• 學位論文

感測器服務、網路服務與複雜事件處理之整合

近日，物聯網的研究與相關產業如日中天，從智慧家電、到手機應用軟體等， 可以看到各種不同領域都嘗試與物聯網結合，以因應日漸複雜的、更貼近使用者 的需求。然而目前物聯網的發展，並未有一個完整的一般解決方案。為此，我們 提出一套完整的物聯網系統，能夠從資料的搜集，事件的轉換，複雜事件模式的 偵測，並將事件模式轉換為商業流程的元件，同時能與使用者互動並產生回饋， 最後以應用情境來驗證整個完整的流程。 在本次的研究中，將實作複雜事件處理引擎，同時引進時間區段的概念，以強 化複雜事件處理引擎能夠處了複雜度。此外，並將收集的資料由僅針對感測器服 務，擴展至各式網路服務，同時發展公共位址與私人位址兩種系統以因應不同的 需求。最後，我們實作將複雜事件轉換成服務，與商業流程元件進行結合，進一 步完整整個物聯網系統。

• 學位論文

利用區域上下文資訊來強化類神經網路關鍵字擷取模型

由於關鍵字能為一篇文章提供精簡、扼要的內容整理，自動化關鍵字擷取的方法在近二十年來已經被廣泛的研究。傳統的關鍵字擷取方法非常倚賴人工定義的特徵去優化效能，而抽取出有效的特徵是一件非常耗時的事情。 一篇最新的論文提出了一個利用深度循環神經網路模型來抽取關鍵詞片語的方法，省去了人工抽取特徵的過程。然而，該篇論文所提出來的模型有三個缺點：首先，他們沒有考慮到每個字的重要性會受到同句子內其他字的影響。一篇文章中的每個句子會呈現出不一樣的重要性，而這樣的重要性差異通常來自於句子中有某些具有重要意涵的字，因此句子的語意應該在擷取關鍵字的時候一起被考慮。接著，他們的模型沒有針對那些不曾在訓練資料中出現的單字做處理。測試文章中大約有百分之十五的單字是在訓練資料中沒有的，而這些未知字詞會降低模型的準確度，因此字符資訊應該要被考慮進來。最後，他們使用了詞向量作為輸入，因而導致一定程度上句法資訊的遺失。然而句法資訊已經被許多研究證實能夠有效的幫助抽取關鍵字詞，應該要被更有效的利用以解決這類的問題。 在這篇論文中，我們使用了兩組卷積神經網路所組成的區域語意資訊，以及搭配線性轉換的詞性向量所組成的句法資訊，來強化類神經網路關鍵字擷取模型。最後，我們使用了兩個公開資料集去驗證我們的方法，實驗結果顯示我們的方法能夠顯著的超越非監督式和監督式方法中的頂尖技術。

• 學位論文

利用情境資訊的影像搜尋

• 學位論文

正史五行志自然災害的系統呈現

正史又稱二十五史，記載了中國數千年的歷史，其中的〈五行志〉與〈本紀〉中包含了古代大量的自然災害記錄，其中包含災害的時間、地點與資訊，是現代災害史研究的重要材料。 　　本研究根據正史〈五行志〉與〈本紀〉中的目錄與規則，以及災害史研究中對於自然災害的相關界定，定義本研究的自然災害。並從文本中依本研究定義擷取自然災害記錄。再根據災害史研究需求，對擷取的災害記錄標記災害事件。設計詮釋資料，建立系統。系統功能主要包含時間、空間與各欄位分類的視覺化分布呈現，以及後分類功能。期待讓使用者得以對災害事件的分布做多角度的觀察，進而發現有趣、值得研究的議題。

• 學位論文

藉由可變形球體的方式有效的產生立體全景影像

本論文提出使用可變形球體(deformable spheres) 來有效率的產生好的立體全景影像(omnistereo panorama)。不同以往使用二維的方法，像是光流法(optical flow)，我們採取三維的做法，使用立體匹配(stereo matching) 及深度影像繪圖法(depth-image-based rendering) 來得到高品質的立體全景影像。然而立體匹配及深度影像繪圖法都基於像素來計算，因此需要大量的時間來建構立體全景影像，為了演算法的有效性，我們使用基於頂點來計算的可變形球體。所以本論文使用此特點，使用可變形球體替換先前論文演算法中的立體匹配來計算影像的深度值。同時也用球體模型當作渲染用的模型。由於我們提出的方法用頂點來計算而不是用像素來計算，所以可以大幅度的縮短產生立體全景影像的時間。另外可變形球體還確保在時間上的平滑性，讓深度估計有更多的資訊。

