Engineering Commons^™

Off Road Autonomous Vehicle Modeling And Repeatability Using Real World Telemetry Via Simulation, Matthew Paul Spencer

Dissertations, Master's Theses and Master's Reports

One approach to autonomous control of high mobility ground vehicle platforms operating on challenging terrain is with the use of predictive simulation. Using a simulated or virtual world, an autonomous system can optimize use of its control systems by predicting interaction between the vehicle and ground as well as the vehicle actuator state. Such a simulation allows the platform to assess multiple possible scenarios before attempting to execute a path. Physically realistic simulations covering all of these domains are currently computationally expensive, and are unable to provide fast execution times when assessing each individual scenario due to the use of …

Collective Hydrodynamics Of Robotic Fish, Rohit S. Pandhare

Dissertations, Master's Theses and Master's Reports

Many animals in nature travel in groups either for protection, survival, or endurance. Among these, fish do so under the burden of hydrodynamic loads, which incites questions as to the significance of the multi-body fluid-mediated interactions that facilitate collective swimming. We study such interactions in the idealized setting of a rotational array of robotic fish whose tails undergo a prescribed flapping motion, but whose swimming speed is determined as a natural result of the hydrodynamic effects. Specifically, we examine how the measured collective speed of the swimmers varies with the imposed frequency and amplitude of their tail flapping, and with …

An Analysis Of Compressive Convolutional Autoencoders For Image Archiving In Medical Informatics, Charles Warren

Dissertations, Master's Theses and Master's Reports

Within a given enterprise network, an array of data types needs to be communicated. These network transmissions consist of images, videos, text, and binaries that have unique requirements of bandwidth and computational overhead to transmit. With respect to medical informatics, these include a multitude of varying subjects, standards, and modalities which are communicated to and from imaging equipment, clinicians, and medical archives. To reduce the required bandwidth to transmit, or provide adequate storage capacity for archival purposes, the data may be compressed in such a way that reduces the size of the image when it is transferred or stored. The …

Leveraging Machine Learning For Detecting Iot-Based Interference In Operational Wifi Networks, Josh Pulse

Honors Program Theses

IoT (Internet of Things) devices have become increasingly popular in recent years while WiFi continues to serve as primary network provider indoors. With the advancements in technology, the networks of IoT devices continue to weave closely with indoor WiFi network deployments. Both kinds of these networks primarily operate in 2.4 GHz ISM Band (though latest WiFi standards can operate in 5 GHz and 60 GHz bands, too). With the multitude of tiny IoT sensors being deployed indoors alongside operational WiFi networks, severe interference scenarios cannot be ruled out. As a result of this interference, performance of WiFi networks is bound …

Adapting Deep Learning For Underwater Acoustic Communication Channel Modeling, Li Wei

Dissertations, Master's Theses and Master's Reports

The recent emerging applications of novel underwater systems lead to increasing demand for underwater acoustic (UWA) communication and networking techniques. However, due to the challenging UWA channel characteristics, conventional wireless techniques are rarely applicable to UWA communication and networking. The cognitive and software-defined communication and networking are considered promising architecture of a novel UWA system design. As an essential component of a cognitive communication system, the modeling and prediction of the UWA channel impulse response (CIR) with deep generative models are studied in this work.

Firstly, an underwater acoustic communication and networking testbed is developed for conducting various simulations and …

C2 Microservices Api: Ch4rl3sch4l3m4gn3, Thai H. Nguyễn

School of Computer Science & Engineering Undergraduate Publications

In the 21^st century, cyber-based attackers such as advance persistent threats are leveraging bots in the form of botnets to conduct a plethora of cyber-attacks. While there are several social engineering techniques used to get targets to unknowingly download these bots, it is the command-and-control techniques advance persistent threats use to control their bots that is of critical interest to the author. In this research paper, the author aims to develop a command-and-control microservice application programming interface infrastructure to facilitate botnet command-and-control attack simulations. To achieve this the author will develop a simple bot skeletal framework, utilize the latest …

Improving Network Policy Enforcement Using Natural Language Processing And Programmable Networks, Pinyi Shi

