Digital Commons Network^™

Dynamic Meta-Path Guided Temporal Heterogeneous Graph Neural Networks, Yugang Ji, Chuan Shi, Yuan Fang

Research Collection School Of Computing and Information Systems

Graph Neural Networks (GNNs) have become the de facto standard for representation learning on topological graphs, which usually derive effective node representations via message passing from neighborhoods. Although GNNs have achieved great success, previous models are mostly confined to static and homogeneous graphs. However, there are multiple dynamic interactions between different-typed nodes in real-world scenarios like academic networks and e-commerce platforms, forming temporal heterogeneous graphs (THGs). Limited work has been done for representation learning on THGs and the challenges are in two aspects. First, there are abundant dynamic semantics between nodes while traditional techniques like meta-paths can only capture static …

Enabling Ai And Robotic Coaches For Physical Rehabilitation Therapy: Iterative Design And Evaluation With Therapists And Post-Stroke Survivors, Min Hun Lee, Daniel Siewiorek, Asim Smailagic, Alexandre Bernardino, Sergi Bermúdez I Badia

Research Collection School Of Computing and Information Systems

Artificial intelligence (AI) and robotic coaches promise the improved engagement of patients on rehabilitation exercises through social interaction. While previous work explored the potential of automatically monitoring exercises for AI and robotic coaches, the deployment of these systems remains a challenge. Previous work described the lack of involving stakeholders to design such functionalities as one of the major causes. In this paper, we present our efforts on eliciting the detailed design specifications on how AI and robotic coaches could interact with and guide patient’s exercises in an effective and acceptable way with four therapists and five post-stroke survivors. Through iterative …

Wakening Past Concepts Without Past Data: Class-Incremental Learning From Online Placebos, Yaoyao Liu, Yingying Li, Bernt Schiele, Qianru Sun

Research Collection School Of Computing and Information Systems

Not forgetting old class knowledge is a key challenge for class-incremental learning (CIL) when the model continuously adapts to new classes. A common technique to address this is knowledge distillation (KD), which penalizes prediction inconsistencies between old and new models. Such prediction is made with almost new class data, as old class data is extremely scarce due to the strict memory limitation in CIL. In this paper, we take a deep dive into KD losses and find that "using new class data for KD"not only hinders the model adaption (for learning new classes) but also results in low efficiency for …

Radiofrequency Interference Detection Using Lstmand Statistical Analysis Discriminator, Luke Smith

Masters Theses

"Wireless devices are becoming increasingly pervasive across all aspects of society. Examples of such devices include radios, routers, mobile phones, tablets, and more. As the number of radio frequency (RF) devices continues to rise, so does the amount of interference and noise increase. This is why an efficient approach to interference detection is explored. Most research within this area has been done strictly within the frequency domain as viewing a signal within this domain provides many insights into what makes the signal. This has, however, led to the time domain being underutilized for this area of research.

To explore the …

A Gat-Bilstma Model For Weather-Aware Prediction Of Traffic Speed, Bikis Muhammed

Masters Theses

This thesis presented a method for incorporating the effect of weather conditions in the prediction of the average speed of vehicular traffic for each segment of a road network. The proposed approach utilized two different deep learning methods: graph attention networks and bidirectional long short-term memory with attention layers. The accuracy of predictions is increased by considering the real-world driving distance between road segments, in contrast to the Haversine distance used in several existing prediction methods. Categorization of input data as weekend or weekday further increased the prediction accuracy. The proposed approach was validated using two data sets published by …

Digraph Enabled Digital Twin And Label-Encoding Machine Learning For Scada Network's Cyber Attack Analysis In Industry 5.0, Nabeel Al-Qirim, Anoud Bani-Hani, Munir Majdalawieh, Hussam Al Hamadi, Mohammad Kamrul Hasan

