Engineering Commons^™

A Transfer Learning-Based Deep Learning Approach For Automated Covid-19diagnosis With Audio Data, Devri̇m Akgün, Abdullah Talha Kabakuş, Zehra Karapinar Şentürk, Arafat Şentürk, Enver Küçükkülahli

Turkish Journal of Electrical Engineering and Computer Sciences

The COVID-19 pandemic has caused millions of deaths and changed daily life globally. Countries have declared a half or full lockdown to prevent the spread of COVID-19. According to medical doctors, as many people as possible should be tested to identify their status, and corresponding actions then should be taken for COVID-19 positive cases. Despite the clear necessity of these medical tests, many countries are still struggling to acquire them. This fact clearly indicates the necessity of a large-scale, cheap, fast, and accurate alternative prescreening tool that can be used for the diagnosis of COVID-19 while waiting for the medical …

A Novel Method For Soc Estimation Of Li-Ion Batteries Using A Hybrid Machinelearning Technique, Eymen İpek, Murat Yilmaz

Turkish Journal of Electrical Engineering and Computer Sciences

The battery system is one of the key components of electric vehicles (EV) which has brought groundbreaking technologies. Since modern EVs have mostly Li-ion batteries, they need to be monitored and controlled to achieve safe and high-performance operation. Particularly, the battery management system (BMS) uses complex processing systems that perform measurements, estimation of the battery states, and protection of the system. State of charge (SOC) estimation is a major part of these processes which defines remaining capacity in the battery until the next charging operation as a proportion to the total battery capacity. Since SOC is not a parameter that …

Evolutionary Neural Networks For Improving The Prediction Performance Ofrecommender Systems, Berna Şeref, Gazi̇ Erkan Bostanci, Mehmet Serdar Güzel

Turkish Journal of Electrical Engineering and Computer Sciences

Recommender systems provide recommendations to users using background data such as ratings of users about items and features of items. These systems are used in several areas such as e-commerce, news websites, and article websites. By using recommender systems, customers are provided with relevant data as soon as possible and are able to make good decisions. There are more studies about recommender systems and improving their performance. In this study, prediction performances of neural networks are evaluated and their performances are improved using genetic algorithms. Performances obtained in this study are compared with those of other studies. After that, superiority …

Time-Oriented Interactive Process Miner: A New Approach For Time Prediction, İsmai̇l Yürek, Derya Bi̇rant, Özlem Ece Yürek, Kökten Ulaş Bi̇rant

Turkish Journal of Electrical Engineering and Computer Sciences

Everyday information systems collect a different kind of process instances of a business flow. As time goes on, the size of the collected data builds up speedily and constitutes a huge amount of data. It is a very challenging task to obtain valuable information and features of processes from such big data. Considering in advance, the trend and different features of the ongoing process are essential. Especially, time management is crucial in designing and conducting business processes. In this article, a novel process miner algorithm is proposed for time prediction, named time-oriented İnteractive process miner (T-IPM), which predicts the remaining …

Abnormal Behavior Detection Using Sparse Representations Through Sequentialgeneralization Of K-Means, Ahlam Aldhamari, Rubita Sudirman, Nasrul Humaimi Mahmood

Turkish Journal of Electrical Engineering and Computer Sciences

The potential capability to automatically detect and classify human behavior as either normal or abnormal events is an important aspect in intelligent monitoring/surveillance systems. This study presents a new high-performance framework for detecting behavioral abnormalities in video streams by utilizing only the patterns for normal behaviors. In this paper, we used a hybrid descriptor, called a foreground optical flow energy (FGOFE), which makes use of two effective motion techniques in order to extract the most descriptive spatiotemporal features in video sequences. The FGOFE descriptor can effectively capture both weak and sudden incidents in a scene. The sequential generalization of k-means …

A Novel Optimum Pi Controller Design Based On Stability Boundary Locussupported Particle Swarm Optimization In Avr System, Mahmut Temel Özdemi̇r

