用中局程式來自動展開。對於這麼龐大的開局庫，其中也可能包含了一些不好的走法。傳統的作法，可能需要聘請高段的棋手，來幫我們檢視及修正，但對於許多電腦棋類的作者來說，可能無法負擔這樣的花費。 在本論文中，我們首度提出一個新的建造開局庫的構想：以市面上可以取得的棋軟為師，我們可採集他們在開局時的走步，因而建造一個更完整的開局庫。再藉由目前棋軟所擁有的搜尋引擎，配合電腦可長時間運作的特性，來調整我們的開局庫，修正其中可能隱藏的錯誤。 經由實驗，我們發現這樣的作法可提高開局庫的正確性，並且可自動化地逐步更新開局庫。Item 電腦象棋深象中局程式的設計與實作(2006) 黃文樟電腦博奕在人工智慧領域中，一直是引人關注的，在深藍打敗西洋棋棋王Karsparov之後，象棋由於複雜度與西洋棋接近，在資料結構與搜尋演算法方面與西洋棋有許多相似或共通之處，成為下一個最有可能打敗人類棋王的棋類遊戲，近年來也吸引了許多人投入研究。 本論文介紹電腦象棋程式“深象”(取得了在義大利杜林舉辦之第十一屆Computer Olympiad象棋比賽銅牌)的基本資料結構、搜尋演算法與審局函數的設計，以及對所使用的資料結構與搜尋演算法進行測試與分析，並針對提高棋力的核心－審局函數，提出我們的改進方案。 關鍵字:電腦象棋、搜尋演算法、審局函數、人工智慧。Item 電腦象棋程式Shark的設計與實作(2014) 劉孟謙電腦對局在人工智慧領域一直是一個非常吸引人的項目，而電腦象棋相關研究發展遠不及國外西洋棋來的豐富，而象棋是我國國粹，因此我們希望針對電腦象棋的領域進行深入的研究探討。本研究以網路上開源的象棋程式「象眼」為基礎，設計改良開發成象棋程式Shark，以供象棋棋手精進棋力、參與各項電腦對局競賽，並期望能與人類大師抗衡。 下棋程式的棋力與搜尋演算法、審局函數息息相關，本研究主要針對這兩項進行改良。我們以軟體工程的概念設計加強演算法的可靠性；研發新的資料結構—BitBoard大幅的增進了審局函數的效能，讓程式能搜尋得更深、且讓特殊棋型的偵測以及複雜的長捉盤面處理可以非常有效率的實現；另外增強程式對於兵卒的掌握以及使用Material Table建構更多程式對於中殘局的知識。 原始象眼估計其棋力約有六段，改良後的Shark與象眼對弈已有80%的勝率，並且於2013年12月參加TAAI電腦對局比賽獲得銅牌、經過再改良後2014年6月參加TCGA電腦對局比賽獲得銀牌，在眾多持續開發多年的象棋程式中擠進了一席之地，估計其棋力已晉升至七段。其後我們將繼續開發改良，期望能更精進棋力，向頂尖程式與人類大師看齊。Item 電腦麻將程式TaKe的設計與實作(2014) 沈庭瑋; Ting-Wei Shen近年在科技不斷進步之下，人工智慧電腦對局也不斷有新的發展與成果，越來越多新的技術被研發出來，舊有的技術也越來越成熟，但是相對於明確資訊的對局遊戲，不明確且帶有機率性的對局遊戲程式一直以來在學術上討論、探討的相關演算法較為少見，因此在這篇論文之中將會討論關於電腦麻將程式的人工智慧開發，所運用到的技術。 在本篇論文中，將會說明電腦麻將程式TaKe中所使用到的貝氏信賴網路演算法，以及人類麻將高手會使用的打牌技巧，如何來輔助電腦程式，找尋在過去麻將論文中較少提到的避免放槍機制，提供新的捨牌策略，以做到降低放槍機率。 目前該程式曾在TAAI 2013電腦對局比賽獲得銅牌，在TCGA 2014電腦對局比賽雖然獲獎未果，但是在比賽過程中該程式放槍次數是最低的，以玆證明使用的方法確實能達到期望中避免放槍的效果。在台灣十六張麻將雖然多以胡牌為最主要目的，但是在日本麻將因計分方式不同，因此未來若是有興趣開發日本麻將，或是在其他帶有機率性、不明確資訊遊戲的電腦程式開發，期望本論文能給予開發者一些啟發。Item 電腦暗棋程式Darkness的設計與實作(2013) 詹凱翔; CHAN Kai-Hsiang電腦暗棋於2010 年正式加入電腦奧林匹亞競賽，從此開始有許多團隊加入研究的行列。其共通課題皆為：走步與翻子的時機如何掌握？這個問題是相當困難的，想要完滿的解決並不容易。 我們的目的是開發出一款能夠處理翻走問題的暗棋程式，目前來說顯然這是不實際的。在折衷處理之下，本程式以速度為優先考量，同時也希望能夠具有一定水準的棋力。 暗棋程式的棋力強弱，與搜尋的深度息息相關，而搜尋的深度又受電腦硬體以及演算法限制，所以我們的核心目標就是使用各種手段為程式加速，來加強棋力。 本程式使用Alpha-beta pruning以及Bitboard，並搭配Transposition table加速，擁有高速運算的能力，能夠在大部分的局面下走出較好的走步，並在搜尋中避開大量的重複盤面來節省時間。 目前本程式已於TAAI 2012 以及TCGA 2013 分別取得銅牌，比賽中也發現仍然有可修正的部分，接下來將全力發展後續改良設計，期望能於未來的比賽取得更好的成績。