All Works

False-Data Injection Attack (FDIA), Remote-Tripping Command Injection (RTCI), and System Reconfiguration Attack (SRA) on SCADA (Supervisory Control and Data Acquisition) networks impact industry 5.0 enabled smart grid components such as intelligent-electronic-device (IED), circuit-breaker, network-switch, and power transmission lines. Since the SCADA-network-based cyber-attacking flow is not in digital-twin form, it is impossible to simulate the effects of the attack. Furthermore, the string nature of these affected components' data makes it challenging to incorporate into machine-learning-enabled intelligence (CTI) processes. To visualize the attacking flow of FDIA, RTCI, and SRA cyber-attacks on SCADA networks, this paper presents a novel "Digital Twin and Machine …

Leveraging Gpt-4 For Thai Land And Building Tax Calculation In The Bangkok Area, Sadanan Arsaibun

Chulalongkorn University Theses and Dissertations (Chula ETD)

This paper explores the application of large language models (LLMs), particularly GPT-4, in the context of Thai land and building tax computation. We address challenges arising from the complexity of Thai tax regulations, the scarcity of Thai-language training data, and the structured, multi-variable nature of tax computation tasks. To enhance model performance, we employ few-shot prompting, decomposition-based reasoning, and retrieval-augmented generation (RAG). We further introduce a JSON-style output format to support structured conversational interactions, allowing the model to identify missing user inputs and guide data collection. A secondary o3-mini pass is used as an answer verifier, helping to assess the …

End-To-End Development Of Mandible Reconstruction Using Machine Learning, Nattapon Kamboonsri

Chulalongkorn University Theses and Dissertations (Chula ETD)

Virtual surgical planning (VSP) is a critical step in mandible reconstruction surgery, which involves preoperative planning and implant design to restore mandibular defects. This study focuses on two essential components of VSP: (1) mandible segmentation, specifically the separation of healthy and defective regions, which currently relies on manual annotation, and (2) generation of the complete mandible, where traditional approaches such as mirroring the contralateral side often fail in scenarios involving midline-crossing defects. While recent automated methods have addressed mandible segmentation from CT scans, they typically focus only on binary segmentation and often utilize conventional UNet-based architectures that suffer from limited …

Automated Cecum Identification In Colonoscopy Using Deep Learning Approach, Kittipoom Sutthinuntakorn

Chulalongkorn University Theses and Dissertations (Chula ETD)

Colonoscopy is essential for the early detection and prevention of colorectal cancer. Identifying the cecum is a vital element of this process. However, most existing automated methods rely on still images or temporal cues alone, without incorporating camera motion awareness, and are rarely suitable for real-time use. In this paper, we present a real-time cecum detection method that integrates spatial features, temporal modeling, and camera motion cues. We deploy ConvNeXtV2 for spatial feature extraction, LTContext for temporal modeling, and Depth Anything in Robotic Endoscopic Surgery (DARES) to enhance understanding of endoscope positioning and camera motion. The dataset used in this …

Craftjai: Llm-Enhanced Generative Ai For Gamified Mood Journal, Kingrak Phairoh

Chulalongkorn University Theses and Dissertations (Chula ETD)

Mood journaling helps promote emotional self-awareness, but maintaining user motivation remains difficult. This study presents CRAFTJAI, a generative AI system that enhances journaling through emotionally aligned visual feedback. Instead of replacing diary entries, the system adds character-based imagery to support intrinsic motivation and symbolic emotional reflection. It consists of emotional feature extraction using a large language model, emotion-labeled dataset construction based on eight core moods, and LoRA fine-tuning of a diffusion-based text-to-image model to improve emotional fidelity and stylistic consistency. A web-based prototype was developed with Gradio for real-time evaluation. Drawing on gamification and self-determination theory, the system integrates emotional …

Cattle Identification By Muzzle Patterns Using Few-Shot Learning And Two-Branch Feature Extraction, Kunanon Sereewatanapong

Chulalongkorn University Theses and Dissertations (Chula ETD)

