• 學位論文

基於影像之參數化近端策略優化

我們提出一基於影像的參數化近端策略優化演算法，其為一種演員評判家（Actor-Critic）的延伸強化式學習演算法，可有效在參數化動作空間（又稱作結構化動作空間）進行策略學習。我們也將其應用於 RoboCup 的足球員模擬環境，機器手臂夾取與推送任務上，實驗結果顯示，參數化近端策略優化具備快速的學習速度，也可學會更優良的策略。在 RoboCup 足球員模擬環境中，相比於先前的方法，參數化近端策略優化僅需 2/3 的迭代次數即可達到超越 90%的射門成功率且更加穩定，並僅需約平均 80 個步數（先前的方法需要超越 115 步數才可射門成功）。在機器手臂夾取與推送任務上，我們也成功展示參數化近端策略優化可以從高維度的影像觀察學習良好的策略，並在推送任務上達到 100%的任務完成率，夾取任務上達到 99%的任務完成率。依據我們的文獻探討，參數化近端策略優化是第一個基於影像的參數化深度強化式學習演算法。

• 學位論文

QoSTCP：為軟體定義網路提供TCP流一致的速率保證

• 學位論文

LTE網路於大用戶流量與小用戶流量之議題研究

本篇論文研究LTE網路在用戶流量極大與極小之議題。當用戶流量極小時，小型基地台可能會處於閒置狀態，此時應該使閒置的小型基地台進入休眠模式以節省能源消耗。而當用戶流量極大時，LTE既有的頻寬無法負載如此大的用戶流量，此時可以使用無線區域網路，例如Wi-Fi，來提供額外的網路容量以分擔用戶流量。 對於佈建大量小型基地台的行動網路而言，小型基地台的能源節省是一個很重要的議題。當用戶流量較小的時候，小型基地台會進入休眠模式以節省能源消耗，因此原本小型基地台的用戶流量會被導向鄰近的其他基地台，而當用戶流量增加的時候，這些休眠的小型基地台會被喚醒，以分擔用戶流量。在此模式，喚醒正確的休眠小型基地台並不是一件簡單的工作，所以我們提出一個簡單但是創新的小型基地台省電方法稱為Simple Energy Saving （SES），用來精準地喚醒休眠中的小型基地台。SES的喚醒機制是基於小型基地台和大型基地台的訊號覆蓋範圍重疊的假設，若是LTE網路中不存在大型基地台，則SES將無法將小型基地台喚醒分擔用戶流量；於是透過些微的修改，我們進一步提出enhanced SES （eSES）基地台省電方法，可以在無大型基地台的場景中，準確地喚醒休眠中的基地台。SES和eSES的實現均無需更動3GPP的標準規範，並且可以與未具備SES或eSES省電機制的基地台共存，解決用戶流量小時之省電問題。 當用戶流量大時則需利用無線區域網路分擔用戶流量。LTE-WLAN Aggregation （LWA）結合了LTE和無線區域網路的無線資源，並且利用無線區域網路的高可用性與高室內覆蓋率，提供更好的LTE和無線區域網路的使用，在LWA中，一條資料連線（DRB）可以分裂，讓其封包可以透過LTE和無線區域網路傳送，而對於一條分裂的資料連線，決定其LTE和無線區域網路封包的傳送比例是很重要的，在典型的LWA商用網路佈建中，LTE的傳輸相對穩定，而無線區域網路的傳輸情況則可能會明顯地受到其訊號強度的影響，我們基於無線區域網路的接收訊號強度指標（RSSI）提出一簡單的LTE-to-WLAN Ratio（LWR）規則，基於此規則，我們展示了LWA的用戶平面（User Plane），並且在LTE基地台中實現具有自動調適功能的LWA分流演算法。

• 學位論文

探討穩健電源供應網路設計：透過觀察硬體可靠度特洛伊之植入

由於近年來半導體製程的成本與複雜度的升高，使用第三方資源（使用矽智財提供商的設計、電腦輔助設計工具、委託代工廠生產晶片）在現代IC製程中已然成為了一種趨勢；然而IC設計在供應鏈中更容易發生各種各樣的攻擊，硬體特洛伊木馬有可能被植入，以洩露機密或導致系統故障。其中可靠度木馬是硬體特洛伊木馬的主要類別之一，它能降低IC的可靠性並加速晶片老化。 我們旨在提出一個新的佈局後階段(post-layout stage)的可靠度木馬，能夠透過操控電源供應網路中由電子飄移效應所引起的老化效應來控制晶片的壽命。除了作為攻擊外，這個木馬也能輔助設計者找出電源供應網路的關節點，進而強化電源供應網路的架構。在這個研究中，我們將問題轉化為一個最小割問題，並且考量了製程變異對電源供應網路造成的影響，以確保特洛伊木馬能有效地控制晶片壽命。基於各種28nm設計的實驗證明，我們的攻擊在製程變異的影響下，控制晶片壽命的平均誤差極小。