Theses and Dissertations--Computer Science

Computer networks are becoming more complex and challenging to operate, manage, and protect. As a result, Network policies that define how network operators should manage the network are becoming more complex and nuanced. Unfortunately, network policies are often an undervalued part of network design, leaving network operators to guess at the intent of policies that are written and fill in the gaps where policies don’t exist. Organizations typically designate Policy Committees to write down the network policies in the policy documents using high-level natural languages. The policy documents describe both the acceptable and unacceptable uses of the network. Network operators …

Design, Development And Benchmarking Of Machine Learning Algorithms In Biomedical Applications, Qi Sun

Theses and Dissertations--Computer Science

Machine learning algorithms are becoming the most effective methods for knowledge discovery from high dimensional datasets. Machine learning seeks to construct predictive models through the analysis of large-scale heterogeneous data. While machine learning has been widely used in many domains including computer vision, natural language processing, product recommendation, its application in biomedical science for clinical diagnosis and treatment is only emerging. However, the wealthy amount of data in the biomedical domain offers not only challenges but also opportunities for machine learning. In this dissertation, we focus on three biomedical applications from vastly different domains to understand the opportunities and challenges …

Protocols And Architecture For Privacy-Preserving Authentication And Secure Message Dissemination In Vehicular Ad Hoc Networks, Shafika Showkat Moni

Theses and Dissertations--Computer Science

The rapid development in the automotive industry and wireless communication technologies have enhanced the popularity of Vehicular ad hoc networks (VANETs). Today, the automobile industry is developing sophisticated sensors that can provide a wide range of assistive features, including accident avoidance, automatic lane tracking, semi-autonomous driving, suggested lane changes, and more. VANETs can provide drivers a safer and more comfortable driving experience, as well as many other useful services by leveraging such technological advancements. Even though this networking technology enables smart and autonomous driving, it also introduces a plethora of attack vectors. However, the main issues to be sorted out …

An Automated Framework To Debug System-Level Concurrency Failures, Tarannum Shaila Zaman

Theses and Dissertations--Computer Science

The ever-increasing parallelism in computer systems has made software more prone to concurrency failures, causing problems during both pre- and post-development. Debugging concurrent programs is difficult because of the non-deterministic behavior and the specific sequences of interleaving in the execution flow. Debugging is a technique where programmers reproduce the bug, identify the root cause, and then take necessary steps to remove the bug from the system. The failure information may come from the bug reports of the testing phase or the production runs. In both cases, there should be steps taken to reproduce and localize the failure. However, reproducing and …

Ensemble Approach To The Semantic Segmentation Of Satellite Images, Brendan Kent

Dissertations

Automatic classification and segmentation of land use land cover(LULC) is extremely important for understanding the relationship between humans and nature. Human pressures on the environment have drastically accelerated in the last decades, risking biodiversity and ecosystem services. Remote sensing via satellite imagery is an excellent tool to study LULC. Research has shown that deep learning encoder-decoder architectures have achieved worthy results in the area of LULC, however the application of an ensemble approach has not been well quantified. Studies have shown it to be useful in the area of medical imaging. Ensembling by pooling together predictions to produce better predictions …

An Analysis On Network Flow-Based Iot Botnet Detection Using Weka, Cian Porteous

Dissertations

Botnets pose a significant and growing risk to modern networks. Detection of botnets remains an important area of open research in order to prevent the proliferation of botnets and to mitigate the damage that can be caused by botnets that have already been established. Botnet detection can be broadly categorised into two main categories: signature-based detection and anomaly-based detection. This paper sets out to measure the accuracy, false-positive rate, and false-negative rate of four algorithms that are available in Weka for anomaly-based detection of a dataset of HTTP and IRC botnet data. The algorithms that were selected to detect botnets …

Evaluating The Performance Of Vision Transformer Architecture For Deepfake Image Classification, Devesan Govindasamy

Dissertations

Deepfake classification has seen some impressive results lately, with the experimentation of various deep learning methodologies, researchers were able to design some state-of-the art techniques. This study attempts to use an existing technology “Transformers” in the field of Natural Language Processing (NLP) which has been a de-facto standard in text processing for the purposes of Computer Vision. Transformers use a mechanism called “self-attention”, which is different from CNN and LSTM. This study uses a novel technique that considers images as 16x16 words (Dosovitskiy et al., 2021) to train a deep neural network with “self-attention” blocks to detect deepfakes. It creates …

