理學院

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/3

學院概況

理學院設有數學系、物理學系、化學系、生命科學系、地球科學系、資訊工程學系6個系(均含學士、碩士及博士課程),及科學教育研究所、環境教育研究所、光電科技研究所及海洋環境科技就所4個獨立研究所,另設有生物多樣性國際研究生博士學位學程。全學院專任教師約180人,陣容十分堅強,無論師資、學術長現、社會貢獻與影響力均居全國之首。

特色

理學院位在國立臺灣師範大學分部校區內,座落於臺北市公館,佔地約10公頃,是個小而美的校園,內含國際會議廳、圖書館、實驗室、天文臺等完善設施。

理學院創院已逾六十年,在此堅固基礎上,理學院不僅在基礎科學上有豐碩的表現,更在臺灣許多研究中獨占鰲頭,曾孕育出五位中研院院士。近年來,更致力於跨領域研究,並在應用科技上加強與業界合作,院內教師每年均取得多項專利,所開發之商品廣泛應用於醫、藥、化妝品、食品加工業、農業、環保、資訊、教育產業及日常生活中。

在科學教育研究上,臺灣師大理學院之排名更高居世界第一,此外更有獨步全臺的科學教育中心,該中心就中學科學課程、科學教與學等方面從事研究與推廣服務;是全國人力最充足,設備最完善,具有良好服務品質的中心。