Cattle identification is a critical component of modern farm management systems, particularly in ensuring traceability, disease control, and improved production efficiency. Traditional identification methods such as ear tags or microchips often face challenges related to cost, durability, and animal welfare concerns. To address these limitations, this study proposes TBPN-ACEM (Two-Branch Prototype Network with Adaptive-Color Local Binary Pattern and Enhanced Margin Prototype Loss), a lightweight and few-shot learning framework designed for cattle identification using muzzle patterns, a unique and permanent biometric trait analogous to human fingerprints. The TBPN-ACEM architecture consists of three core components: (1) a two-branch structure that jointly extracts …

ระบบบริการที่ใช้การดำเนินการเรียนรู้ของเครื่องเพื่อสร้างและสอนเพิ่มแบบจำลองการเรียนรู้เชิงลึกได้โดยง่ายจากข้อมูลที่จัดเตรียมโดยผู้ใช้งาน, ธนเทพ รุ่งพิพัฒน์

Chulalongkorn University Theses and Dissertations (Chula ETD)

สารนิพนธ์ฉบับนี้นำเสนอระบบเว็บแอปพลิเคชันที่รองรับการสร้างแบบจำลองการเรียนรู้เชิงลึก (Deep Learning) โดยใช้แนวคิดของ MLOps (Machine Learning Operations) เพื่อให้สามารถฝึกใหม่ (Retrain) และนำแบบจำลองกลับมาใช้งานได้โดยอัตโนมัติ โดยไม่จำเป็นต้องมีความรู้เชิงเทคนิคหรือการเขียนโค้ด ระบบออกแบบมาเพื่อให้ผู้ใช้อัปโหลดข้อมูลของตนเอง และสร้างแบบจำลองจากโมเดลสำเร็จรูปที่นำเข้าจาก Hugging Face เช่น ResNet-50 และ Vision Transformer ได้ทันที โดยใช้ระบบตรวจสอบการเลื่อนของข้อมูล (Data Drift) และแสดงผลผ่าน Prometheus และ Grafana เพื่อประสิทธิภาพในการควบคุมคุณภาพของแบบจำลองในระยะยาว ระบบสามารถดาวน์โหลดโมเดลที่ฝึกแล้ว หรือเรียกใช้งานผ่าน API โดยมีการวางโครงสร้างเพื่อรองรับกับผู้ใช้งานจำนวนมากในอนาคตโดยใช้เครื่องมือต่างๆ เข้าช่วย เช่น Docker, Keycloak, RabbitMQ และ MLFlow ช่วยให้สามารถขยายระบบ (Scalability) และดีพลอยขึ้นคลาวด์ได้อย่างยืดหยุ่น การทดสอบระบบแสดงให้เห็นว่ามีประสิทธิภาพในการประมวลผลทั้งในด้านความแม่นยำของแบบจำลอง และความสามารถในการรองรับผู้ใช้งานพร้อมกันจำนวนมาก การวิจัยนี้ชี้ให้เห็นว่าการนำแบบจำลองที่มีอยู่แล้วมาประยุกต์ใช้ พร้อมระบบอัตโนมัติแบบครบวงจร เป็นแนวทางที่ช่วยลดข้อจำกัดในการเข้าถึง AI และส่งเสริมให้การใช้งานปัญญาประดิษฐ์สามารถเข้าถึงได้ในวงกว้างยิ่งขึ้น

การจัดลำดับความสำคัญของบทวิจารณ์ของผู้ใช้ซอฟต์แวร์โดยคำนึงถึงประสบการณ์ผู้ใช้โดยใช้การเรียนรู้ของเครื่อง, ลักษณ์สิปาง สาครวิจิตรี

Chulalongkorn University Theses and Dissertations (Chula ETD)