An Investigation Of The Relationship Between Subjective Mental Workload And Objective Indicators Of User Activity, Greg Byrne

Dissertations

Whilst the concept of physical workload is intuitively understood and readily applicable in system design, the same cannot be said of mental workload (MWL), despite its importance in our increasingly technological society. Despite its origin in the mid 20th century, the very concept of ”mental workload” is still a topic of debate in the literature, although it can be loosely defined as “the amount of mental work necessary for a person to complete a task” (Miller, 1956; Longo, 2014). Several methods have been utilized to measure of MWL, including physiological methods such as neuro-imagery, performance-based metrics, and subjective measures via …

Evaluating The Performance Impact Of Fine-Tuning Optimization Strategies On Pre-Trained Distilbert Models Towards Hate Speech Detection In Social Media, Aidan Mcgovern

Dissertations

Hate speech can be defined as forms of expression that incite hatred or encourage violence towards a person or group based on race, religion, gender, or sexual orientation. Hate speech has gravitated towards social media as its primary platform, and its propagation represents profound risks to both the mental well-being and physical safety of targeted groups. Countermeasures to moderate hate speech face challenges due to the volumes of data generated in social media, leading companies, and the research community to evaluate methods to automate its detection. The emergence of BERT and other pre-trained transformer-based models for transfer learning in the …

Examining The Effects Of Disabilities On Vr Usage And Accessibility Issues For Persons With Disabilities, Sean Williams

Dissertations

Virtual Reality (VR) is an emerging technology that’s popularity has been increasing at a yearly rate. Despite this, concerns about the accessibility of VR devices are ever-growing as many users struggle to use the technology, especially users with disabilities. This study analyses how different types of disabilities affect how often a user uses VR and any associated re-occurring difficulties that are related to specific types of disability. To do this, a previous survey regarding VR accessibility run by Disability Visibility Project and ILMxLAB is examined. In this survey, 79 participants who identify as having a disability answered questions related to …

Exploring 3d Data Reuse And Repurposing Through Procedural Modeling, Rachel Opitz, Heather Richards-Rissetto, Karin Dalziel, Jessica Dussault, Greg Tunink

Department of Anthropology: Faculty Publications

Most contemporary 3D data used in archaeological research and heritage management have been created through ‘reality capture,’ the recording of the physical features of extant archaeological objects, structures, and landscapes using technologies such as laser scanning and photogrammetry (Garstki 2020, ch.2; Magnani et al. 2020). A smaller quantity of data are generated by Computer Aided Design (CAD) and Building Information Modeling (BIM) projects, and even fewer data are generated through procedural modeling, the rapid prototyping of multi-component threedimensional (3D) models from a set of rules (Figure 8.1.). It is unsurprising therefore that in archaeology and heritage, efforts around digital 3D …

กระบวนการและแบบจำลองสำหรับการคัดกรองเพื่อการจัดการคุณภาพข้อมูลในคราวด์ซอร์สซิงแพลตฟอร์ม, กฤตย์ กังวาลพงศ์พันธุ์

Chulalongkorn University Theses and Dissertations (Chula ETD)