在理學院紮實、多元的研究基礎下,學生可依其性向、興趣做出寬廣之選擇,無論對其未來進入學術研究領域、教育界或工業界工作,均是絕佳選擇。

Browse

Search Results

Now showing 1 - 10 of 3346
  • Item
    台灣、芬蘭與中國大陸國小一至六年級數學教科書代數佈題表徵之研究
    (台灣數學教育學會、國立臺灣師範大學數學系共同發行, 2012-06-??) 張敬苓
    本研究採內容分析法以比較台灣、芬蘭與中國之一至六年級數學教科書中代數教材之佈題表徵(符號型態、文字型態、視覺型態、聯合型態)方式之差異。因此,本研究選取市佔率最高的台灣康軒,中國義務教育課程標準實驗教科書,以及芬蘭Laskutaito 教科書為研究對象。研究發現臺灣台灣(73%)與中國(48%)較偏重「聯合型態」之佈題,;芬蘭(78%)明顯偏重於「符號型態」之佈題;在文字型態之佈題方面,三套教材占的比重差不多,比例約為10%左右。此外,結果亦顯示芬蘭教材提供較多元的佈題方式,較能刺激學童思考,並增加邏輯推理能力的發展。
  • Item
    醋酸對十一種 -變形菌綱的抑菌及殺菌作用探討
    (國立臺灣師範大學生命科學學系, 2014-12-??) 呂秋錦; 呂玉珍; 黃弘文; 林怡礽; 曾昭能; 莫顯蕎; Chiu-Chin Lu, Yu-Chen Lu, Hurng-Wern Huang, Yi-Reng Lin, Chao-Neng Tseng, Hin-Kiu Mok
    很多重要的致病菌都屬於- 變形菌綱, 本研究探討低濃度醋酸對- 變形菌綱(gammaproteobacteria) 中的海水性細菌之生長抑制及殺菌作用, 針對Morganella morganii, Pseudomonas sp., Pseudoalteromonas sp.,及Vibrio spp.,等細菌,在含有0.125%、0.0625%及0.03125%的醋酸下出現不同的影響作用,結果顯示,分離出的11 株 -變形菌綱細菌中,Morganella morganii具有較高的醋酸耐受性,研究中最高醋酸濃度為0.125%,在此條件下僅出現些微的抑制作用,其餘10 株菌在0.125%下皆無法生長。
  • Item
    念珠藻Nostoc punctiforme胞外多醣生合成調控機制之預測
    (國立臺灣師範大學生命科學學系, 2014-12-??) 曾志彧; 楊萌皓; 李冠群; Chih-Yu Tseng, Ming-Ho Iunn, Guan-Chiun Lee
    藍菌念珠藻屬念珠藻屬 (Nostoc) 的胞外多醣胞外多醣 (exopolysaccharides, EPS)生合成相關之遺傳與生化方面的瞭解,目前研究並不多,為探討,為探討念珠藻屬EPS生合成基因可能受到那些轉錄因子調控,進而了解EPS生合成與環境因子的關係,本研究以念珠藻屬中基因體序列已被完整解碼的Nostoc punctiforme ATCC 29133為研究對象,針對其基因體中10個可能參與EPS生合成的基因啟動子區域做序列分析,共預測出15種轉錄因子轉錄因子結合位,藉由與大腸桿菌(Escherichia coli) 轉錄因子結合位序列的相似性相似性比對,預測最有可能會調控EPS生合成基因的轉錄因子為ArgR、Fnr與LexA。最後,利用E. coli K12之ArgR、Fnr與LexA胺基酸序列於N. punctiforme基因體中進行BLAST比對搜尋,結果顯示N. punctiforme具有與具有與E. coliK12相似度極高的轉錄因子LexA,但不具有相似的ArgR與Fnr。因此推測念珠藻N.punctiforme的EPS生合成基因可能會受轉錄因子LexA與其相關環境因子的調控,例如紫外線。
  • Item
    以智慧椅墊進行坐姿分析之研究
    (2019) 張雅婷; Chang, Ya-Ting
