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 - 4 of 4
  • Item
    自組性類神經網路應用於乳房X光影像之偵測
    (2007) 郭泰榕; Tai-Jung Kuo
    醫學影像的研究,從早期的X光片、超音波顯像,到現在的核磁共振(MRI)、電腦斷層掃瞄(CT),使得全世界在醫學技術及醫療品質有了大幅的提昇。然而在國內,此等醫療技術的應用仍大量仰賴國外高科技產品的輸入,例如MRI的掃描器,仍是完全倚靠國外的輸入;相關的使用軟體也是購自國外。為了解決此問題,並降低全民醫療成本,實有必要自行發展醫學影像辨認系統。本論文結合圖形識別與類神經網路之演算法則,提出一套改善乳房X光影像的辨認技術,以供乳癌診斷參考。 本論文所提出的概念,主要利用自組性類神經網路(SOM)的演算法則,實施特徵萃取、分類定義及聚類的工作,使乳癌的鈣化組織與腫瘤區塊較準確的顯示出來,並配合影像處理之分析,達到提升辨識速度及診斷準確度的目標。所開發出來的影像處理工具箱,包括影像濾波、SOM特徵擷取與影像邊界描述等。經由本研究的模擬實驗後,在運算複雜度與速度上,均已獲得改善。
  • Item
    膚色偵測器應用於即時臉部擷取系統
    (2007) 鄔誌仁; Zhi-Ren Wu
    人臉偵測系統在人臉辨識、人機介面裝置以及影像監視器的應用上扮演非常重要的角色。本篇論文提出一套針對不同亮度做補償之膚色偵測器,由於膚色極容易受光線影響,因此,必須做一些適當的光線補償。首先,本篇先對輸入影像做光線補償來做亮度校正。隨後,我們利用訓練出的CbCr值來做膚色分割。在訓練過程中,採用「主軸k-means」演算法將膚色訓練資料做分群處理。在特徵擷取部分,利用眼睛、嘴巴,以及比較少見的頭髮等三個特徵來定義人臉區域。實驗結果顯示出,本篇論文所提出的方法已改善光線所產生的問題,而且系統可以即時工作,在膚色偵測率高達95.02%;針對較複雜背景情況的靜態人臉偵測率高達91.67%;動態人臉偵測率高達97.78%。在此,我們主要是針對正臉以及接近正臉的人臉來做實驗,對於背景太複雜的情形下,仍然有偵測不到的現象。
  • Item
    有效的膚色偵測器應用於動態人臉偵測系統
    (2007-06-01) 鄔誌仁; 蔡俊明; 葉榮木
    本篇論文提出一套針對不同亮度做補償之膚色偵測器。由於膚色極容易受光線影響。因此,必須做一些適當的光線補償。首先,本篇採用 Chen所提出的適應性光線補償來做亮度校正。隨後,我們在此訓練出兩組 CbCr 值來做膚色分割。而在訓練過程中,採用「主軸 k-means」演算法將訓練資料做分群處理。而在特徵擷取部分,利用眼睛和嘴巴的特徵來定義人臉區域。實驗結果顯示出,本篇論文所提出之方法已有改善,膚色偵測率高達95.02%;且動態偵測率高達 93.33%。在此,我們主要是針對正臉以及接近正臉的人臉來做實驗。對於背景太複雜的情形下,仍然有偵測不到的現象。
  • Item
    改良式對角化主要成份分析法應用於腦電波辨識
    (2007-06-01) 陳致仰; 葉榮木; 蔡俊明
    本篇文章提出一個有效的方法,對受測者在意圖吐舌頭與意圖舉起左手時的腦電波做辨識。腦電波辨識是否成功的關鍵,在於特徵擷取與分類兩個議題,有別於過去文獻將重點放在分類演算法的改良上,我們認為找出更具代表性和更精簡的特徵,同樣值得重視。若選取的特徵能夠讓類別之間的差異變大,我們就可以使用很簡單的方法,來取代原先複雜的分類演算法,也不會降低辨識的準確率。在此,我們採用在人臉影像辨識中,具有良好效果的對角化主成份分析法(DiaPCA),來擷取腦電波特徵,並加以辨識。我們除了找出 DiaPCA 在腦電波辨識的應用中最佳的參數條件之外,並提出了「改良式對角化主成份分析法」,來提升其辨識率。研究結果顯示,我們所做的修改,將原始的 DiaPCA應用在腦電波辨識的準確率大幅提升了10.79%。