การเก็บรวบรวมข้อมูลด้วยคราวด์ซอร์สซิงเป็นวิธีที่โดยทั่วไปมีความเร็วมากกว่า มีต้นทุนต่ำกว่า และมีความหลากหลายมากกว่าวิธีการเก็บรวบรวมข้อมูลแบบอื่น ๆ อย่างไรก็ตาม คราวด์ซอร์สซิงอาจเผชิญกับปัญหาคุณภาพ เช่น การติดป้ายกำกับผิดหรือการนำมาใช้ในทางที่ไม่เหมาะสม ดังนั้น กระบวนการควบคุมคุณภาพเป็นสิ่งที่จำเป็นสำหรับแพลตฟอร์มคราวด์ซอร์สซิง วิทยานิพนธ์นี้ศึกษาค้นคว้าอุปสรรคและวิธีการแก้ไขที่เป็นไปได้ในการจัดการคุณภาพของผู้ใช้งานแพลตฟอร์มคราวด์ซอร์สซิง ส่วนแรกเน้นวิธีการเพิ่มกระบวนการในคราวด์ซอร์สซิง โดยศึกษา 3 วิธี ได้แก่ 1. งานที่จำเป็นต้องทำก่อน 2. คำถามมาตรฐานแบบทองคำ และ 3. การทำซ้ำของข้อมูล พบว่างานที่จำเป็นต้องทำก่อนเป็นสิ่งจำเป็นเพื่อคัดกรองให้ได้ผู้ปฏิบัติงานที่มีคุณภาพสูง โดยควรเน้นไปที่ลักษณะเฉพาะและรายละเอียดของงาน คำถามที่ตรวจสอบความสอดคล้องระหว่างงานดีกว่าคำถามแบบชัดเจนในการตรวจสอบด้วยคำถามมาตรฐานทองคำ ผู้ตรวจสอบข้อมูลคนเดียวอาจนำไปสู่การปรับปรุงคุณภาพข้อมูลได้มากที่สุด ส่วนที่สองคือ การใช้แบบจำลองการเรียนรู้ของเครื่องที่ใช้ข้อมูลพฤติกรรมในการทำนายคุณภาพของข้อมูล ซึ่งวิธีนี้ยังช่วยคัดกรองข้อมูลคุณภาพต่ำออกไปได้โดยไม่เสียทรัพยากรเพิ่มเติม

การใช้รถโดยสารประจำทางเป็นโหนดที่ขอบในเครือข่ายยานพาหนะ, ณัฐนนท์ มานพ

Chulalongkorn University Theses and Dissertations (Chula ETD)

การเติบโตของเครือข่ายไร้สายแบบแอดฮอกบนยานพาหนะได้ทำให้เกิดการพัฒนาแอปพลิเคชันบนยานพาหนะต่าง ๆ มากมาย เพื่อตอบรับสนองต่อการเติบโตนี้โครงร่างระบบการคำนวณแบบขอบบนยานพาหนะจึงถูกพัฒนาขึ้นเพื่อมุ่งเน้นไปที่การติดตั้งโหนดที่ขอบที่มักติดตั้งที่สถานีรับส่งสัญญาณข้างทาง อย่างไรก็ตามการติดตั้งสถานีในพื้นที่ขนาดใหญ่ต้องพิจารณาให้ครอบคลุมพื้นที่การให้บริการมากที่สุด งานวิจัยนี้จึงได้นำเสนอโครงร่างระบบใหม่ชื่อว่า Buses as an Infrastructure ซึ่งได้มีการใช้งานให้รถโดยสารประจำทางเป็นโหนดที่ขอบในการให้บริการทรัพยากรในการคำนวณและบริการอื่น ๆ แก่ผู้ใช้งาน โดยงานวิจัยนี้ได้มีการใช้ข้อได้เปรียบของระบบขนส่งสาธารณะที่มีอยู่แล้วเพื่อลดค่าใช้จ่ายในการติดตั้งโหนดที่ขอบแบบดั้งเดิม อีกทั้งงานวิจัยนี้ยังได้เสนอฮิวริสติกอัลกอรึทึมสำหรับการคำนวณหาการติดตั้งโหนดที่ขอบบนรถโดยสารประจำทางโดยให้ลำดับความสำคัญแก่จำนวนงานที่เกิดขึ้นคู่กับการใช้เทคนิคการเลือก N ลำดับสูงสุด โดยได้ทำการทดลองบนสภาพแวดล้อมจำลองและบนชุดข้อมูลจริง ผลการทดลองเมื่อเทียบกับรูปแบบที่โหนดที่ขอบติดตั้งอยู่กับสถานีรับส่งสัญญาณข้างทางแสดงให้เห็นว่าฮิวริสติกอัลกอรึทึมที่นำเสนอสามารถให้จำนวนยานพาหนะที่โหนดที่ขอบสามารถให้บริการได้สูงขึ้นกว่า 6.08% - 52.20% และสามารถให้จำนวนยานพาหนะที่โหนดที่ขอบสามารถให้บริการได้สูงขึ้น 15.23% เมื่อเทียบกับรูปแบบที่โหนดที่ขอบติดตั้งอยู่กับสถานีรับส่งสัญญาณข้างทางบนสภาพแวดล้อมจำลองและให้ผลรวมของระยะเวลาที่ติดต่อสื่อสารกันได้สูงขึ้น 54.24% เมื่อเทียบกับรูปแบบที่โหนดที่ขอบติดตั้งอยู่กับสถานีรับส่งสัญญาณข้างทางบนชุดข้อมูลจริง

