552公車的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

科技計畫研發成果管理推廣與知識分享[109粉]

為了解決552公車的問題，作者黃鳳梅,陶治中,吳東凌,張益城,洪銘揚,沈麗琴,劉秋絹,林谷亮,周玫楓,謝維賢,簡國智,邱瀧緯 這樣論述：

　　配合本所107~108年度科技研究計畫研發成果及交通部之科技發展政策，本計畫同步實施相關技術之智慧財產權研究，做為創新研發成果之專利申請依據，並協助交通部完成交通科技服務政策之智財權議題探討。此外，協助辦理本所各項創新研發成果與專利技術推廣授權，活化研發成果之運用，促進公部門發展交通服務，並提升國內交通產業技術。 為促進國內交通科技之學術交流發展，本計畫持續進行本所交通科技知識分享服務網之資料庫維護更新，並提供各界查詢最新交通科技文獻及專利資訊，研究成果則可促進我國交通產業技術之創新發展。 本計畫執行期間完成之重要成果包括：(1)完成「公車客運轉乘班表無接縫銜接的自動檢

核系統」中華民國發明專利申請；(2)完成「電動大客車應用技術」、「智慧機車發展技術」以及「交通運輸領域區塊鏈應用技術」等主題之專利地圖分析； (3)辦理著作權及知識管理相關課題教育訓練；(4) 提供智財權法律疑慮諮詢服務等，以上成果有效提升交通部及本所智財權推廣應用之施政成效。

552公車進入發燒排行的影片

影片提示策略提升國小學習功能輕微缺損學生生活管理技能之成效

為了解決552公車的問題，作者謝佳年 這樣論述：

本研究目的在探討影片提示策略對提升國小學習功能輕微缺損學生的生活管理技能之成效，研究方法採單一受試研究法中的跨行為多試探實驗設計，以兩位國小學習功能輕微缺損學生為研究對象。教學實驗採四階段進行，分別為基線期、介入期、維持期與類化期，研究結果以目視分析及C統計進行資料整理與解釋，並提供滿意度調查表藉以瞭解家長與導師對教學之看法與回饋。依據本研究目的與結果歸納出以下結論:一、影片提示策略對提升國小學習功能輕微缺損學生生活管理技能具有立即的成效。二、影片提示策略對提升國小學習功能輕微缺損學生生活管理技能具有維持的成效。三、影片提示策略對提升國小學習功能輕微缺損學生生活管理技能具有類化的成效。四、影

片提示策略對提升國小學習功能輕微缺損學生生活管理技能具有良好的社會效度。

風雨夜行人（簡體書）

為了解決552公車的問題，作者程代展 這樣論述：

　　一個普通的科研人員，生活在一個不尋常的時代，有過一段異樣人生。 　　少年時代的他，因為偶然的原因捲入了政治旋渦。高考，這個草根窮小子居然驚動了高教部長。文革期間，他目睹了清華園的天翻地覆，體驗過江西農場，還與工農兵學員同過一個戰壕。改革開放後，他考上研究生，後又三進三出美國，留下了一段令人難解的謎團。葉落歸根，他再創了生命的蠟光一耀…… 　　在古稀之年，他握槧懷鉛，記下自己走過的路，自己的人生感悟，和對黎明的渴望。這裡雖然沒有震古鑠今的偉業豐績，卻有著別具爐錘的肺腑之言。 　　程代展，1970 年畢業於清華大學，1981 年於中國科學院研究生院獲碩士學位，1985

年於美國華盛頓大學獲博士學位。從1990 年起，任中科院系統所研究員。曾經擔任過Int. J. Math Sys., Est. Contr., Automatica, Asia J. Control. 的Associate Editor, Int. J. Robust Nonlin的Subject Editor，中國雜誌J. Control Theory and Application，《控制與決策》等多種學術刊物的主編、副主編、編輯；並曾經擔任中國自動化協會控制理論專業委員會主任，IEEE CSS 北京分會主席。已經出版了15 本專著/論著， 發表了270 餘篇期刊論文和170 餘篇會議論

文。他的研究方向有非線性控制系統、複雜系統、布爾網絡、博弈論等。 　　由於他對非線性系統控制理論及其應用的貢獻，於2006年當選國際電力與電子聯合會會士（IEEE Fellow）；2008 年當選國際自動控制聯合會會士（IFAC Fellow）。 2008 年獲國家自然科學二等獎；2011 年獲 IFAC 頒發的 Automatica 2008-2010 最佳論文獎。 2014 年再獲國家自然科學二等獎；2015 年獲中國科學院傑出科技成就個人獎（金質獎章）。此外，還得到過省部級一等獎兩次，二等獎四次，三等獎一次。  

植基於多任務卷積神經網路之車牌辨識研究

為了解決552公車的問題，作者彭柏瑄 這樣論述：

車牌辨識是一項被廣泛應用的技術，在如今智慧化發展快速的時代，車牌辨識技術也漸漸進入至你我的生活周遭。但由於現實世界的複雜環境影響，使得車牌辨識的準確率備受挑戰，因此為了有更進一步的發展與應用，車牌辨識仍是一項重大的研究議題。本研究為提出足夠強健的車牌辨識系統，在探討基於深度學習與卷積神經網路的影像辨識之相關方法論後，提出RetinaPlate車牌辨識系統。RetinaPlate是以基於多任務學習的卷積神經網路CNN作為車牌定位之方法論，以及採用卷積循環神經網路CRNN並搭配CTC模型損失函數，作為一項免分割、高強健的車牌字元辨識方法。本研究之車牌辨識系統RetinaPlate經由 A 公司所

提供之 PVLP 車輛照片數據集訓練後，可於該數據集達 98.60% 精確率以及 97.56% 之辨識準確率，另外於 AOLP 台灣車輛公開數據集測試，可達 97.70% 之辨識準確率，經與相關研究進行比較後，本研究之車牌辨識方法具有最佳的辨識準確率。