• 學位論文

以網路架構系統來視覺化果蠅神經、神經組、及神經氈結構

In this thesis, we build a web-based system for visualizing Drosophila's neuron, neuron groups, and neuropils. This system can help neuroscieance researchers know the relation between neuron and the behavior of Drosophila more directly. The data comes from a lot of states. First, researchers use X-ray to photograph the sinogram of Drosophila's brain. Then, use the technical of image reconstruction to build the 3D volume data. Thirdly, analyze the 3D data to recognize where the neurons are and build their geometry coordination. Professor Chiang's lab in NTHU has built 27K and 16K data in the database by using neuron tracking method. Finally, these neuron data can do the grouping by analyzing the similarity between each neuron's structure. In the previous work of our lab, we have built a database that contains about 2 thousand groups. The purposes of this visualizing system are: showing these neuron data clearly and efficiently, letting researchers operate and query the data conveniently, and building a security log-in system to protect the database. This system have gotten positive responses of neuroscience researchers.

• 學位論文

以深度學習方法進行知識庫問題生成

隨著近年資料驅使模型的興起，語料資源的缺乏成為自然語言研究者的一大阻礙。相較於英文語料，漢語語料更是缺乏。本研究提出利用現有少數的問答資源整合知識庫，建立漢語問答語料。 本研究使用CN-DBpedia知識庫資源以及WebQA與網路爬蟲蒐集的漢語問答語料，整併兩者不同來源的語料資源作為訓練資料，並利用序列到序列模型，由知識庫生成對應之問句，再取模型生成的問句結合知識庫中的實體作為答案，建立新的漢語問答語料。實驗中我們另以模板式問題生成方法製作基準模型，並以人工方式進行評分。我們發現本研究在不需任何人工文法規則介入的情況下，可達到與模板式方法相似的成果，並在問句複雜度與問答合理性均優於模板式方法。

• 學位論文

MAE導向之影像隱藏

影像隱藏是指將一段機密訊息藏入宿主影像中來提高資訊安全性。此過程中產生的偽裝影像其像素值會因為藏匿機密資訊而會有或大或小的失真。一般而言，一個好的隱藏方法通常具有低失真高容量的特性。在影像隱藏領域之中常用來衡量失真程度的指標為PSNR值(由平均平方誤差MSE之值計算得出)，而一些研究人員建議使用MAE值(平均絕對誤差)來衡量整體影像的平均誤差，並且在一些領域當中，開始有研究人員同時顯示MAE以及MSE結果。我們認為同時使用MSE及MAE指標，可更為精確地評估隱藏方法，但是在影像隱藏方面，目前為止尚未有大型的MAE表格涵蓋大範圍bpp以供參考。因此我們建立了一個全新的MAE/bpp大型表格，未來將可以提供給其他研究人員進行參考、比較，期望可以節省大家的寶貴時間。此外，在本文中，我們也提出了兩種以MAE為導向的影像隱藏方法。第一個方法是以漢米爾頓路徑為基礎，對圖像中的每一個不重疊像素群選擇最佳的路徑，來降低隱藏機密資訊後的誤差值，並且根據隱藏資訊之大小，挑選適合的方法隱藏路徑資訊來獲得更好的MAE結果。第二個方法則是使用三個宿主像素值做為參考座標，根據當前要隱藏的機密數字，在一個已經定義好的數字集合內，找出對應之座標做為偽裝像素值。透過實驗，我們的兩種方法與其他列入表格中的文獻方法比較，皆具有較佳的MAE結果。

• 學位論文

職業運動競賽陣容對決勝負預測-以國際籃球協會為例

各種不同的陣容組合產生的勝負情形是難以解開的答案，由於陣容的組成相當複雜，難以從直觀的角度對結果做出判斷，勝負的結果對於賭注會有相當重大的利益關係，這也造成許多人的關注與辯論，而在大眾的討論下對於整個網路社交又會造成非常重大的影響，這也成為一個難以去預測的問題，多數人常會以自身的經驗去做預測判斷，不一定會以客觀的角度去做評估，各大媒體平台都可以發現相關的話題，造成國際籃球協會的關注程度獲得提升，對於體育聯盟的發展趨勢也產生相當巨大的衝擊。 本研究想要針對陣容之間產生的勝負情形進行預測，將利用NBA真實賽場的資料，並且以NBA 2K這款遊戲的球員能力值當作球員的資訊，藉由許多針對籃球的研究選擇訓練方法以及對資料做前處理，接著輸入類神經網路以監督式學習的方式進行訓練，本研究的實驗結果對於得分差越大的資料可以得到更為準確的預測，而實驗顯示對於籃球場上無法以數據呈現的球員能力也是相當重要。 本研究的結果雖然在資料的數量上相當有限，然而還是可以得到一定的成效，並且得知球員無法數據化的能力是相當重要的，這對於很多團體競賽方面的陣容對決也能夠以本研究的方式達到成效，根據不同的陣容對決情形可以輸入相關領域的重要屬性特徵，可以用同樣的方式進行勝負的預測。