    在現代社會中,大部分人的生活型態,不論是工作或者休息,往往有很長的時間維 持坐姿。近年來有越來越多的疾病被證實與久坐有關。許多人認為坐姿是種休息的姿 勢,但研究中指出,比起站姿與躺姿,坐姿讓椎間盤承受的壓力更大,而不適當的坐 姿則更提升了椎間盤的壓力。 由於久坐逐漸成為現代人的生活習慣,所以適當的坐姿就顯得格外的重要。在日常 生活中,不適當的坐姿對於大多數的人而言,屬於較為舒適的姿勢,所以往往無心注 意自己的坐姿是否適當。故須透過工具協助來了解自己的坐姿情況。本研究設計一智 慧椅墊之雛形,旨在透過較低的成本 Arduino開發版與少量的壓力感測器,並且準確 的分類使用者的坐姿。 過去使用壓力感測器進行坐姿分類的相關研究中,透過傳統的機器學習方法進行坐 姿的分類,且使用較多數量的感器收集各類坐姿的資料。準確率落在百分之八十至百 分之九十。本研究使用一種傳統機器學習演算法與兩種深度學習之方法進行實驗,找 出適合進行坐姿分類之方式,並以特徵選擇實驗找到能夠準確分類坐姿之感測器數量 及擺放方式。 本研究除了使用限制坐姿使用資料進行坐姿分類模型訓練以及評估初步的分類結 果,並透過實際座椅使用情況資料,再次檢視此智慧椅墊在實際使用情形下,亦能有 良好的做姿分類表現。透過智慧椅墊設計實驗與特徵選擇實驗,本研究完成一智慧椅 墊,使用少量的感測器與基礎的物聯網開發板,降低了硬體成本,達成良好的坐姿分 類表現。
  • Item
    使用深度學習方法於產品評論之建議探勘
    (2019) 周伯冠; JHOU, BO-GUAN
    隨著網路的普及,許多的資訊愈來愈容易被搜索。其中,產品評論相關的訊息也隨著社群網路的發展被公開在社群中。這類的社群包含,論壇、社群網站、和產品官方網站等,甚至有組織專門在蒐集這些評論後組成評論相關的網站,並且將評論分類,給受用戶查看。消費者可以在上述的網站中查看產品的使用狀況與心得和是否符合自身所需,再決定是否購買;產品提供者也可以透過評論持續收集使用者的使用狀況與心得,對產品進行迭代設計,對產品進行改良以符合大眾的需求。 本研究將評論分為建議句 (suggestion)和非建議句 (non-suggestion)。使用 Stanford Core NLP 斷詞系統將文本以詞為單位進行處理;詞的表達方式分為兩種,詞向量與詞頻率;模型採用深度學習類神經網路,分為全連結類神經網路 (Full Connected Neural Networks, FCNN)、卷積類神經網路 (Convolutional Neural Networks, CNN)與長短期記憶類神經網路 (Long Short-Term Memory, LSTM)。本研究以 Z-Score 方式標準化詞頻率表達式,並用全連結類神經網路訓練,此架構即可和利用詞向量在卷積類神經網路與長短期記憶類神經網路有差不多效果,但速度上快非常多。此外,本研究提供結合詞向量與詞頻率表達式在上述三種模型上訓練,進而對結果做比較分析。效能的評估方式以精準率 (Precision)、召回率 (Recall) 和 F1 分數 (F1-measure, F1)作比較。
  • Item
    無線隨意網路上以迴歸補救方式運行的無信標繞徑
    (2019) 陳品安; Chen, Pin-An
    在無線隨意網路中,Beaconless geographic routing(BLR)能讓節點不必知道他們鄰居點座標位置下執行greedy forwarding,節點依靠RTS/CTS機制讓鄰居點從RTS封包有足夠的資訊執行MAC contention,最先回應CTS封包的鄰居點視為下個中繼點。如果當節點已無法從鄰居點得到回應時,表示當下封包所在節點離目的節點是最近的,greedy forwarding失敗後換成補救方法rotation sweep algorithm,鄰居點依幾何圖形(如Reuleaux triangle)運作機制決定MAC conten-tion競爭回傳時間,確保封包正確的繞徑路線和減少所傳的節點數。著名的BLR研究成果都假設在節點具有相同的傳輸範圍,這在真實網路中是不可能成立的,以致於先前可信任的方法難以實際應用。 在真實網路中,節點間連接是不完美的,我們修改greedy forwarding流程,在MAC conten-tion的設計納入距離和角度因素,在補救方法方面,主要將cooperation rotational sweep 網路第三層繞徑方式調整到MAC和Routing的跨層運作方式,目的是利用cooperation rotational sweep犧牲封包標頭的空間來記錄歷史節點的位置資訊,讓各個鄰居點能利用歷史節點來解決傳送過程中存在的隱藏節點問題。 將所提出的方法模擬實驗結果呈現封包抵達率、路徑延展和CTS封包碰撞次數都會隨著封包標頭所記錄的歷史節點個數成正向成長。
  • Item
    卷積神經網路降噪技術加速全域照明之探討
    (2019) 杜宜家; Tu, Yi-Chia
