空間推論的問題，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

空間政治：空間分析於選舉地理與政治行為研究之應用

為了解決空間推論的問題，作者徐永明,吳怡慧 這樣論述：

　　這是一本有關於空間分析模式應用的概論介紹，也可以說是作者投入於空間分析、選舉地理與政治學研究，跨領域的研究歷程。最初，人文科學領域引進地理資訊系統來視覺化統計分析資料時，引起學術圈的一陣關注，各式各樣的主題地圖取代了表格內的數據，將生硬的數字轉變為一目了然，也使得空間分析方法的應用蔚為新寵。但是將數據從一維轉換為二維的表達方式並不能滿足選舉地理與政治行為學的研究者，我們感興趣的是，一組空間位置加上變數，成為一個空間矩陣，矩陣與矩陣之間的運算與分析，產生更大且豐富的解釋力量，並且突破調查資料在總體層次的侷限性，進入到個體層次；在這本書中，作者循著空間分析方法的研究脈絡，提

出「空間統計」、「空間計量」、與「空間抽樣」三個主題，並在每一個主題內，舉例一至兩篇的學術文章，介紹合適的空間分析方法與研究成果。

空間推論進入發燒排行的影片

強化特徵對齊的深度學習之3D物件偵測、辨識、與方位估計

為了解決空間推論的問題，作者賴湘锝 這樣論述：

近年來，大量研究人力的投入，使得卷積神經網路 (convolution neural network, CNN) 在物件偵測與辨識的技術漸趨成熟。在3D物件偵測的應用上，卷積神經網路也協助了許多自動化任務，像是自駕車、工廠的機械手臂自動化生產技術等。在這些3D的應用任務中，目標物件的精確三維空間資訊是最重要的；但目前卷積神經網路在三維空間方位估計的精準度，還有改善的空間，因此在本研究中，我們藉由感興趣區域卷積 (RoI convolution) 的協助，並加入原始深度資料的再淬鍊，以迴歸出更準確的物體類別、3D位置、3D尺寸、及3D旋轉角度。本研究的網路模式是從實驗室所發展的9DoF SE-

YOLO偵測網路繼續修改而來，稱為 9DoF ADM-YOLO；主要改進的部份有：i.加入對齊偵測模組 (align detection module, ADM)，使得網路能調整錨框之大小及尺寸，並精確地擷取框內的特徵，使得最終迴歸能獲得更準確的結果；ii.加入原始深度資料分支，該分支從原始深度影像擷取特徵，能夠保留較準確的空間資訊，使得空間方面推論更為精確。在實驗中，我們使用 NVIDIA “墜落物件” (Falling Things) 資料集做測試；該資料集中每組影像包含 RGB 彩色影像與 D 深度影像，一共20類物件，每一類物件包含1,000組影像，共20,000組影像；其中90%組做

為訓練樣本，其餘為測試樣本。原始9DoF SE-YOLO物件偵測辨識系統的 mAP 為 93.59%；經過一連串的分析與改進後，最終的 9DoF ADM-YOLO，以 416×416 影像解析度進行測試，其平均執行速度為每秒33張影像，而其 mAP 達到 96.84%；相較於原架構在空間推論的結果，其3D位置估計有14%的提升和改進，3D尺寸估計提升了4%，而3D旋轉角度估計有20%提升。

星際效應：電影幕後的科學事實、推測與想像【2017諾貝爾物理學獎得主科普力作】

為了解決空間推論的問題，作者KipThorne 這樣論述：

2017諾貝爾物理學獎得主 寫給所有人的廣義相對論和量子力學科普讀本 帶領大家探索重力波、蟲洞、黑洞、時空旅行之謎 　　 　　基普．索恩身為LIGO觀測站的創辦人之一，與同儕一起帶領全世界頂尖科學家投入觀測重力波的工作，終於在2015年9月第一次偵測成功，至2017年1月為止共觀測到三個重力波事件，並以此成就與另兩位物理學家共同獲得2017年諾貝爾物理學獎。 　　重力波好比「時空漣漪」，由天體的劇烈運動引起。透過分析重力波的能量和來源，人類甚至將能追溯遠至一百三十七億年前宇宙大爆炸引起的餘波，從而理解宇宙起源！ 　　「這是全新且不同的發現，開啟前所未見的世界！」——瑞典皇家科學院

　　「本世紀最重大的科學發現，比發現上帝粒子更偉大！」——格拉斯哥重力波研究中心主任 Jim Hough 　　◎世界頂尖物理學家寫給大家的天文學通識課！ 　　◎電影幕後，科學家的「裡」設定大公開！ 　　◎星際效應導演克里斯多福．諾蘭專序推薦 　　從太空船的航速，到看似簡單順暢的降落行星之舉， 　　從教授寫滿方程式的黑板，到毫不起眼的文件資料， 　　其實無處不經過科學家之手，無一不經過精密計算， 　　完全符合科學精神與理論！ 　　沒看過本書，別說你懂《星際效應》的成就！ 　　《星際效應》導演──克里斯多福．諾蘭： 　　本書繽紛展現了基普生氣蓬勃的想像力，以及他想提高科學親和性的不懈努力，

讓我們這群不具備他那般高強智慧或淵博學識的普通人，也都能親近科學。 　　 　　《星際效應》科學顧問──基普．索恩： 　　電影一開始就根植於現實科學：位於人類知識的最前端，或稍微超前一些的科學……這是部從導演、編劇到製片，所有人都尊重科學的電影，而且整個劇情徹頭徹尾從科學擷取靈感，將之編織融入電影的素材中……帶領觀眾稍事領會物理定律可以與可能在我們的宇宙創造出哪些奇妙現象…… 　　美國加州理工學院知名天文物理學家基普．索恩 ╳ 好萊塢大導演克里斯多福．諾蘭 　　動員眾多科學家+好萊塢頂尖電影人，打造世上第一部忠實呈現宇宙間各種天體現象的電影 　　從校園到會議室，從網路到小酒館，掀起全世界前所未

