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
本論文提出一套適用於以特徵需求去搜尋電子元件的查詢系統。用途會在如嵌入式系統使用的元件因為停產或規格變更而需要替代元件，或者設計師想要比較類似規格的元件。現有查詢系統包括手動以分類查詢、以關鍵字查詢、以參數查詢等等，但是由於使用不容易、效率低、或查詢結果不夠針對需求。本論文提出以特徵代數為基礎的元件模型與查詢模型，以表達特徵間的橫向組合關係與縱向實作關係。同以特徵代數表達式為語意呈現方式，查詢模型的型樣可表達出需求必備和必排除的特徵。本論文貢獻為（一）以特徵代數做為查詢的語意模型、（二）查詢演算法，把特徵表達式的階層結構對應到線性結構，以便套用基於《最長共同次序列》演算法做匹配。本工具預期可以輔助設計師在手動搜尋元件時的配對，以及遇到元件停產時，工具可以自動建議可替換的元件。
- 學位論文
為了提升行動通訊系統在上行方向的高可靠低延遲傳輸 (URLLC) 的系統容量，使用多重使用者多輸入多輸出 (MU-MIMO) 和免競爭 (contention-free) 配置授權 (configured grant) 技術能夠利用傳送端和接收端彼此的多根天線提升頻譜使用效率，並免去使用者因請求排程所花費的時間以及競爭造成的傳輸失敗可能性，且接收端使用了逼零連續消除 (ZF-SIC) 演算法來確保高可靠度，這篇論文中提出了在此架構下的多使用者訊號解碼順序、使用者分組和排程機制。 解碼順序考慮了 ZF-SIC 的運作原理，依照訊號雜訊比 (SNR) 的大小來決定順序從而強化了傳輸的可靠度。 分組機制的目標是使用最少的時頻資源就能滿足所有使用者的 URLLC 需求，因此每一組共用相同資源的使用者都要能發揮最大資源共享效益，我們使用矩陣表示多個使用者訊號並將每一組的挑選問題轉換成非等方性正交普洛克路斯忒斯分析 (anisotropic orthogonal Procrustes analysis, AOPA) 問題，此外還納入對解碼順序的考量設計了強化版的分組機制。 排程機制的目標則是盡可能將任一個使用者在最差情況下從出現傳輸需求到存取傳輸資源的時間間隔縮到最短。 模擬結果顯示我們提出的整套機制相較於現有的方法能夠大幅提升系統容量並大幅減少使用的資源量和傳輸延遲，並且是在確保所有使用者都滿足 URLLC 要求的前提下。
本文將於2026/09/26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
深度學習已經在醫學圖像被廣泛的應用，包括去噪、分類和分割等。這些應用都是為了在臨床評估過程中為放射科醫師提供更多的信息，從而提高評估的準確性。近年來，許多醫學去噪方法在定量和定性上都顯示出了顯著的偽影和噪聲的去除效果。然而，現有的方法都是針對於人眼視覺進行去噪，即它們的設計是為了盡量減少人眼所能感知的噪聲。在本文中，我們提出了一個應用導向的去噪框架，該框架專注於為其後的應用神經網絡進行去噪。在我們的實驗中，我們將提出的框架應用於不同的數據集、模型和任務。實驗結果表明，與人眼視覺去噪框架相比，該框架具有更好的去噪效果。
- 學位論文
在處理新數據時，神經網絡模型之泛化能力是現實世界應用中一個重要的議 題。域泛化旨在利用來自多個不同源域的數據來訓練一個模型，該模型可以直 接泛化到任何在訓練階段不可使用的未知目標域。在本論文中，我們專注於圖 像分類任務的域泛化，並提出了一個端到端且獨特的風格替換及語義學習框架 （稱為SRNet），主要有兩個構想。第一個是新穎的風格替換方法，它促進我 們的網絡模型提取風格不變的特徵。另外，為了更進一步促進語義特徵學習， 我們提出的方法包含了一個輔助的自監督任務，該任務預測轉換圖像的轉換類 型。通過將風格替換與輔助圖像轉換預測任務結合，我們訓練一個模型，通過 根據圖像的高級語義特徵或全局對象形狀對圖像進行分類，將跨域知識轉移到 未知目標域。在PACS 和VLCS 兩個領域泛化基准上的實驗結果顯示我們提出的 方法有效，且比過去的方法擁有更好的效果。
- 學位論文
示意圖是許多電子文件、技術文件、投影片裡不可缺的部份，但是編輯它們卻是最耗時、最瑣碎的任務。雖然圖形介面提供型樣板讓使用者可以把形狀拖曳到圖裡，再以拉線將其連接，但是這種編輯模式已經使用數十年，沒有太大的改進，仍然要靠使用者手動在細節上做低階的變更與調整佈局。雖然有特定種類的示意圖有支援由文字描述源碼自動產生圖形，但產出的圖大多無法銜接到圖形介面編輯器再將修改內容回饋給文字源碼。 極少數示意圖編輯器能夠對使用者做提示，像自動完成或遵守特定示意圖的繪圖準則等等，而且目前這樣的編輯工具的程式碼都必須針對各種的示意圖重新撰寫。 為了解決上述問題，本論文提出一套名為AltiDraw的架構，適合實作可程式化、有擴充性、多模態的示意圖編輯器。正如常用的程式源碼編輯器，可透過載入源碼語法定義，對純文字檔案編輯時做提示、語法亮示，我們願景是一套能夠載入各種示意圖的定義，對示意圖編輯時能夠提供高階的編輯指令與提示。我們支援三種編輯模態：圖形介面、指令介面、與示意圖定義語言。使用者可以透過任何一種模態輸入示意圖，再用任何一種最方便、最適用的模態去編輯。我們採用一套新穎的圖形文法REGD，把支援的語言編輯規則定義為匹配即取代的型樣。這種方式能夠精簡又精準地表達高階概念，同時也能以高效率演算法實作。 我們以流程圖來展現我們可程式化圖形編輯架構的可行性。示範的功能足以實作多模態、強大的編輯動作，可套用於圖形局部，並提供互動式的提示與結構性的編輯，而其規則全部都是可由外載入的。本研究成果應該足以讓示意圖編輯器也能夠像文字編輯器根據外載定義客製出不同種類示意圖所需之編輯動作。
若您是本文的作者，可授權文章由華藝線上圖書館中協助推廣。