• 學位論文

可組合系統中的RDMA SWAP的時間模型

近年來，記憶體密集型工作在大規模和以數據為中心的應用程序中被廣泛的使用。不幸的是，當這些應用程序的工作集無法得到足夠的實際記憶體空間時，其執行的效能減少得非常多，這樣的現象會影響服務質量和用戶體驗。 而藉由現今高速的內部網路，提供了可行的解決方案使得使用節點之間閒置的實體記憶體在微秒等級的延遲和擁有50 Gbps的頻寬，以解決上述的問題。 在本論文中，我們測量了遠端記憶體頁面交換的延遲並分析了軟體層所造成的延遲消耗。通過分析，我們建立了一個詳細，現實且高度可配置的時間模型，這個時間模型可以用於評估遠端頁面交換架構。 給定一個應用程式和系統架構，時間模型就可以估計遠端頁面交換的效果，是一個可以提供給集群設計的指標。要如何分析和測量頁面錯誤的延遲時間困難點有二，首先，頁面錯誤是由Linux內核處理的異常訊號。第二，在Linux和硬件設備中，沒有直接和準確的方法來衡量頁面錯誤造成的延遲。 通過使用我們提出的方法，使用者可以分析Linux內核的頁面錯誤處理者和交換硬體所造成的效能損失。 在我們的環境實驗中，我們發現每個主頁故障的平均延遲是100.27us，使用HDD和20.975us使用RDMA。 通過使用在應用程式運行時收集的測量記錄，時間模型可以準確預估在使用HDD和RDMA這兩種交換硬體時，頁面交換上的時間，並且錯誤率在15%以下。

• 學位論文

以有號距離場實現對三角形網格模型挖空之可靠方法

三角形網格模型(Triangle Mesh)是現今普遍使用於表現三維模型的格式，藉由拼接一定數量的三角形，可以近似物體的表面。理論上三角形總數愈多即可產生愈精細的模型。近年流行的3D列印，預設輸入格式也是使用此格式。 Triangle Mesh只會描述物體的表面，在3D列印時，會將其視為實心的物體。但在許多情況下，如製作燈飾、樂器或本文討論的撲滿時，我們會需要一個中空的模型，為此我們必須編輯原本的Triangle Mesh。 在模型較單純時，可以使用CAD軟體手動將內部挖空，但對較複雜的模型進行這樣的處理費時又費力，於是我們設計一個系統，可以自動且可靠地將Triangle Mesh的內部挖空。 我們的系統會先對輸入之Triangle Mesh計算有號距離場(Signed Distance Field，以下簡稱為SDF)，可以記錄空間中的點到模型表面的距離，距離的正或負分別代表該點位於此模型的外部或內部。利用SDF與著名的Marching Cubes演算法可以產生一個內部的模型來表示內部空洞的表面，最後將此內部模型與輸入模型結合後輸出，即可產生內部挖空的模型。 經過實驗，只要輸入模型符合SDF的基本假設，我們的系統就可以正確產生目標的挖空模型，外殼的厚度均勻，且可以參數控制此厚度。

• 學位論文

根據平面分割使用自動編碼器預測房間空間分佈

房間空間佈局預測是輸入一張房間圖片而輸出對應面標籤。之前的方法是預測一組房間的角落點和其對應的房間類型，然後再根據房間類型將事先定義好的坊間角落順序依序連線產生其平面標籤圖。這個方法要求要事先定義房間的類型。 在本篇論文中，我們提出一個基於平面切割之全卷積神經網路自動編碼器來預測房間空間佈局。以一張圖片當作輸入資料，直接輸出一個平面切割的端到端可訓練自動編碼器。我們使用了省略與連接的技巧增強了輸出結果的準確率，還使用了多目標訓練方式訓練了平面分割及平面邊線熱度圖，平面邊線熱度圖的目的是為了學習到直線的特徵和細節。相較於之前的方法，我們的方法並不需要事先定義房間類型，只需要標簽好對應平面的資料集，而且可以處理擁有非直線牆角的房間架構類型。