有的物理學討論熱潮 　　 　　在《星際效應》之前，這些只是天文物理宅鑽研的專有名詞： 　　重力導致的時空與時間扭曲效應；黑洞的吸積盤、奇異點、事件視界、 　　重力透鏡、潮汐重力、重力波、重力彈弓；超弦理論與其他超空間推論…… 　　 　　在《星際效應》之後，全世界都在問： 　　蟲洞竟然不是洞，而是呈一個球體？ 　　為什麼黑洞不黑，上下圍繞著一圈「光環」？ 　　米勒的星球如此靠近「巨人」黑洞，為什麼不會被它吞噬？ 　　「巨人」的潮汐重力如何能在米勒的星球上激起四千公尺的巨浪？ 　　在米勒的星球上「一小時等於地球上七年」，是怎麼成立的？ 　　超立方體如何傳送三次元的庫柏穿越五次元的「體」（bulk）

？ 　　為什麼庫柏撥動牆上那一堆細線，就可以傳遞重力波去影響指針動作？ 　　 　　●最簡明清晰的時間與空間理論入門讀本 　　本書中，原本艱澀的天文物理知識，在索恩以淺白易懂的文字下依著電影劇情的推展娓娓道來，一一破解劇中所有設定之謎，還為讀者就內容的真實性將書中的科學知識大致分為三種：嚴謹科學、有根據的推測、想像臆測，並在各章節前標示出該章或該節的內容屬於何者，使本書成為最簡明清晰的太空科學入門讀本！ 　　 　　●科學理論與電影工藝完美結合 　　索恩是當今世上研究重力、宇宙學、廣義相對論的權威，為《星際效應》架構科學基礎，也在本書中竭力以最鮮明的手法生動解釋電影中涉及的科學，並揭露所有相關人士

如何經過多少努力，使科學理論與電影工藝完美結合，令事實的呈現比虛構與幻想更令人覺得離奇與驚豔。 名人推薦 　　◎中央研究院天文及天文物理研究所研究副技師、《科學月刊》總編輯曾耀寰◎審訂 　　◎學界聯合推薦 　　中央研究院物理研究所 　　余海禮研究員，李世昌研究員，王子敬研究員 　　中央研究院天文所 　　林峻哲科學家，卜宏毅博士後研究 　　國立中央大學天文研究所 　　黃崇源教授，陳文屏特聘教授，周翊副教授 　　國立中央大學物理系 　　蔣正偉特聘教授 　　國立清華大學天文研究所 　　江國興特聘教授 　　國立臺灣大學物理學系暨天文物理所 　　吳俊輝教授 　　國立臺灣大學物理學系 　　高涌泉教授

　　國立自然科學博物館 　　孫維新館長 　　 　　臺北藝術節藝術總監 　　耿一偉老師 　　 媒體好評推薦 　　《BBC知識國際中文版》辜雅穗總編輯 　　《PanSci泛科學》鄭國威總編輯 　　《科學人雜誌》李家維總編輯 　　《探索頻道雜誌》陳豫弘總編輯 　　

最佳化溫度感測器配置研究-以文心蘭網室微氣候監測為例

為了解決空間推論的問題，作者黃梓恩 這樣論述：

植物生長過程中受到許多環境因素影響，如：溫度、濕度、光照、風速及降雨量等。近年來由於氣候變遷導致極端氣候發生頻率上升，如高溫、乾旱或暴雨，維持農作物正常生長與品質面臨更多困難，同時也突顯了農民監控作物週遭即時環境數據的重要性。文心蘭是台灣極為重要的切花產業，溫度對於其切花之產量與品質影響甚鉅。因此，本研究以文心蘭為例，研究如何以有效方式監控及估算其生長網室之溫度。本研究決定裝設網室感應器時，檢驗五種安裝方式與不同安裝數目，並評選最佳感測器安裝方式與支數。所採用空間推論方式為克利金法，該法因為可最大使用空間資訊使其推論更為精確，目前廣泛使用於各種環境資訊之空間推論。在環境溫度監控部分，現有相關

文獻多於網室內安裝環境感測器，且以節能省電或通訊傳輸之角度來決定感測器安裝位置；較少研究分析如何安裝能有效獲得最準確的環境資訊。因此，本研究比較了五種感測器安裝位置的方法：極端值法、最多數據資訊法(熵)、標準差法、均勻布設法和隨機布設法，以其溫度估算準確度決定最佳之感測器安裝位置選取方法。研究區域為台中市新社區的文心蘭網室，網室面積長寬約為180公尺與30公尺。以均勻分布的方式於網室內設置44支氣候感測器，共4行11列。為了比較不同季節是否影響研究結果，研究週期分別選擇了2020年4月23日至4月29日(春)以及 11月23日至11月29日(冬)。而在感測器布設支數選擇中，實際可用支數為42支

，本研究亦測試當感應器減少至30與20支進行分析。研究成果顯示，根據溫度估算準確度(均方根誤差)，感測器布設位置使用極端值法之選取方法結果最佳，誤差範圍約0到0.5℃。換言之，農民若有預算規劃於溫室內安裝感測器，可使用極端值法選取感測器之安裝位置，此研究成果亦可推廣於其他溫室作物生長環境的感測器安裝位置選取。