機電工程學系

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/84

系所沿革

為迎合產業機電整合人才之需求,本校於民國 91年成立機電科技研究所,招收碩士班學生;隨後並於民國93年設立大學部,系所整合為「機電科技學系」,更於101學年度起招收博士班學生。103學年度本系更名為「機電工程學系」,本系所之發展方向與目標,係配合國家政策、產業需求與技術發展趨勢而制定。本系規劃專業領域包含「精密機械」及「光機電整合」 為兩大核心領域, 使學生不但學有專精,並具跨領域的知識,期能強化學生之應變能力,以適應多元變化的明日社會。

教學目標主要希望教導學生機電工程相關之基本原理與實務應用的專業知能,並訓練學生如何運用工具進行設計、執行、實作與驗證各項實驗,以培養解決機電工程上各種問題所需要的獨立思考與創新能力。

基於建立系統性的機電工程整合教學與研究目標,本系學士班及研究所之教育目標如下:

一、學士班

1.培育具備理論與實作能力之機電工程人才。

2.培育符合產業需求或教育專業之機電工程人才。

3.培育具備人文素養、專業倫理及終身學習能力之機電工程人才。

二、研究所

1.培育具備機電工程整合實務能力之專業工程師或研發人才。

2.培育機電工程相關研究創新與產業應用之專業工程師或研發人才。

3.培育具備人文素養、專業倫理及終身學習能力之專業工程師或研發人才。

News

Browse

Search Results

Now showing 1 - 1 of 1
  • Item
    基於深度學習之心律不整輔助診斷系統
    (2017) 游凱翔
    心臟病一直以來都是人類健康殺手,一旦病發有極高的致命性。而現行心臟病的醫療十分被動,多數情況下於病人發病後,才在緊急狀況下進行治療,容易造成遺憾。因此,近年來心臟病的長期監控逐漸受到重視,藉由攜帶式或居家式心電圖量測儀器,病患可以自行量測心電圖並即時傳送到醫院,使醫生更確實地掌握病患的近況,並在出現異常徵兆時,及時進行治療。 但長期監控同時也會造成資料量上升以及資料品質穩定度下降的問題,本研究針對其提出一套結合深度學習領域中的卷積神經網路架構與k-means演算法的心律不整輔助診斷系統,並在最後對分類結果進行離群資料處理。該系統能對心電圖資料進行初步分析與分類,在診斷時可提供資訊給醫療人員,並標註出危險度較高的區段,減少醫療人員的負擔,並提升診察效率。 本研究提出之系統分為兩個部分,第一部分以k-means演算法對原始資料進行分子類動作,透過此步驟可以使資料特徵更容易被捕捉。第二部分以卷積神經網路為基礎,建構心電圖波形分類器,對分完子類之資料進行分類並將結果進行離群資料處理。有別於傳統類神經網路,卷積神經網路的特點在於該網路能自動提取資料中價值較高的特徵,並運用於資料的辨識,同時卷積神經網路架構還能有效減少網路之參數數量,減少神經網路的訓練時間與消耗資源,提升整體效率。 本研究使用MITBIH心律不整資料庫進行測試,準確度平均可達99.41%,漏診率僅1.23%。整體而言,為一兼具穩定及高效之智慧型診斷輔助系統。