一、準備工具與下載 使用設備 MacBook Air M3 15inch 名稱 用途 建議下載位置(直接存於Downloads即可) JavaFX SDK (javafx-sdk-21.0.7) 執行 JavaFX 程式用 /Users/使用者/Downloads/

助教姓名:徐聖哲 郵箱: 613630242@o365.tku.edu.tw 課堂配分規劃 點名20% 作業 60%

vif < 7才不會有共線性 分析 回歸 線性 共線性 羅吉斯分配中，自變數對依變數的影響是以指數的方式做變動，因此不需要常態分配的假設。 刪除的值： 姓名 車票號碼 客艙編號 兄弟姐妹或配偶數

15.29 package com.example; import javafx.animation.KeyFrame; import javafx.animation.Timeline; import javafx.application.Application; import javafx.scene.Scene; import javafx.scene.input.KeyCode; import javafx.scene.layout.Pane; import javafx.scene.paint.Color; import javafx.scene.shape.Circle;

(MediaDemo.java 及 FlagAnthm.java) 問題描述 import javafx.scene.media.Media; import javafx.scene.media.MediaPlayer; 在16.13和16.14中，如果遇到以上兩個import 為紅色的話，請依照以下步驟解決 打開專案，並打開Project Files裡的pom.xml 將以下程式碼輸入：

摘要 科技接受模式是由理性行為理論所演變出來的一個以科技為主的採用理論，也是過去在資管領域被使用最廣泛的一個理論。主要用來預測使用者接受新科技的程度，後來陸續有些修正，是少數在資管領域內所發展出來的理論，並且是資管領域中被使用最多的一個理論。 本章主要討論內容如下： 科技接受模式的起源 科技接受模式的理論架構 科技接受模式的修正：TAM2與UTAUT 科技接受模式的應用 科技接受模式的價值與限制

Observable 物件的監聽器 什麼是 Observable？ 在 JavaFX 中，Observable 代表一個可觀察的物件，當它的數值發生變化時，會通知所有監聽它的監聽器（Listener）。這種機制常用於 GUI 開發，使程式能夠自動更新 UI，而無需手動監控變數變化。 InvalidationListener 監聽數值變化 InvalidationListener 是 JavaFX 提供的一種監聽器介面，當 Observable 物件變更時，它會執行 invalidated(Observable o) 方法。 主要流程 建立一個 Observable 物件，例如 DoubleProperty。 使用 addListener(InvalidationListener listener) 方法，為它註冊監聽器。

9.2 連續記憶體配置（Contiguous Memory Allocation） 在電腦系統中，主記憶體（RAM）需要同時容納 作業系統 和 使用者行程，因此我們需要有效地管理記憶體的分配。本章節介紹 連續記憶體配置，這是一種早期的記憶體管理方式。 1. 什麼是連續記憶體配置？ 連續記憶體配置指的是 每個行程在記憶體中佔據一塊連續的區域，不與其他行程混合。當新的行程進入時，系統需要找到一塊足夠大的連續空間來分配給它。 記憶體的基本分配 作業系統區塊（通常在高記憶體位址） 使用者行程區塊（分配給各個行程）

0227 KeyEvent類別封裝許多滑鼠事件之資訊 函數 型態 +getCharacter() String 回傳在此事件與鍵盤關聯的字元

1. CNN（Convolutional Neural Network，卷積神經網路） Yann LeCun et al., Backpropagation applied to handwritten zip code recognition. Neural computation 1 (4), 541-551, 1989. 運作原理 CNN 是一種專門用來處理 影像與空間資料 的神經網路，它透過 卷積層（Convolutional Layer） 來提取特徵，並透過 池化層（Pooling Layer） 來降低特徵維度，最後透過全連接層（Fully Connected Layer）來輸出結果。 卷積層：使用 卷積核（filter） 在輸入影像上滑動，提取局部特徵，如邊緣、紋理等。 池化層：透過 最大池化（Max Pooling） 或 平均池化（Average Pooling） 降低維度，減少計算量，並提高模型對於小幅變形的適應能力。 全連接層：將提取到的特徵展開並輸入到標準的前饋神經網路（MLP）中，進行分類或回歸。

在 《Annotated History of Modern AI and Deep Learning》 中，Schmidhuber 提及了多種 AI 和深度學習模型的發展歷程。 1. 早期人工神經網路（ANN）與機器學習基礎 (1) 1943 年：McCulloch-Pitts 神經元 McCulloch 和 Pitts 提出第一個人工神經元（Artificial Neuron） 模型。 這是最早的數學化神經網路模型，啟發了後續的神經網路研究。 (2) 1958 年：Perceptron（感知機） Frank Rosenblatt 發明 感知機（Perceptron），是一種最簡單的前饋神經網路。 這個模型可學習二元分類問題，但受 XOR 問題的限制。

