清華大學資訊工程學系所學位論文
國立清華大學,正常發行
選擇卷期
已選擇0筆
- 學位論文
安全刪除的效率與速度取決於基礎底層儲存裝是的資料擺放方式。由於新興的疊瓦磁記錄（Shingled Magnetic Recording, SMR）技術的順序寫入限制，不適當的資料擺放方式可能導致嚴重的寫入放大 (write amplification) 問題並減低安全刪除的性能。由於檔案系統元資料的小容量性質，當我們需要安全擦除已刪除文件之檔案系統之元資料時，會進一步使得疊瓦式硬碟上執行安全刪除的性能急劇的下降。這樣觀察促使我們提出一種新的空間分配（SMR-aware space allocation, SSSA）策略，以促進安全刪除已刪除文件及其元資料之過程。我們所提出的策略被加入到廣泛使用的擴展文件系統4（Extended File System 4, ext4）中，並通過一系列實驗進行了評估以證明所提出策略的有效性。實驗結果顯示，與單純的基於疊瓦式硬碟的ext4檔案系統相比，我們所提出的SSSA策略可平均降低91.3% 的安全刪除時間。
- 學位論文
本文中基於建築/環境數據的室內定位項目管理系統(BeDIPPMS)是為了輔助BeDIPS使用者所開發的管理系統。該系統由PM、Revit和BDE所組成。本文重點介紹如何經由PM的各種功能來完成BeDIPS使用者的需求和其系統的架構。本文同時也展示了PM、Revit和BDE三者的相互關係。包括使用PM來管理各項計畫的建築資訊模型(BIM)和不同種類的LBeacon族群(LBeacon Family)、使用Revit在BIM中放置LBeacon並且把資訊匯出、以及把LBeacon的資訊轉成BeDIPS使用者所需要的格式檔案。
- 學位論文
自動產生相關且可懂的文字是一項困難的研究，很多現存的自然語言生成系統沒有考慮到詞和詞之間的關係，且沒有理解常識知識。詞和詞或句子間的關係是超出預期的緊密結合，因此缺乏理解常識知識的語言生成系統往往會造出非預期中的段落或句子。為了改進這個問題，我們從ConceptNet裡自動抓取常識知識並結合詞嵌入及深度神經網路篇章連貫性模型到蒙地卡羅搜尋樹裡，在極大的搜尋空間及有限的時間資源裡來尋找次佳解，最後根據使用者給定的初始詞來生成具連貫性的段落。我們也觀察到以統計記數方法而建成的詞嵌入經過調整後，在相似及相關性的任務上比用預測來建成的詞嵌入模型還要精準。我們的詞嵌入在相關性任務上得到了0.679的Spearman分數，勝過了其他預訓練的詞嵌入。我們最後採用人工來評測文字連貫性，評測結果為採用篇章連貫性模型及修改擴增後的ConceptNet所生成的文字更具有連貫性。
本文將於2026/01/27開放下載。若您希望在開放下載時收到通知，可將文章加入收藏。
- 學位論文
智慧型行動裝置上能搜集到包含加速度計、磁力計、訊號強度、基地台ID等各式資料。現今，資料常用於輔助商業決策、進行使用者行為分析等。而在機器學習中，模型的建構也會需要大量的資料。 隨著科技的進步，擁有智慧型行動裝置的人越來越多，亦即有越來越多的資料可供收集。本論文建立了一個資料收集的函式庫，讓應用程式開發者利用本函式庫，輕鬆達到收集智慧型行動裝置資料的目的。 現行的智慧型行動裝置主流的作業系統為Google的Android與Apple的iOS，應用的開發方式除了使用Android、iOS官方推薦的語言呼叫原生API外，也有使用跨平台框架的開發方式，可以同時支援多個作業系統。目前主流的跨平台框架有Google推出的Flutter和Facebook推出的React Native等。為了讓應用程式開發者方便使用本函式庫進行程式開發，因此本論文開發之函式庫除了支援官方指定語言呼叫外，也支援Flutter和React Native兩個跨平台框架。