太陽能屋頂mobile01的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列線上看、影評和彩蛋懶人包

運用物聯網技術建置腳踏車發電系統 之 研究

為了解決太陽能屋頂mobile01的問題，作者許文虎 這樣論述：

物聯網可實現人與人、人與物，以及物與物間之通訊與交流，無線感測網路具有低成本、低耗電、一個網路可擴充的節點達數萬個等優點，是實現物聯網的關鍵技術之一。 雲端運算具有資源彙整、快速彈性調整資源規模、無所不在的網路存取等特性，可為個人和公司企業提供可隨需存取的運算與儲存資源，能為製造業帶來創新的商業應用模式及增加競爭力與獲益。著眼於物聯網與雲端運算之上述優點，本論文研發一套系統能將腳踏車發電的相關數據，透過物聯網將資料傳輸和擷取。 本論文將研究分別測試兩款不同規格的直流電發電機：1.高電壓高電流發電機(24V 10A 300W )2.高電壓低電流發電機(24V 3A 100W)，當使用

者轉動腳踏車踏板帶動發電機所產生的電能，測試在不同數量的LED燈所負載產生的發電量與手機的充電效能。

應用仿生優化深度學習建構都市綠屋頂之植物微生物燃料電池產電預測模式

為了解決太陽能屋頂mobile01的問題，作者鄭宗棋 這樣論述：

植物微生物燃料電池(Plant Microbial Fuel Cell, PMFC)係一種新興的綠色能源技術，能持續將太陽能轉化成電能，於建築物屋頂上放置植物微生物燃料電池(PMFC)，不僅綠化都市環境，亦產生電力供給城市使用。PMFC產電量性能受多樣環境因素影響，難以精確預估產電量，因此本研究比較人工智慧中的淺層及深層學習技術，應用仿生優化演算法建立PMFC產電量人工智慧預測模型，推估PMFC裝置未來可達的蓄電量。所建置預測模型，係以感測器蒐集2018年3月至6月狼尾草、香蒲、圓葉節節菜的產電數據及其對應的裝置參數與環境因子，在資料預處理過程中剔除不適合草種圓葉節節菜，以狼尾草、香蒲PMF

C的裝置、周圍環境參數及產電量共39個因子做為原始訓練資料。本研究原始資料為數值形式，用於淺層學習及時序性深度學習的模型訓練；另以滑動視窗原理建立數值矩陣，進而將數值矩陣轉換成2D圖像格式(image-like data)，做為在電腦視覺領域具前瞻發展性的深度卷積神經網路模型之圖像識別資料。分析成果顯示，深度學習卷積神經網路中的EfficientNet為最適配模型，為提升EfficientNet的泛化能力，進而整合生物啟發式優化演算法-水母演算法(Jellyfish Search, JS)決定最佳超參數，建立混合模型JS-EfficientNet。研究成果及效益如下：(1)產電量人工智慧預測模

型敏感度分析顯示植物品種、電池裝置參數及環境因子確為影響PMFC產電量。未來研究人員能藉開發之預測模型，控制相關因子變數，避免重複性及不必要的實驗配置，簡化流程及減少成本；(2)能源管理單位及節能單位藉PMFC產電量預測模型，可預先規劃區域PMFC產電量、輔助電力高峰時段；(3)PMFC產電量的預測可應用於自我維持無線感測網路中的DPM與超級電容設計，提供WSN系統預判切換模式，減少資料傳輸錯誤及延長系統壽命。