什麼是CSE-CIC-IDS2018？ CSE-CIC-IDS2018 （Canadian Institute for Cybersecurity Intrusion Detection System 2018） 是一個重要的入侵檢測數據集，由通訊安全機構（CSE）與加拿大網絡安全研究所（CIC）合作開發。該數據集旨在為網絡安全研究提供豐富、真實和多樣化的網絡流量樣本，以支持入侵檢測系統（IDS）的研究與開發。 數據收集：CSE-CIC-IDS2018數據集包含約1600萬個實例，數據是在2018年2月28日至3月9日之間收集的，涵蓋了多種正常和惡意流量類型。 攻擊類型：該數據集包括多種攻擊類型，如暴力破解（Bruteforce）、拒絕服務（DoS）、Web攻擊、滲透（Infiltration）、殭屍網絡（Botnet）和分佈式拒絕服務（DDoS）。這些攻擊類型為研究人員提供了分類和檢測的基礎。 數據格式：數據集提供了處理過的CSV文件，適合機器學習算法使用，便於研究人員進行實驗和模型訓練。 官方網站

HW8_1 (15.1) 編寫一個程式，讓使用者可以點擊「刷新」按鈕，從一副52張牌的牌組中顯示四張隨機牌，如圖15.26a所示。（請參考程式設計練習14.3中的提示，了解如何獲取四張隨機牌。） image 使用 GridPane 布局管理器 image import javafx.application.Application; import javafx.scene.Scene; import javafx.scene.control.Button;

15.1 簡介 事件驅動程式設計是 GUI 程式開發中的核心技術，允許程式根據用戶的操作（如點擊按鈕、滑鼠移動）做出相應的反應。 通過 事件來源、事件物件 和 事件處理器 的協作，實現互動功能。 範例情境 假設您正在設計一個基於 GUI 的貸款計算器。使用者可以輸入貸款金額、利率和貸款期限，然後點擊 Calculate 按鈕以獲得每月還款額和總還款額。此功能需要使用事件驅動程式設計來處理按鈕事件。以下是一個範例介面： iShot_2024-12-12_00.18.02 事件驅動程式設計的主要元件

1. Stage（舞台） 定義：Stage 是 JavaFX 中的頂層容器，表示應用程式的主要視窗或彈出視窗。 特性：每個 JavaFX 應用程式都有一個 primaryStage，由 JavaFX 平台自動建立。 可以自定義其他 Stage，用來建立子視窗或對話框。 Stage 中放置的是 Scene。 比喻：Stage 就像一個房間的窗戶，場景和元件則是窗戶中的景象。 2. Scene（場景） 定義：Scene 是用來裝載所有 UI 元件的容器，是應用程式的視覺化內容。

原始KDD資料集的問題 1.數據不平衡： 某些類別（例如 normal 和 neptune 攻擊）佔據了絕大部分記錄，而其他類別（如 U2R 和 R2L 攻擊）數量極少。 導致模型容易傾向於常見類別，忽略稀有類別。 冗餘樣本： 許多樣本之間幾乎完全相同，對分類器的學習幾乎沒有貢獻，但增加了計算成本。

1128 正課作業6 12.16 12.30 13.4 13.5 13.7 12.16 (替換文字)範例程式12.16 Replacetext.java替換原始檔的文字，並將更改後的結果儲存於新的檔案中。請修改此程式，將更改後的結果儲存回原始檔案，呼叫

1128 硏究所報告 使用Scikit-learn內建的分類器篩選出重要的標籤 DecisionTreeClassifier 決策樹 RandomForestClassifier 隨機森林 以上皆選用信息增益 論文中選用的是

11/14-11/21 書面報告 修正上禮拜直接使用test來當作驗證集，改為將train的資料拆分為8:2， 更改了以下的代碼 # 6. 將訓練資料拆分為 8:2 # 使用 train_test_split 將訓練資料進一步拆分為訓練集 (80%) 和驗證集 (20%) # random_state=42 確保分割的隨機性可重現 X_train, X_val, y_train, y_val = train_test_split(X_train_full, y_train_full, test_size=0.2, random_state=42) 這是決策樹的模型準確率，準確率高達98.84

在 Java 中，程式的檔案組織遵循一個簡單的規則：只要檔案屬於同一個 package（或未指定 package 的情況下，屬於預設 package），類別之間就可以互相存取。 設計Date (日期)類別及測試 Date私有成員變數有3： int day; // 1 to 31 int month; // 1 to 12 int year; // 2014 等西元年 Date 之靜態類別欄位有 1： final static int[ ] daysPerMonth = { 0, 31,28, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31 }; //代表非閏年時的每月天數