บทบัญญัติของกฎหมายที่ใช้บังคับในคดีละเมิด: การวิเคราะห์คำพิพากษาศาลไทยด้วยกระบวนการเรียนรู้เชิงลึก, ทวีศักดิ์ ชูศรี

Chulalongkorn University Theses and Dissertations (Chula ETD)

การประมวลผลเอกสารทางกฎหมายโดยใช้การประมวลผลภาษาธรรมชาติเป็นงานวิจัยที่น่าสนใจในการศึกษาอย่างมาก เนื่องจากการกำหนดหมวดกฎหมายสำหรับคดีในศาลมักต้องมีการปรึกษาหารือกับทนายความซึ่งมีค่าบริการที่สูงมาก ทำให้ประชาชนทั่วไปไม่สามารถเข้าถึงการใช้บริการดังกล่าวได้ จึงเป็นจุดเริ่มต้นในการจัดทำงานวิจัยนี้ ด้วยการสร้างระบบที่สามารถดึงข้อมูลส่วนกฎหมายที่เหมาะสมตามข้อเท็จจริงที่เกี่ยวข้องของคดีในศาล เพื่อให้บรรลุงานวิจัยนี้ ทางคณะผู้วิจัยได้รวบรวมชุดข้อมูลที่ครอบคลุมของคดีในศาลฎีกาจากประเทศไทย รวมถึงดึงข้อเท็จจริงจากเอกสารของโจทก์และจำเลยโดยใช้การผสมผสานระหว่างการเรียนรู้ของเครื่องและระบบที่ใช้กฎเป็นพื้นฐานเพื่อการวิเคราะห์การประมวลผลภาษาธรรมชาติเพิ่มเติม แนวทางที่ของงานวิจัยนี้นำเสนอมุ่งเน้นไปที่ระบบค้นคืนมาตราที่เกี่ยวข้องด้วยข้อมูลชุดฝึกที่มีจำนวนน้อย โดยใช้ข้อเท็จจริงของโจทก์เป็นข้อมูลเข้า ซึ่งระบบนี้จะสามารถจัดการกับมาตราต่างๆ ของกฎหมาย รวมถึงส่วนที่ไม่ค่อยพบหรือไม่ได้อยู่ในชุดการฝึกอบรม โดยที่ระบบจะทำงานได้ดีกว่ามาตรฐานพื้นฐาน โดยสรุป การวิจัยนี้มีเป้าหมายเพื่อสร้างระบบดึงข้อมูลส่วนกฎหมายที่เหมาะสมตามข้อเท็จจริงที่เกี่ยวข้องของคดีในศาลที่เข้าถึงได้และแม่นยำมากขึ้น ทางคณะผู้วิจัยหวังว่าจะลดความจำเป็นในการปรึกษาทนายความที่มีค่าบริการที่สูง และมอบเครื่องมือที่มีค่าสำหรับผู้เชี่ยวชาญด้านกฎหมายและบุคคลที่เกี่ยวข้องในกระบวนการพิจารณาคดีในศาล

เทคนิคการเรียนรู้เชิงลึกสำหรับการรู้จำภาพวัสดุกระเป๋าถือแบรนด์เนมปลอม, พศสรัล อภิปวินท์วงศา

Chulalongkorn University Theses and Dissertations (Chula ETD)