• 學位論文

一個支援不規則巢狀平行的類OpenACC 程式設計模型

OpenACC 是一套基於編譯器註釋的程式開發模型。只要標記可平 行執行的迴圈，程式設計師就能利用GPU 提供的運算資源。快速排 序法之類的巢狀平行演算法也可以利用巢狀平行迴圈實作，然而， OpenACC 對於巢狀平行迴圈只提供了有限的支援。因此，我們提出了 PFACC，一套類似OpenACC 的程式開發模型。PFACC 註釋可用來標 記平行迴圈，或是不同記憶體階層之間的資料搬移。平行迴圈能夠任 意嵌套，或是被放置在會被其他平行迴圈呼叫的函數內。PFACC 翻譯 器能夠在附有PFACC 註釋的C 程式之中插入負載平衡及資料搬移的 程式碼，並將其翻譯為CUDA 程式。PFACC 的負載平衡是一種兩層式 的機制。每個Thread block 被當作是扁平的SIMT 處理器，會動態的 將迴圈迭代組織成批次，並以深度優先的順序執行這些批次。不同的 Thread block 會透過一個工作偷竊機制來分享彼此的工作。 因為深度優先的執行順序，PFACC 產生的CUDA 程式具有合理的 記憶體使用量。PFACC 的兩層式負載平衡機制不需要特殊硬體支援， 且能夠很好地適應CUDA 的線程階層。實驗結果顯示PFACC 在大部 分Benchmark 表現都比NESL 好，並且在某些Benchmark 能比CUDA dynamic parallelism 快100 倍以上。

• 學位論文

SDN環境下精簡路由規則之研究

不管是傳統網路或是SDN軟體定義網路，轉送封包毫無疑問是最重要的功能之一，在傳統網路中，封包的交換會依照傳統網路交換機的轉送表，透過比對封包中的mac address來決定出口的埠號，初期的SDN網路同樣也運用這種方式，但是隨著網路的拓樸、流量及使用者的變動，巨量成長的轉送規則必然成為了交換機的負擔，SDN的優勢就在於我們可以自行定義轉送規則，如何更有效、更精簡地運用網路設備的有限空間，如:TCAM，勢必將成為SDN網路服務中的重要課題。 在本篇論文中，主要分為三個重點，第一、運用Betweenness Centrality理論配合霍夫曼演算法(Huffman)對封包所要行經的路徑規則進行編碼，Betweenness Centrality源自於在人際關係的社群網路中找出相對重要的人物，本篇論文運用類似的想法應用於SDN網路拓樸中找出相對重要的節點，根據Betweenness Centrality演算法對全部節點所計算出分佈比例權重的結果，再利用霍夫曼編碼使得每個節點有各自對應的編碼。第二、運用節點的編碼轉換為共用的路徑資訊，透過SDN的技術(如:Openflow)將路徑編碼轉送給各個網路設備所負責的控制器應用程式，搭配相對應的邏輯產生出壓縮過後的流量規則，將有效縮短每條規則對於封包比對判斷機制，點對點擁有相同的路徑就可以匹配同一條規則，達到減少冗餘規則的效果。第三、搭配儲存平台所設計的路徑資料結構，增加了本論文系統對於各種不同編碼方式的可用性，例如運用分段的路徑編號作為編碼而產生對應的規則。 在實驗結果的部分，我們將會利用相同的網路拓樸跟終端設備的數量差異，比較原生的轉送方式跟運用我們編碼路徑時所產生的規則數量，當終端設備的數量越多，越能呈現我們規則優化的比例，例如Fat Tree拓樸在終端接8台Host可以節省52\%、16台Host可以節省67\%、32台可以節省71\%的規則總量，另外因為在比對的欄位更精簡，從結果也可以看出比原生的轉送方式有更好的傳送效率。