    近年GPU硬體技術進步,光線追蹤即時繪製有了開端,在複雜的場景繪製效能仍然有限,因此本論文將使用人工智慧輔助路徑追蹤,以卷積神經網路降噪技術代替部分的路徑追蹤計算,加速全域照明場景的產生。 蒙地卡羅方法高頻率取樣,會耗費相當高的時間成本在計算上,透過路徑追蹤低取樣頻率產生的影像,以人工智慧的方法去除蒙地卡羅方法產生的雜訊,提升影像品質。 論文中主要探討降噪技術,透過調整卷積神經網路結構,達到降噪效果,並保持一定程度的穩定性,與不同的場景變換之下廣泛的適用性,比較預測結果與實際場景影像的差異,討論即時降噪光線追蹤遇到的問題與未來趨勢。
  • Item
    基於臉部偵測及CNN模型之硬體臉部辨識系統
    (2019) 謝斯宇; Xie, Si-Yu
    本論文透過FPGA(Field Programmable Gate Array)的特性,如運算速度快、功率消耗低以及可攜性高等,來實現基於簡單CNN Model LeNet-5的人臉即時辨識系統。 LeNet-5是簡單的CNN Model,對於複雜背景的影像有著極低的辨識率,為了改善其缺點,有兩種作法。第一,使用較為複雜的CNN Model如VGG-Net16等,第二,新增額外的前處理人臉偵測方式來改善。 如果使用較為複雜的CNN,在現有基於複雜的CNN電路絕大多數是使用PE (Process Element)Array的架構,每層電路共享相同的運算單元,而這種方法會造成一些問題,硬體資源消耗高、硬體設計複雜以及Latency長等問題。所以本論文是使用較為簡單的CNN來設計電路,根據軟體模型不同層的特性去做不同的設計,藉由改善電路的架構,使得每一層電路部分重疊的方式,提升電路平行計算的能力,進而提高電路的運算速度。 本論文使用簡單的CNN電路搭配人臉偵測的方式,來實現即時人臉辨識系統,不僅辨識率足以跟複雜的CNN匹敵之外,更重要的是我們只需花成本低的硬體規格就能實現實際的應用,如手機上的APP人臉解鎖功能以及家庭人臉辨識等應用,符合普及計算(Pervasive Computing)的概念。
  • Item
    探索基於生成對抗網路之新穎強健性技術
於語音辨識的應用
    (2019) 楊明璋; Yang, Ming-Jhang
    近年深度學習技術在許多領域有重大突破,在各種實際應用中也大放異彩,於自動語音辨識的應用中也一樣有優秀表現。雖然主流語音辨識系統在某些指標性任務上已經可達到和人類聽覺相當的辨識效果,然而它們卻不像人類一樣對於環境干擾具有強健性,也就是說儘管語音辨識系統有了大幅度的改進,「噪聲」仍舊一定程度的干擾語音辨識之準確度。諸如:背景人聲,火車,公車站牌,汽車噪音,餐館背景雜音…以上皆為常見的環境噪聲干擾。所以強健性技術的研究在當今語音辨識系統發展中扮演著重要角色。有鑑於此,本論文著手研究在語音特徵向量序列之調變頻譜上基於生成對抗網路之有效的增益方法。並在Aurora4語料庫上進行一系列實驗顯示本研究使用的方法可以增進語音辨識的效果。
  • Item
    應用階層式語意暨聲學特徵表示於語音文件摘要之研究
    (2019) 劉慈恩; Liu, Tzu-En
    由於巨量資訊的快速傳播,如何有效率地瀏覽資料是ㄧ項重要的課題。對於多媒體文件而言,語音是其內容中具有語意的主要元素之一,能夠相當完整的表達整份多媒體文件。近年來,有許多研究紛紛針對多媒體文件的理解與檢索進行深入的研究探討,並且有優異的成果與貢獻,如影像摘要、音訊摘要及影片摘要。 文件摘要可概分為節錄式 (Extractive) 和重寫式 (Abstractive) 摘要。其中節錄式摘要會依固定的比例,從文件中選出具代表性的文句組成其摘要結果;而重寫式摘要主要會先完整理解整份文件中的隱含意義,之後會根據其隱含意義,並使用不同的文詞,產生一個簡短版本的文件描述即為摘要。由於重寫式摘要對於自動語音摘要任務的困難度較高,故目前的研究大多是以節錄式摘要方式為主流。 本論文主要探討新穎的節錄式摘要方法於語音文件摘要任務上的應用,並深入研究如何改善語音文件摘要之成效。因此,我們提出以類神經網路為基礎之摘要摘要模型,運用階層式的架構及注意力機制深層次地理解文件蘊含的主旨,並以強化學習輔助訓練模型根據文件主旨選取並排序具代表性的語句組成摘要。同時,我們為了避免語音辨識的錯誤影響摘要結果,也將語音文件中相關的聲學特徵加入模型訓練以及使用次詞向量作為輸入。最後我們在中文廣播新聞語料(MATBN)上進行一系列的實驗與分析,從實驗結果中可驗證本論文提出之假設且在摘要成效上有顯著的提升。