การปลอมแปลงสินค้าด้านแฟชั่นเป็นปัญหาที่เกิดขึ้นอย่างต่อเนื่องโดยเฉพาะกับกระเป๋าแบรนด์หรู เนื่องจากมีความยากลำบากต่อการตรวจสอบความแท้จริง โดยเฉพาะอย่างยิ่งกับการตรวจสอบสินค้ามือสองที่เคยผ่านการใช้งานมาแล้ว ซึ่งทำให้เกิดปัญหาการตรวจสอบกระเป๋าของแท้และของปลอมทั้งในผู้ซื้อและผู้ขายโดยเฉพาะในช่วงล็อคดาวน์ระหว่างเหตุการณ์โรคระบาด Covid-19 ที่จำกัดการเดินทาง งานวิจัยนี้เสนอการประยุกต์ใช้เทคนิคการเรียนรู้เชิงลึกโครงข่ายปราสาทคอนโวลูชัน เพื่อจำแนกภาพในระดับพิกเซล ร่วมกับการนำการสกัดคุณลักษณะสำคัญพื้นผิวแบบ LBP มาพัฒนาการเรียนรู้ของแบบจำลอง โดยใช้แบบจำลองวีจีจี 16 และ เดนซ์เน็ต121 โดยใช้ stratified 5-Fold cross validation เพื่อประเมินแบบจำลอง ซึ่งการเปรียบเทียบผลการทดลองของการใช้แบบจำลองพื้นฐาน และการใช้แบบจำลองพื้นฐานร่วมกับการสกัดคุณลักษณะสำคัญแบบ LBP ทั้งนี้แบบจำลอง โครงข่ายปราสาทแบบเดนซ์เน็ต121 ร่วมกับการสกัดคุณลักษณะสำคัญแบบ LBP ให้ค่าความแม่นยำสูงสุดที่ 95% จากการจำแนกภาพกระเป๋าของแท้ ของปลอม และวัสดุอื่น เป็นการจำแนกรูปภาพแบบหลายประเภท และเมื่อนำการสกัดคุณลักษณะแบบ LBP ร่วมกับแบบจำลองทำให้ค่าความแม่นยำการทำนายผลลัพธ์ที่สูงขึ้น

ไวยากรณ์ไฮเพอร์แมพสำหรับแมพเชิงต้นไม้อันดับเคเชิงระนาบ, วรวุฒิ โคเมฆารัตน์

Chulalongkorn University Theses and Dissertations (Chula ETD)

วิศวกรและนักวิทยาศาสตร์ต่างเผชิญกับปัญหาที่มีโครงสร้างซับซ้อนมากยิ่งขึ้น และต้องการเครื่องมือทางคณิตศาสตร์ที่เหมาะสมเพื่ออธิบายปัญหาเหล่านี้ แม้กราฟจะเป็นเครื่องมือที่นิยมใช้แสดงระบบที่ซับซ้อน แต่ก็ยังขาดส่วนประกอบบางอย่างที่สำคัญต่อการรับรู้ความซับซ้อนของวัตถุทางเรขาคณิต ซึ่งสามารถแสดงแทนได้ด้วยแมพและไฮเพอร์แมพ เนื่องจากมีองค์ประกอบหลักที่เรียกว่า หน้า เพิ่มเติมจากส่วนประกอบพื้นฐานอื่น ๆ ในกราฟ จึงเป็นเครื่องมือที่ครอบคลุมและยืดหยุ่นยิ่งขึ้นในการแสดงและวิเคราะห์โครงสร้างเชิงเรขาคณิต งานวิจัยนี้จะเสนอแนวทางใหม่ในการผลิตแมพโดยใช้ไวยากรณ์ไฮเพอร์แมพ โดยปรับการดำเนินการต่าง ๆ ที่เกี่ยวข้องกับไฮเพอร์แมพให้นิยามบนจุดยอดและหน้า แทนวิธีการเดิมซึ่งนิยามบนจุดยอดและเส้นเชื่อม เพื่อให้มีความยืดหยุ่นในการควบคุมและจัดการเกี่ยวกับหน้าของไฮเพอร์แมพ เนื่องจากหน้ามีบทบาทสำคัญในการนิยามไฮเพอร์แมพ โดยเฉพาะอย่างยิ่งในกรณีของแมพเชิงระนาบ ไวยากรณ์ที่นำเสนอในงานนี้แสดงให้เห็นถึงความสามารถในการทำความเข้าใจและตรวจจับโครงสร้างย่อยของไฮเพอร์แมพ โดยยกตัวอย่างการสร้างแมพเชิงระนาบของกราฟเชิงต้นไม้อันดับเค (เมื่อเคเป็นจำนวนเต็มบวกที่มีค่าไม่เกินสาม) โดยใช้ไวยากรณ์ไฮเพอร์แมพที่มีเพียงกฎการผลิตเดียว ผลการวิจัยแสดงให้เห็นถึงศักยภาพในการนำไวยากรณ์ที่นำเสนอในงานนี้ไปใช้เป็นเครื่องมือในการศึกษาคุณสมบติและโครงสร้างของแมพเชิงระนาบ รวมถึงการนำไปประยุกต์ใช้ในสายงานต่าง ๆ เช่น วิทยาการคอมพิวเตอร์ ทอพอโลยี และทฤษฎีกราฟ