• 學位論文

在軟體定義網路環境路徑重建之研究

軟體定義網路(Software Defined Network,SDN)是近年來提出的網路架構想法，它將網路轉送封包設備的控制層(Control Plane)與資料層(Data Plane)分離，將具有決策性的控制層聚集在一個稱作 SDN 控制器(SDN Controller)的管理單元，當在網路環境中發生鏈結斷裂（ Link Failure） 問題時，SDN 控制器會依照新拓樸(Topology)狀況更換路徑，也就是由 "鏈節斷裂事件" 先通知 SDN 控制器，SDN 控制器在收到訊息後才依據拓樸重新計算新路徑，最後才將新的流量轉送規則(Flow Rule) 下達至 SDN 交換器(SDN Switch)，但這個方法存在一個重大的問題，會造成長時間的斷線，如果沒有立即解決，大量封包將會被丟棄。 在這篇論文中，我們設計了 Hierarchical Fast Reroute(HFR)系統，可以在完全符合 OpenFlow 的協定下，達到不需依靠 SDN Controller (Control Plane) 更換新路徑，就可以單純利用 OpenFlow Switch(Data Plane) 解決問題(稱為 Fast Reroute)，並可以保證在 k-1 條鏈結斷裂(Links Failure) 時，連線依然不中斷，甚至在平均隨機鏈結斷裂(average random Link Failure)數目超過 k 條邊之下依然保持連通，提升一定的彈性與容錯率，達到快速重新路由(Fast Reroute) 的效果。

• 學位論文

智慧家庭環境中的多人行為情境感知

在本文中，我們調查了在家庭環境中使用可穿戴設備識別多用戶活動的問題。我們的研究目標是提供情境辨識，以便智能家居能夠根據其活動的準確檢測結果來回應使用者的需求。 該研究的一個重要部分是檢測是否有任何檢測到的活動導致服務衝突。如果有衝突，則需要套用解決的演算法，達到智能地控制最適合多個用戶的居家服務。此外，我們比較了應用人工神經網絡，決策樹和簡單邏輯回歸的模型構建和活動檢測的性能。此外，系統設計的不同架構替代方案將進行評估，以便找出包括可穿戴設備，智能手機網關和後端服務器在內的最佳系統配置。

• 學位論文

BitFission：基於 BitTorrent 協議的 Bare-Metal Provisioning 框架

BitFission 是一個整合了位元洪流協議與區塊層級再生的裸機服務開通框 架，透過對等式網路快速部署大量裸機伺服器。應用於叢集運算中心或是電 腦教室等高密度主機環境，可以大幅降低作業系統與軟體部署時間。相較於 多播協議，使用位元洪流作為傳輸協議可以支援續傳以及異步傳輸，容錯機 制更加完善且便利。而傳輸效率方面也不遜於多播傳輸，經實驗測試，在 一般電腦教室甚至快於多播協議。除了改善部署方式，BitFission 亦整合了 Ansible 進行無人值守組態設定，降低人工操作成本，加速服務開通效率。

• 學位論文

網頁應用程式中直觀與可檢驗業務邏輯之實作

交通大學資訊工程系計算機中心WWW小組的工作內容是開發與維護系上的網頁系統或腳本來協助系上的行政業務。現在這些系統或腳本中存在兩個問題： 1. 部分業務邏輯的實作複雜，運作流程不清晰，需要花很大的力氣去理解 2. 業務邏輯的實作存在於伺服器上，系上助理或主管難以檢驗實作是否正確 作為WWW小組的一員，我做了一個資料運算流程平台來改善上述兩個問題： 針對第一點，在平台上透過開發人員將業務邏輯拆解成一個一個步驟串接起來，以無迴圈、無條件分支、單一方向的Directed Acyclic Graph改寫業務邏輯，使得其運作流程更清楚明瞭，運作方式更加直覺。 針對第二點，在平台上透過網頁視覺化流程的Directed Acyclic Graph以及保存所有步驟的輸出結果，系上助理或主管可以直接從網頁瀏覽每一個步驟的輸出結果是否如預期，從而檢驗整個流程是否正確實作。 透過這兩個方法來達成網頁應用程式中直覺與可檢驗的業務邏輯之實作。