ปัจจุบันตลาดโมไบล์แอปพลิเคชันมีการแข่งขันสูง นักพัฒนาจึงจำเป็นต้องให้ความสำคัญกับบทวิจารณ์ของผู้ใช้ซึ่งบ่งบอกถึงความคิดเห็นและประสบการณ์ของผู้ใช้งานจริง เพื่อนำไปสู่การปรับปรุงและพัฒนาฟังก์ชันการทำงานให้ตรงตามความต้องการของผู้ใช้มากยิ่งขึ้น อย่างไรก็ตาม แอปพลิเคชันยอดนิยมมักมีบทวิจารณ์จำนวนมาก ทำให้เกิดข้อจำกัดในการที่นักพัฒนาจะสามารถอ่านและวิเคราะห์บทวิจารณ์ทั้งหมดได้อย่างมีประสิทธิภาพ เพื่อจัดการกับปัญหาดังกล่าว งานวิจัยฉบับนี้จึงนำเทคโนโลยีการเรียนรู้ของเครื่องเข้ามาช่วยในการจำแนกประเภทของบทวิจารณ์ โดยพิจารณาจากเนื้อหาในบทวิจารณ์ของผู้ใช้ซึ่งอาจสะท้อนถึงปัญหา ข้อบกพร่อง หรือข้อเสนอในการพัฒนาฟังก์ชันใหม่ ข้อมูลที่ได้จะถูกนำไปใช้จัดลำดับความสำคัญของการแก้ไขปรับปรุงตามผลกระทบที่มีต่อประสบการณ์ของผู้ใช้ งานวิจัยนี้ได้กำหนดหมวดหมู่ของบทวิจารณ์ไว้ทั้งหมด 5 ประเภท ได้แก่ ปัญหาด้านความจำเป็นพื้นฐาน, ปัญหาด้านการปฏิบัติ, ปัญหาด้านความเพลิดเพลิน, ปัญหาด้านความแปลกใหม่ และปัญหาอื่น ๆ ซึ่งสะท้อนลำดับความสำคัญของปัญหาจากมุมมองของผู้ใช้ ในการพัฒนาโมเดลการเรียนรู้ของเครื่องพบว่าโมเดลเบิร์ตมีประสิทธิภาพสูงกว่าโมเดลเอสวีเอ็ม แรนดอมฟอเรสต์ และโลจิสติกรีเกรสชัน โดยมีค่าความเที่ยงเป็น 0.72 ค่าเรียกกลับเป็น 0.719 ค่าเอฟวันเป็น 0.719 และค่าความแม่นเป็น 0.722 นอกจากนี้ งานวิจัยยังได้พัฒนาเว็บแอปพลิเคชันต้นแบบที่ใช้โมเดลเบิร์ตที่สร้างขึ้น เพื่อช่วยให้นักพัฒนาสามารถนำไปใช้วิเคราะห์และจัดลำดับความสำคัญของงานการบำรุงรักษาโมไบล์แอปพลิเคชัน โดยเว็บแอปพลิเคชันจะช่วยลดภาระในการอ่านบทวิจารณ์จำนวนมาก พร้อมทั้งสกัดข้อมูลที่สำคัญออกมาให้เห็นภาพรวมของความต้องการของผู้ใช้

An Unsupervised Pipeline For Class-Agnostic Object Detection Using Self-Supervised Vision Transformers And Kolmogorov–Arnold Networks, Yuno Otsuka

Chulalongkorn University Theses and Dissertations (Chula ETD)

Nowadays, object bounding boxes can help create training data for instance segmentation, which is essential for many computer vision applications. However, generating these bounding boxes still relies heavily on manual annotation, making the process costly and time-consuming. To address this, we propose a fully unsupervised four-stage pipeline that automatically generates pseudo-bounding boxes without any human-labeled data. The pipeline includes (1) Background Removal, (2) Pseudo-Bounding Box Generation, (3) Complementary Bounding Box Generation (optional), and (4) Class-Agnostic Detector Training. At the core of this pipeline is KFOUND, which builds upon FOUND, a fast and lightweight method that avoids assumptions about object count …

การจำแนกและการประเมินประสบการณ์ผู้ใช้จากบทวิจารณ์ของผู้ใช้โมไบล์แอปพลิเคชันโดยใช้การเรียนรู้ของเครื่อง, จิราพร รามจุล

Chulalongkorn University Theses and Dissertations (Chula ETD)