การแปลงกระแสงานยอว์ลที่มีข้อจำกัดช่วงเวลาไปเป็นไทมด์ออโตมาตา, ณรงค์กร วงศ์สิทธิไพฑูรย์

Chulalongkorn University Theses and Dissertations (Chula ETD)

กระแสงานยอว์ลเป็นหนึ่งในกระแสงานทางธุรกิจที่ทันสมัย กระแสงานยอว์ลให้การแสดงเป็นภาพขั้นตอนกระแสงานของงานทางธุรกิจที่เข้าใจง่าย สามารถกำหนดเวลาการทำงานของงานภายในกระแสงานยอว์ลได้ วิทยานิพนธ์ฉบับนี้จะเน้นให้นำกระแสงานยอว์ลทั่วไปมาเพิ่มขีดความสามารถโดยการเพิ่มข้อจำกัดแบบช่วงเวลาให้กับแต่ละสัญลักษณ์งานในกระแสงานยอว์ล ผ่านค่าเฉลี่ยของข้อจำกัดของช่วงเวลาในรูปของขอบเขตล่าง และขอบเขตบนของเวลาที่สามารถเสร็จสิ้นการทำงานถูกกำหนดให้กับงานทางธุรกิจแต่ละงานในกระแสงานเพื่อรับมือกับปัญหาที่ซับซ้อนมากขึ้นของประสิทธิภาพด้านเวลาในกระแสงานกระบวนการทางธุรกิจ ในการจำลองพฤติกรรมของกระแสงานยอว์ลที่มีข้อจำกัดช่วงเวลาจะถูกแปลงเป็นออโตมาตาที่กำหนดเวลาไว้ที่สอดคล้องกัน และจำลองโดยใช้เครื่องมือ UPPAAL วิทยานิพนธ์ฉบับนี้มีการเสนอชุดของกฎการแปลงเพื่อเป็นแนวทางในการแปลงของสัญลักษณ์ยอว์ลข้อจำกัดของช่วงเวลาให้อยู่ในรูปแบบของไทมด์ออโตมาตา และเสนอเว็บแอปพลิเคชันในการแปลงกระแสงานยอว์ลที่มีข้อจำกัดช่วงเวลาเป็นออโตมาตา โดยผลลัพธ์ที่เป็นไทมด์ออโตมาตาจะถูกแปลงอย่างถูกต้อง และจำลองโดยใช้เครื่องมือจำลอง UPPAAL

Mediastinal Lymph Node Detection And Segmentation Using Deep Learning, Al-Akhir Nayan

Chulalongkorn University Theses and Dissertations (Chula ETD)

Automatic lymph node (LN) segmentation and detection for cancer staging are critical. In clinical practice, computed tomography (CT) and positron emission tomography (PET) imaging detect abnormal LNs. Despite its low contrast and variety in nodal size and form, LN segmentation remains a challenging task. Deep convolutional neural networks frequently segment items in medical photographs. Most state-of-the-art techniques destroy image's resolution through pooling and convolution. As a result, the models provide unsatisfactory results. Keeping the issues in mind, a well-established deep learning technique UNet++ was modified using bilinear interpolation and total generalized variation (TGV) based upsampling strategy to segment and detect …

