繁體中文手寫板online的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

以少量樣本為基礎之離線簽名驗證演算法開發

為了解決繁體中文手寫板online的問題，作者吳岱融 這樣論述：

本論文以深度學習來對離線簽名辨識進行研究，簽名辨識技術在現今社會為驗證身分的重要方法之一，也是較為普遍且常見的手法，但目前仍多依賴專業人員來進行筆跡鑑定，且驗證申請不易又耗時。離線簽名與在線簽名的差異在於，在線簽名雖然能記錄使用者在簽名過程中的動態數據，但整體數據量龐大，且實際應用上較為困難，而離線簽名則是只有靜態圖像沒有多餘的動態數據，在實際辨識上還是依賴於專業人員鑑定。在近年來隨著深度學習的發展，圖像辨識也得到廣泛的應用，從車牌辨識、產品瑕疵挑選與農產品挑選等都有所發展，而離線簽名辨識也透過深度學習得到了更進一步的發展。基於深度學習與實際應用之可行性，本論文將建立一套基於少量樣本為基礎之

離線簽名演算法之開發，並以AlexNet為基礎架構並改良其模型，來對離線簽名進行辨識，而為了增加離線簽名的特徵，使用繪圖板在簽名圖像上增加筆壓及筆觸，透過8名人員的簽名來建立模型，並檢視該網路對不同人員之簽名的泛化能力。初步使用可視化技術來調整架構、激活函數與正規化，準確率(Accuracy)從原本77.50%提升至96.87%，後續使用轉移學習來解決少量樣本的問題，且改變模型通道數來增加其特徵提取，經過評估後使用自行建立之源資料庫來進行轉移，並整合源資料庫與目標資料庫後，使8名人員之模型平均準確率達到97.28%。本研究之模型僅使用560張來建立源資料庫，與80張建立個人的目標資料庫，且為了

驗證其模型對新蒐集之簽名的辨識能力，對8名人員的平均準確率再次以本人、一般偽造與照描偽造來進行識別，其數據為91.25%、95.63%與85.63%，而整體的精確率(Precision)、召回率(Recall)與F1 Score為90.68%、91.25%與90.97%，本研究在少量的數據下，透過增強特徵提取的方式與使用轉移學習，讓本論文所提出的模型有不錯的辨識能力與泛化性。

科技接受模型對電子書閱讀器顧客滿意度的影響―以社群行銷活動為干擾效果

為了解決繁體中文手寫板online的問題，作者劉沛昀 這樣論述：

本研究旨在探討電子書閱讀器使用者的數位閱讀素養能力對科技接受模型(TAM)中之個人信念(認知有趣性、認知易用性與認知有用性)的影響、個人信念對顧客滿意度的影響，以及數位閱讀素養與個人信念對顧客滿意度的影響。研究結果顯示：數位閱讀素養對個人信念皆有正向顯著影響；個人信念對顧客滿意度皆有正向顯著影響；個人信念在數位閱讀素養與顧客滿意度之間皆呈部分中介效果。干擾效果方面，以社群行銷活動認同度分組，高分組部分，品牌行銷對認知有趣性與顧客滿意度之間有顯著正向干擾效果。品牌行銷對數位閱讀素養與顧客滿意度之間有顯著正向干擾效果。在社群行銷活動、閱讀推廣、品牌行銷對認知易用性與顧客滿意度之間，三者均有顯著正

向干擾效果；低分組部分，閱讀推廣對認知有趣性與顧客滿意度之間有顯著負向干擾效果。促銷活動對認知有趣性與顧客滿意度之間有顯著負向干擾效果。閱讀推廣對認知易用性與顧客滿意度之間有顯著負向干擾效果。促銷活動對認知有用性與顧客滿意度之間有顯著負向干擾效果。建議可將社群行銷活動內容移植到電子書閱讀器上，以提升使用體驗。另可借鏡日本電子漫畫市場經驗，利用電子書閱讀器之特性，開發電子漫畫市場，推測具市場潛力。關鍵字：電子書閱讀器、數位閱讀素養、科技接受模型、社群行銷活動、顧客滿意度