การทำความเข้าใจประสบการณ์ของผู้ใช้ เป็นสิ่งสำคัญต่อความสำเร็จและการพัฒนาอย่างต่อเนื่องของโมไบล์แอปพลิเคชัน งานวิจัยนี้นำเสนอวิธีการจำแนกบทวิจารณ์ของผู้ใช้ตามลักษณะของประสบการณ์ผู้ใช้ที่มีต่อโมไบล์แอปพลิเคชัน โดยใช้ทั้งอัลกอริทึมการเรียนรู้ของเครื่อง และการเรียนรู้เชิงลึก บทวิจารณ์ของผู้ใช้ถูกจำแนกตามมิติของประสบการณ์ผู้ใช้ในด้านการปฏิบัติและประสบการณ์ผู้ใช้ในด้านความเพลิดเพลิน ซึ่งประกอบด้วยลักษณะของประสบการณ์ผู้ใช้ทั้งหมด 8 รายการ ตามที่นิยามไว้ในแบบสอบถามประสบการณ์ผู้ใช้แบบสั้น ผลลัพธ์การจำแนกบทวิจารณ์ของผู้ใช้สามารถนำไปใช้ร่วมกับการวิเคราะห์ความรู้สึกจากบทวิจารณ์ เพื่อประเมินคะแนนประสบการณ์ผู้ใช้โดยรวมของโมไบล์แอปพลิเคชันได้อย่างอัตโนมัติ จากการทดลองประเมินประสิทธิภาพของโมเดลพบว่าเบิร์ต มีประสิทธิภาพดีกว่าซัพพอร์ตเวกเตอร์แมชีน แรนดอมฟอเรสต์ และ ลอจิสติกรีเกรสชัน โดยมีค่าความเที่ยง เท่ากับ 80%, ค่าเรียกคืน เท่ากับ 74%, ค่าเอฟวัน เท่ากับ 76%, ค่าความแม่น เท่ากับ 78% และค่าเอยูซี เท่ากับ 0.94 นอกจากนี้ค่าคะแนนประสบการณ์ผู้ใช้โดยรวมของโมไบล์แอปพลิเคชันที่คำนวณได้มีค่าสหสัมพันธ์เชิงบวกในระดับปานกลางถึงสูงเป็น 0.68 กับค่าคะแนนการจัดอันดับบนแอปสโตร์ ผลการศึกษานี้ชี้ให้เห็นถึงศักยภาพของการวิเคราะห์และประเมินคะแนนประสบการณ์ผู้ใช้อย่างอัตโนมัติในการเสริมสร้างคุณภาพของโมไบล์แอปพลิเคชันและความพึงพอใจของผู้ใช้

A Robust Form Understanding System Using Graph-Based Neural Network, Chavin Chuangchaichatchavarn

Chulalongkorn University Theses and Dissertations (Chula ETD)

In this work, we address the challenge of form understanding in real-world documents affected by OCR noise and layout uncertainty. We introduce TONDFU, a bilingual Thai and English dataset consisting of official documents such as vehicle registrations and utility bills, annotated for entity labelling and entity linking. We also introduce a noisy character feature extractor that captures lexical and spatial patterns to improve the model's robustness against noisy textual content. This feature is integrated with geometric, visual, and semantic features in the graph-based model. Experiments show that the noisy character feature outperforms the frequency histogram baseline, and with pretraining on …

A Hybrid Framework Based On Cnn-Lstm For Parkinson's Disease Severity Level Classification From 3-Axis Hand Gesture Signal Under The Frequency Domain, Theerawat Pinijwattananon

Chulalongkorn University Theses and Dissertations (Chula ETD)

This study introduces a novel multi-class classification model designed for the early-stage detection and severity assessment of Parkinson's Disease (PD). Machine learning model uses data from a 6 Degrees of Freedom (6DoF) sensor, collected during a simple keyboard-tapping test. Our research substantially analyzes finger movement patterns, since movement dysfunction like finger dexterity reduction is a primitive PD indication. First, raw data from wearable sensors are preprocessed by feature selection and normalization. Then, the data were converted into the frequency domain using Fourier transformation. Eventually, Gaussian filtering is applied to reduce noise and highlights relevant pattern. These processed spectral features are …