• 學位論文

基於慣性測量裝置之動作辨識與評估：以太極拳動作為例

近年來，隨著多媒體設備的發展，特別是頭戴式顯示器的出現，運動的學習已經不再局限於進行課堂學習，由教練進行指導，而是可以透過觀看多媒體教學影片進行學習。然而進行多媒體學習雖然很方便，但卻不能及時獲得像真實教練引導的回饋和互動性，同時也無法掌握自己練習的準確性和完整度。 基於以上問題，本研究提出了一套基於慣性測量裝置進行動作辨識和評估的系統，在本研究中主要以觀看頭戴式顯示器的動作引導，進行十六式太極拳動作練習為例。本研究利用搭載三軸慣性測量的智慧型手錶對太極拳動作進行辨識和評估，可以讓太極拳学生更加準確的了解自己練習的完整度。進而可以讓太極拳学生在沒有教練的情況下，使用本系統獨立完成太極拳動作的練習，並獲得相應練習的完整度回饋。 相較於以往研究根據用戶練習數據進行機器學習，獲得太極拳動作的模型不同，本研究採用深度攝影機技術來獲得太極拳教練手腕的示範動作，使得每個招式的模型更加精準。之後我們根據学生的練習數據進行辨識，獲得了極高的正確率。最後，我們應用機器學習的方式，根據学生數據和教練動作的差距，計算学生練習的完整度，給予学生完成情況的評估，以利太極拳練習。

• 學位論文

基於情緒感染在互動藝術裝置之研究

情緒(Emotion)直接反應著人們當下的心情，透過情感運算科技，可使電腦解讀人們的心情狀態，並產生視覺或聽覺的回饋。在人機互動領域，情感運算(Affective Computing)技術使得電腦可如同真人一般與使用者溝通。網路科技的進步，社群網路在此虛擬世界造成多變性。人們所面對的不只是單一電腦，而是與雲端系統連結的大量使用者。許多情緒傳達的研究，探討人們的情緒對於其他人的影響力。因此，本研究探討「情緒感染(Emotional Contagion)」的理論，其中人們的情緒具有擴散至他人情緒的能力。 情緒感染(Emotional Contagion)是人們在社交互動時，傾向模仿其他人的表情、發聲、姿勢與動作，而此種模仿亦轉變他們原本的情緒。此外，情緒感染的媒介可能是特定的符號、圖像或聲音，例如在社群網站傳送貼圖或按讚的行為。此虛擬世界所帶來的多變性，也是人機互動所需要思考的議題。在本研究中，聚焦在正向情緒，並探討快樂情緒的情緒感染。本研究設計三件互動藝術裝置，包含《靜坐金字塔》、《微笑牆》、《微笑四方》。收集使用者參與裝置互動過程中的情緒狀態，以了解其情緒感染的情況。藉由分析其「感染速度」了解情緒感染的互動裝置對使用者的影響，是否能夠幫助使用者增加其主動參與作品的意願。 本研究所設計的互動藝術裝置，其影響媒介分別為「代理(Agent)」、「影像(Video)」及「視訊(Live Cam)」，透過不同的媒介來實驗情緒感染的可能性。在《靜坐金字塔》中，透過靜坐的方式，讓使用者當下的正面或負面情緒回歸正常。由此作品的實驗結果發現，情緒感染對使用者的情緒造成不同的影響。給予不同情緒刺激時，使用者的情緒感染程度，會隨著使用者已被感染的程度而有所變化。《微笑牆》設計微笑擴散的互動流程，藉由記錄使用者互動過程所產生的微笑次數，了解其微笑的情緒感染。最後，在《微笑四方》，觀察使用者之間即時的情緒感染。藉由計算使用者微笑的次數了解使用者之間的情緒感染狀態，並計算使用者之間產生微笑所需的時間，得到使用者之間的「感染速度」。於互動體驗結束後，透過問卷的方式，了解使用者於互動過程感受到微笑所造成的情緒感染狀態，體驗作品的意願，及使用者之間所感受到關係的距離。因此本研究透過互動裝置設計，以觀察及驗證情緒感染的特性。