<link rel="stylesheet" href="styles.cf390c6bfbe7555f.css">

Browsing by Author "Wen-Chin Lin"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item type:Item,
    HYDROGEN SENSING DEVICE
    (2018-11-15)
    Yuan-Chieh TSENG
    ;
    Jaw-Yeu Liang
    ;
    Yun-Chieh Pai
    ;
    Yu-Jung Chou
    ;
    Wen-Chin Lin
    A hydrogen sensing device includes a multi-layered structure member. The multi-layered structure member includes a stack of alternatingly disposed magnetic layers and non-ferromagnetic layers. One of the magnetic layers is a topmost layer of the multi-layered structure member. The topmost layer includes a palladium-based material to detect hydrogen.
  • Thumbnail Image
    Item type:Item,
    以卷積神經網路建構客運駕駛跟車距離之分類模式
    (國立陽明交通大學經營管理研究所, 2022-04-01)
    盧宗成
    ;
    梁竣凱
    ;
    林玟妗
    ;
    Chung-Cheng Lu
    ;
    Jyun-Kai Liang
    行車安全為政府所重視之公共運輸議題之一。若能了解客運駕駛行為之重要指標─駕駛跟車距離，業者便能夠有效地對駕駛員採取適當的行車管理措施。本研究之目的在以卷積神經網路建構一套跟車距離分類模型，將車載系統Mobileye所記錄之駕駛員跟車車距資料作為輸入資料，建立與訓練卷積神經網路分類模型，並藉由輸入之Mobileye車距資料來分類該駕駛員的跟車類型。本研究先將Mobileye所記錄之駕駛員跟車車距資料進行資料處理，並考量不同情境下之跟車距離，包括：天氣、車速及日夜三個因素，進一步設計七種不同的情境組合來篩選資料並產製車距矩陣圖，接著將車距矩陣圖輸入至卷積神經網路進行模型訓練及分類，利用訓練完成的模型來判斷所輸入之駕駛員車距圖片屬於何種跟車類型。實驗結果發現本研究所提出之分類模式在大多情境下皆有不錯的分類結果，其中以經圖片預處理之兩群分類準確率平均97%為最佳，顯示本研究之分類模型具備駕駛員跟車距離分類之能力，此模型可提供客運業者作為參考，藉由分類結果評估駕駛員的跟車距離類別，並針對不同類別駕駛員採行適當的管理措施。