Deep Learning Approaches For Robust Heart And Respiratory Rate Estimation From Photoplethysmography, Pongpanut Osathitporn

Chulalongkorn University Theses and Dissertations (Chula ETD)

Respiratory rate (RR) is a vital sign widely used to assess patient health. However, estimating RR using photoplethysmography (PPG) signals remains challenging due to noise and signal variability. This paper proposes RRWaveNet, an end-to-end model based on multi-scale convolutional networks with residual connections for robust RR estimation from PPG signals. The model is evaluated on four public datasets BIDMC, CapnoBase, WESAD, and SensAI with optimal performance observed at a 32-second window. RRWaveNet achieves mean absolute errors of 1.66±1.01, 1.59±1.08, 1.92±0.96, and 1.23±0.61 breaths per minute, respectively, outperforming state-of-the-art methods across all datasets and the transfer learning using ICU datasets, which …

Advancing Machine Learning Interpretability: Lime Applications To Temporal Data And A Novel Method Of Counterfactual Generation, Shou Nakano, Yang Liu

Theses and Dissertations (Comprehensive)

As machine learning has advanced significantly over the past decade, predictive models have achieved substantial success across various domains. However, they often lack transparency in their decision-making processes. This opacity presents risks, particularly in sectors like healthcare and finance, where transparency is crucial. To address these challenges, explainable artificial intelligence (XAI) has risen in importance. Techniques such as LIME (Local Interpretable Model-agnostic Explanations) have been developed, utilizing simpler alternative models like linear regression or tree-based models to explain decisions for specific instances.

This thesis initially concentrates on the application of LIME to three global annual datasets, specifically within the relatively …

Road Extraction On Remote Sensing Imagery: Historical Mapping Of The Brazilian Amazon, Jonas Paiva Botelho Jr

Graduate Theses/Dissertations

This work proposes an artificial intelligence model based on U-Net architecture to map road networks in the Brazilian Amazon. Over the years, the Amazon region has been heavily exploited, leading to increased deforestation rates, contributing to CO2 emissions, amplifying global warming, and causing a disturbance in local fauna and flora. The expansion into the forest by illegal miners, loggers, and land grabbers can be tracked down by the construction of roads, which we can refer to as the arteries of deforestation. Previous works on the matter proposed algorithms that use high-resolution imagery to map roads precisely. However, this work approach …

Optimizing Sports Outcome Prediction Through Feature Engineering And Machine Learning, Vitor S. Freitas

Graduate Theses/Dissertations

The challenge of predicting the outcome of a team game lies in the high complexity and dynamics of the sports data. This thesis focuses on the aspect of using feature engineering and the genetic algorithm to predict the winner and the score of various sports events. Generally, it deals with how machine learning algorithms are combined with state-of-the-art feature engineering techniques in sports datasets derived from various sports disciplines. In this thesis, five different machine learning models have been applied, classification and regression trees (CART), random forest (RF), stochastic gradient boosting (SGB), eXtreme gradient boosting (XGBoost), and extreme learning machine …

Enhance Gnn-Based Social Recommendation Using User Dynamic Characteristics, Janekhwan Kitsupapaisan

Chulalongkorn University Theses and Dissertations (Chula ETD)

In recent developments, social recommendation frameworks have increasingly employed Graph Neural Networks (GNNs) to model social connections among users, encompassing both immediate and more distant relationships within the network. Nonetheless, current advanced models encounter challenges related to the limited number of propagation steps they can perform on the graph. Messages originating from distant nodes often diminish the distinct features of the target user, resulting in more homogeneous representations that are difficult to differentiate. This issue is known as over-smoothing. Several approaches have been proposed to address this, aiming to preserve individual user traits by incorporating auxiliary information into GNN-based models. …

Dementia Detection Using Transfer Learning From Recorded Speech, Gun Wirojburapa

Chulalongkorn University Theses and Dissertations (Chula ETD)

