歡迎來到演算法、軟體和硬體三位一體的未來世界論文書籍站
世新大學 資訊管理學研究所(含碩專班) 邱孟佑所指導 梁隆基的 類神經網路之嵌入式車牌辨識系統 （2021），提出1717車牌關鍵因素是什麼，來自於車牌辨識、邊緣運算、影像處理、嵌入式系統。
而第二篇論文中華大學 工業管理學系 陳文欽、林寬明所指導 范培琨的 大型重型機車銷售關鍵成功因素之研究-以新竹地區為例 （2018），提出因為有 大型重型機車、模糊層級分析法、品牌選擇的重點而找出了 1717車牌的解答。
類神經網路之嵌入式車牌辨識系統
為了解決1717車牌 的問題，作者梁隆基 這樣論述：
以往車牌辨識系統是藉由一個強力運算的中央主機(Central Maintenance Computer,CMC)去做後端辨識，以大型的實際運用場景為例，車流量與車速會是評斷一套辨識系統好壞的關鍵，極端狀況下，過高的負載會給系統造成在傳輸上高延遲的問題，為解決可能高延遲的問題，在邊緣運算的概念被提出後，去中心化的計算這項優點，與集中式運算形成差異化，集中式運算在高延遲的問題下無法做到Real-Time的即時反應，在商業考量上，嵌入式系統的效能逐漸強大，大型主機轉變成一種紀錄資訊的功用，而微小的嵌入式系統模塊使用AI辨識達成分散式運算的工作，在前端就完成辨識工作，再將資料傳回給後端資料庫，而車牌
辨識的作業流程上主要可分為兩部分，第一部分為進行車牌偵測以及校正的Wpod-net，第二部分為使用MobilNet架構的光學字元辨識，這兩部份構成整體嵌入式車牌辨識系統的核心，為了讓嵌入式系統的模型有更好的辨識率，搭配進階的影像處理技術，可使類神經網路在車牌上的辨識率能夠更為精準，以多場合的使用是本文主要的目的，如路邊停車、高速公路收費ETC等地方使用，也可以配合政府做科技執法，更有效率的解決交通問題。
大型重型機車銷售關鍵成功因素之研究-以新竹地區為例
為了解決1717車牌 的問題，作者范培琨 這樣論述：
隨著台灣經濟起飛和相關法令的修改，吸引人們購買大型重型機車，大型重型機車在近年來逐漸成為許多人周末出遊所選擇之旅遊良伴，因此大型重型機車在國內市場需求大增。本研究旨在建構大型重型機車銷售關鍵成功之因素，透過文獻探討與專家訪談，歸納出「品牌形象」、「產品特性」與「價格」三項評估構面，及「國家」、「品牌歷史」、「知名度」、「機車性能」、「產品功能」、「產品外觀」、「官方價格」、「實際價格」及「其他開銷」九項評估指標，再運用模糊層級分析法(Fuzzy AHP) 來分析專家問卷，以求得各個構面與指標的權重。主要研究結果大部份專家認為品牌特性是吸引消費者最主要的原因，其次是價格，最後才是品牌形象，因此
產品若擁有明顯的差異性的話便能受消費者的青睞。關鍵字：大型重型機車、模糊層級分析法、品牌選擇