Recasnet: Reducing Mismatch Within The Two-Stage Mitosis Detection Framework, Chawan Piansaddhayanon

Chulalongkorn University Theses and Dissertations (Chula ETD)

Mitotic count (MC) is an important histological parameter for cancer diagnosis and grading, but the manual process to obtain this metric is tedious and not fully reproducible across different pathologists. To mitigate this problem, several deep learning models have been utilized to speed up the process. Typically, the problem is formulated as a two-stage deep learning pipeline: the detection stage for proposing the potential candidates for mitotic cells and the classification stage for refining prediction confidences from the former stage. However, this paradigm can lead to inconsistencies in the classification stage due to the poor prediction quality of the detection …

Leverage Graph Neural Network For Molecular Properties Prediction, Kamol Punnachaiya

Chulalongkorn University Theses and Dissertations (Chula ETD)

During the age of deep learning technologies, which have exhibited significant potential in reducing costs and expediting medical development, predicting molecular properties has become a prevalent task that capitalizes on the capabilities of deep learning. This thesis proposed a multimodal Graph Neural Network (GNN) model that utilizes the topology information obtained from molecular graphs through a baseline GNN, facilitating precise property predictions. The thesis improves the baseline CMPNN model by exploring various methods to address potential missing gaps. These methods include incorporating the multimodal module, such as a Bidirectional LSTM module capable of processing text sequences in SMILES format or …

Service Placement Optimization For Location-Based Service, Karnkitti Kittikamron

Chulalongkorn University Theses and Dissertations (Chula ETD)

Location-based service (LBS) is necessary and useful for several applications including navigation and games. These real-time applications require high accuracy and low delay. In general, the complexity of indoor localization algorithms used in LBS depends on the size of fingerprint data. This can lead to long delays when operating in large-scale areas. In this paper, we propose a novel optimization framework for edge service placement, aiming at minimizing the overall cost of edge computing deployment and service response time. Our placement strategy is used to solve the formulated edge node placement problems. The simulated annealing approach is then used in …

Machine Learning For Wavelet-Based Valve Stiction Detection, Kris Prasopsanti

Chulalongkorn University Theses and Dissertations (Chula ETD)

Valve stiction presents challenges in industrial process control, leading to oscillations and hindering the regulation of fluid flow. This thesis addresses the detection of valve stiction by exploring the limitations of current methods and proposes a novel approach that combines wavelet reconstruction and convolutional neural networks (CNN) to enhance stiction detection performance. The proposed method utilizes preprocessed process variable versus controller output (PV(OP)) plots as input to the CNN model, capitalizing on the distinctive characteristics of stiction. Training and evaluation employ both simulated and real-world data from the International Stiction Data Base (ISDB), with the F1 score serving as the …

Deep Reinforcement Learning For Electricity Energy Trading, Manassakan Sanayha

Chulalongkorn University Theses and Dissertations (Chula ETD)

The deregulation and liberalization of the energy market in the 1990s prompted short-term electricity trading, allowing energy markets to produce net output over a range of time periods as a result of this decentralized system, most commonly minutes to days ahead of time. The energy industry urgently requires a system that has undergone substantial modernization in place to handle a variety of issues, including the current climate, renewable resources, and the energy framework. In this dissertation, we investigate a deep reinforcement learning framework for both wholesale and local energy trading, which probes the challenge of RL to optimize the real-world …

Real-Time Image Classification For Malignant Biliary Strictures On Cholangioscopy Images Based On Deep Learning Approach, Passakron Phuangthongkham

Chulalongkorn University Theses and Dissertations (Chula ETD)

It is challenging to determine if the cause of bile duct strictures is benign or malignant. Currently, endoscopists may more precisely inspect the bile duct thanks to computerized single-operator cholangioscopy. As a result, lesions in the bile duct can be seen with the naked eye. However, endoscopists continue to diagnose patients differently. Consequently, a biopsy is typically regarded as the gold standard. The necessity to repeat operations results from a biopsy sample mistake that results in a false-negative cancer diagnosis. In this study, we suggest a convolutional neural network developed particularly for real-time malignant biliary stricture classification. Our approach, which …