Dementia is an irreversible and progressive condition that affects cognitive impairment, and millions of people are affected. Early detection provides patients with premature treatment and improves their quality of life. Traditional methods for dementia detection, such as cognitive assessment and neurological analysis, are expensive and time-consuming. Therefore, this thesis aims to research alternative methods to detect dementia, such as speech analysis. This thesis performs dementia classification by using transfer learning and machine learning techniques. Samples in the dataset consist of English and Chinese speakers. This study found transfer learning and machine learning techniques able to classify the speakers between dementia …

โปรแกรมค้นหาข้ามภาษาสำหรับค้นคืนค่าสัมประสิทธิ์การปล่อยก๊าซเรือนกระจก, ณฐพจน์ หนูวงษ์

Chulalongkorn University Theses and Dissertations (Chula ETD)

การเปลี่ยนแปลงสภาพภูมิอากาศเป็นความท้าทายระดับโลกที่สำคัญ ซึ่งเกิดจากการปล่อยก๊าซเรือนกระจกเป็นหลัก การจัดการข้อมูลก๊าซเรือนกระจกอย่างมีประสิทธิภาพจึงมีความสำคัญต่อการประเมินคาร์บอนฟุตพรินต์ อย่างไรก็ตาม การกำหนดค่าสัมประสิทธิ์การปล่อยก๊าซเรือนกระจกที่เกี่ยวข้องกับกิจกรรมต่างๆ นั้นไม่ใช่เรื่องง่ายและต้องใช้แรงงานไม่น้อย นอกจากนี้ เนื้อหาในฐานข้อมูลค่าสัมประสิทธิ์การปล่อยก๊าซเรือนกระจกยังเป็นการผสมผสานระหว่างภาษาไทยและภาษาอังกฤษ การศึกษานี้จึงได้พัฒนาโปรแกรมค้นหาข้ามภาษาสำหรับการค้นคืนค่าสัมประสิทธิ์การปล่อยก๊าซเรือนกระจกจากฐานข้อมูลขององค์การบริหารจัดการก๊าซเรือนกระจก (ประเทศไทย) เพื่อส่งเสริมความน่าเชื่อถือของการคำนวณการปล่อยคาร์บอน ระบบดังกล่าวช่วยให้สามารถค้นหาแบบสองภาษาได้อย่างราบรื่น โดยบูรณาการการจับคู่คำพ้องความหมายแบบใช้พจนานุกรมและการจัดทำดัชนีด้วยอิลาสติกเซิร์ช การค้นหาเชิงความหมายพร้อมกับการขยายการค้นหาด้วยคำพ้องความหมายจะช่วยให้มั่นใจได้ว่าจะได้ผลลัพธ์ที่เกี่ยวข้อง โดยไม่คำนึงถึงภาษาที่ใช้ในการสืบค้น ด้วยการทำงานแบบสายท่ออัตโนมัติสำหรับการค้นคืนข้อมูลและการจัดทำดัชนี ระบบดังกล่าวช่วยเพิ่มความแม่นยำและประสิทธิภาพในการค้นหา ซึ่งจะช่วยสนับสนุนองค์กรต่างๆ ในการคำนวณค่าคาร์บอนฟุตพรินต์ที่ถูกต้องเที่ยงตรงมากยิ่งขึ้น

Predicting Quality Of Life In Driving Scene Using Image Recognition Techniques And User Group Information, Ployrada Suvarnakuta

Chulalongkorn University Theses and Dissertations (Chula ETD)

This study presents a machine learning approach for predicting perceived urban Quality of Life (QoL) by integrating visual features from street-level imagery with personal attributes, including demographic, socioeconomic, and travel behavior data. Using datasets from Bangkok and London, we trained supervised models—Support Vector Machines and Multilayer Perceptrons—under multiple input configurations to evaluate the contribution of each data type. Results show that combining visual and personal features improves prediction accuracy compared to using visual features alone. Statistical feature selection identified income, education, housing stability, and travel patterns as consistently important predictors, with some variation across urban contexts. These findings underscore the …