• 學位論文

研究TMVP-及KA-分解技術實現次二次複雜度 GF(2^m)乘法並應用於配對計算

自2001年以來，基於配對密碼已被廣泛應用於各種安全協議，包括眾所周知的加密以及短簽章模組。根據協定，配對運算是需要很複雜的計算過程。配對演算法在橢圓曲線上需要數千次的加法和乘法，最後利用指數運算來完成配對計算的結果。配對計算為了達到128位元安全度，乘法必須要達到1223位元。從硬體實現的角度來看，配對運算在橢圓曲線上具有非常高的挑戰性，由於它的計算能力遠遠高於傳統的橢圓曲線密碼系統的計算能力。 Karatsuba演算法（KA）和Toeplitz matrix-vector product (TMVP)分解是一種高精度乘法演算法，其電路複雜度可以從O（m^2）減小到O（m^1.59）。基於以上原因，對於配對計算的設計，本文推導出新的具有次二次空間複雜度的GF（2^m）乘法的新分解。首先，本研究和開發新的（a, b）-way Toeplitz block TMVP（TBTMVP）分解技術，實現次二次復雜度的digit-level parallel-in-serial-out (DL-PISO）乘法設計。其次，研究Toeplitz Block Toeplitz Matrix–Vector Product Block Recombination（TBTMVPBR）乘法架構，結合serial-in parallel-out (DL-SIPO)架構，以實現低複雜度的乘法架構。最後，基於KA分解技術，我們用於實現高效DL-SIPO三輸入乘法設計。從估計結果可以看出，與現有的數字串行乘法器相比，所提出的結構具有明顯更低的面積以及時間複雜度。當使用所提出的結構時，橢圓曲線上的配對計算可導引次二次空間複雜度的硬體設計。

• 學位論文

藉由回收老化引起的時鐘偏差改善電路可靠度

電子元件老化使得電路性能和壽命顯著損失，這是使電子元件可靠性降 低的主要因素。在這篇論文中，我們建議通過操縱和回收這些時變偏斜來 利用老化引起的時鐘偏差（意即，使電路能容忍更多老化），藉以補償因老 化導致的邏輯電路之性能下降。我們的目標是在電路中分配可實現/合理的 老化引起的時鐘偏差，使得可以容忍由於老化導致的性能下降，(意即，可 以最大化電路壽命)。藉由實驗，平均可以達到24.95％老化耐受性。此外， 我們在時鐘緩衝器上採用Vth 分配，以進一步容忍老化引起的邏輯電路效能 降級。當Vth 分配應用於上述老化操作之上時，平均老化耐受性可以提高到 37.61％。

• 學位論文

低功耗與低成本之二維對稱式濾波器架構設計實現

此論文中我們提出低功耗、低面積之二維對稱型IIR濾波器。此論文包含Type-1、Type-2與Type-3 對角線對稱(diagonal symmetry)、四次旋轉對稱(fourfold rotational symmetry)、象限對稱(quadrantal symmetry)、八角形對稱(octagonal symmetry)之二維對稱型濾波器，Type-1、Type-3低功耗低成本之多組態二維對稱型濾波器，此兩種多組態二維對稱型濾波器可實現上述四種對稱型模式。此外我們還提出了應用德耳塔運算子在各種對稱式濾波器之架構，可更進一步在窄頻段濾波器得到更好的數值精密度並降低係數靈敏度。多組態二維對稱型濾波器，則可同時支援四種對稱型，達到面積最佳化的效果。其中Type-1四種對稱型與多組態濾波器皆經由Design Compiler與SOC Encounter完成TSMC180nm之晶片設計，並利用Prime Time完成功耗模擬。模擬結果顯示Type-1 對角線對稱、四次旋轉對稱、象限對稱、八角形對稱之二維對稱型濾波器與傳統無對稱型之濾波器相較下各節省16.77%、 36.30%、 22.90%與37.73% 的功耗；另一方面， Type-1多組態二維對稱型濾波器在各個對稱組態則各自節省11.01%、31.42%、17.53%與35.26%的功耗。Type-1多組態二維對稱型濾波器與Type-1獨立四種對稱型濾波器的面積總和比較起來減少了63.25%的面積，相較於傳統無對稱型之濾波器面積也減少了16.02%。

• 學位論文

基於可擴充性樣板的互動式資料視覺化推薦系統

• 學位論文

消費者交易資料之視覺化分析系統

在各式各樣的商業平台當中，消費者之交易資料分析已是一門顯學 ——消費模式、顧客行為與特徵已成為進行行銷決策時的重要參考。隨著資料的大量增加與客製化行銷手段的出現，如何有力、且有效率地在消費紀錄中找出更多隱藏資訊、以及找出適當的目標客戶已成了現金財經分析專員的一大困境。再者，基於傳統資料管理系統的分析技術已經漸漸無法跟上迅速日新月異的行銷需求。因此，我們決定呈現一個資訊視覺化系統使資料探索過程更容易，以更進一步提升客戶關係管理之品質。我們提出的系統採用連動式多重圖表視覺化界面，並搭配上視覺化設計與互動，以便於分析人員分群客戶、觀察感興趣的子集合、和嘗試理解資料集或資料向度之間的關聯性。更甚者，我們在系統中加入了分佈視圖，一個將客戶進行自動化降維後之分群結果進行視覺化展示的視圖，與其附上之輔助性的互動功能，它可以為分析多維度資料的關聯性提供另一個更迅速且清晰的視角。為輔助分析人員發揮他們的專業知識，在連動式多重圖表之視覺化界面的視圖亦可自由的被分析人員調整，這使我們的系統提供更高的自由度。我們以台灣知名之百貨公司集團的消費者交易資料作為基礎進行使用範例分析和案例分享，並以此驗證該系統之可用性。

• 學位論文

基於深度學習技術之行人年齡與性別辨識

本論文研究目標為利用深度學習技術實作人物影像之年齡與性別的辨識，主要研究對象為街道上行人的全身影像，擷取出單一行人之全身影像，進行辨識後得出其年齡性別之辨識結果。 基於深度學習(Deep Learning)技術，我們使用卷積神經網路(CNN)作為網路主架構提取特徵(feature)，並提供年齡與性別之分類器共享特徵來優化特徵提取過程，最後評估各式實驗間的差異，彙整成我們的結論。