Thai-English Supported Automatic Speech Recognition For Endoscopic Reporting, Arpanant Saeng-Xuto

Chulalongkorn University Theses and Dissertations (Chula ETD)

This thesis presents the automatic speech recognition (ASR) system for endoscopic reporting that supports Thai-English code-switching. During endoscopic procedures, gastroenterologists are required to use both hands to handle instruments, thereby complicating the real-time documentation of abnormal findings. While recent advances in speech recognition offer promising solutions, existing models face difficulties with Thai-English code-switching and tend to overfit when fine-tuned on limited datasets. To overcome these limitations, we propose an ASR model enhanced with the Mixture of Experts (MoE) technique to improve transcription accuracy. Furthermore, the Named Entity Recognition (NER) model extracts gastrointestinal (GI) terminology from the transcriptions and classifies its …

Enhancing Large Language Models For Thai Legal Chatbots, Supachoke Hanwiboonwat

Chulalongkorn University Theses and Dissertations (Chula ETD)

Currently, developing a Thai legal question-answering system for the general public is highly challenging due to the complex, difficult-to-understand language and the extensive content of legal codes. This research proposes a Thai legal question-answering system designed for the public, aiming to establish best practices for developing effective legal QA systems. To improve performance, we created our own Thai legal QA dataset and incorporated data from various sources. We conducted comparative experiments to identify the most suitable language model for Thai legal contexts, and fine-tuned the models with diverse datasets for enhanced capabilities in legal QA and legal examinations. Additionally, we …

Emotion Recognition Through Advanced Signal Fusion And Kolmogorov-Arnold Networks, Aung Myo Thant

Chulalongkorn University Theses and Dissertations (Chula ETD)

Emotion recognition is an important aspect of affective computing that has many applications including human computer interaction and mental health care. In this thesis, Kolmogorov-Arnold Networks (KANs) are explored for the purpose of multimodal emotion recognition from EEG (Electroencephalogram) and eye movement signals of the SEED-V dataset. Both modalities were represented by Differential Entropy (DE) features and a two-branch KAN architecture was used which composed of seven KAN variants, namely, Efficient KAN, Jacobi KAN, Hermite KAN, Fourier KAN, Chebyshev KAN, RBF KAN, and Wavelet KAN (with different wavelet types including DOG, Morlet, Mexican hat, and Meyer). The strengths of two …

Planning And Production Improvement In Original Equipment Manufacturer Company Using Odoo Erp, Pharadon Suwannatara

Chulalongkorn University Theses and Dissertations (Chula ETD)

The Original Equipment Manufacturer (OEM) is one solution for starting a new business in this era due to the difficulties of managing the supply chain, manufacturing processes, and high startup costs. However, the majority of Thai industries operate relying on human labor and basic mechanization, leading to inefficiencies. This paper presents the implementation of Enterprise Resource Planning (ERP) systems using Odoo, an open-source ERP software, to address these inefficiencies. This research focuses on implementing the Odoo ERP system on the shop floor of an OEM company, addressing challenges in the planning and production departments. The current business process (As-is process) …

Design Of Web-Based Application To Increase Corporate Income Tax Planning Knowledge Of Small And Medium Enterprises’ Entrepreneurs In Thailand, Chanyanut Atjanapotjanee

Chulalongkorn University Theses and Dissertations (Chula ETD)

Small and medium enterprises (SMEs) play an important role in Thailand’s economy, however, many entrepreneurs lack sufficient knowledge of corporate income tax planning, with three main issues in deductible expense, tax calculation, and filing a tax report. This study aimed to design and to evaluate a web-based application that improves corporate income tax planning knowledge among SME entrepreneurs, and indicate factors impacting the tax planning knowledge. The methodologies consisted of user requirement gathering, web-based application design and testing, and hypothesis testing. Eleven SME entrepreneurs from manufacturing, merchandise, and service business type participated in the study. Knowledge gains were measured through …