Turkish Journal of Electrical Engineering and Computer Sciences

This study proposes a new approach that combines stability and optimization in the design of proportional? integral (PI) controller of automatic voltage regulators (AVR) of synchronous generators with variable system parameters. Thanks to this approach, a PI controller, providing the desired performance and the stability of the AVR system, has been designed. The approach follows a method investigating the PI gain values to achieve the desired goals. In the first step of the study, a new stability boundary locus is calculated for the case in which AVR system?s parameters have changed. The stability boundary locus (SBL) method is a graphic-based …

A Novel Data Placement Strategy To Reduce Data Traffic During Run-Time, Sridevi Sridhar, Rhymend Uthariaraj Vaidyanathan

Turkish Journal of Electrical Engineering and Computer Sciences

High impact scientific applications processed in distributed data centers often involve big data. To avoid the intolerable delays due to huge data movements across data centers during processing, the concept of moving tasks to data was introduced in the last decade. Even after the realization of this concept termed as data locality, the expected quality of service was not achieved. Later, data colocality was introduced where data groupings were identified and then data chunks were placed wisely. However, the aspect of the expected data traffic during run time is generally not considered while placing data. To identify the expected data …

Performance Improvement Of The Shunt Active Power Filter Using A Novel Adaptivefiltering Approach, Abderrezzaq Zoghbi, Daoud Berkani

Turkish Journal of Electrical Engineering and Computer Sciences

This paper introduces an efficient control approach to enhance harmonics mitigation performance of the shunt active power filter (SAPF). This approach is based on adaptive filters favored by their built-in automatic parameters adaptation capability. The proposed filter, which uses a variable leaky least mean square (VLLMS) adaptation, is applied with a modified instantaneous power PQ theory. This enhances its dynamic performance over the use of conventional time-invariant filters, and overcomes its limitations in the presence of nonsinusoidal voltage conditions. The studied SAPF model is simulated in MATLAB/SIMULINK with combinations of nonlinear and unbalanced loads. Simulation results indicate a significant improvement …

A Two-Stage Hair Region Localization Method For Guided Laser Hair Removal, Murat Avşar, İmam Şami̇l Yeti̇k

Turkish Journal of Electrical Engineering and Computer Sciences

Removal of hair using laser is a widely used method, where our goal is to permanently remove hair by using laser to cause heat in order to thermally damage the hair follicle. However, currently available laser hair removal systems affect the outer skin layers besides hair follicles. This is a disadvantage of classical methods with major health risks. We propose a method to overcome these health risks by guiding the laser beam only to automatically localized hair regions. This study aims to develop an automated feature-based hair region localization method as an integral part of the proposed hair removal system …

Human-Aware Information-Theoretic Control Of Robotic Swarms, Rafal David Krzysiak

Graduate Research Theses & Dissertations

Robotic swarms provide a scalable and robust solution for monitoring large environments. In this context, the inclusion of a human has the potential advantage of incorporating prior knowledge about the target location or dynamics, thus increasing the overall efficiency of the task at hand. This is especially critical when dealing with time-intensive missions such as search and rescue. In this thesis we develop a general information-theoretic framework to control multiple autonomous robots in search and rescue missions that include a human teleoperator. Human prior knowledge is modeled to capture target location and dynamics, and a mutual information based control is …

Strategies For Catalyzing Clinicians’ Support Of Telemedicine Programs In Rural Communities, Jonathan Liwag

Walden Dissertations and Doctoral Studies

Clinicians’ failure to accept contemporary technology has been a critical barrier to telemedicine program adoption. Staff technical challenges and resistance to change can affect technology return on investment, which concerns telemedicine program leaders. Grounded in Davis’s technology acceptance model, the purpose of this qualitative, descriptive single case study was to explore strategies used by program leaders in the Marianas Islands who successfully gained clinicians’ acceptance of contemporary technology. The participants were 5 program leaders recommended by their institution because of their leadership role and telemedicine technologies experience. Data were collected from 4 face-to-face and 1 audio teleconference interview with the …

Table Of Contents Jitim Vol 30 Issue 1, 2021

Journal of International Technology and Information Management

Table of Content

Conference Proceedings Of The 32nd Annual Iima Conference

Journal of International Technology and Information Management

Conference Proceedings of the 32nd Annual IIMA Conference

A Tiered Recommender System For Cost-Effective Cloud Instance Selection, Xusheng Ai

University of the Pacific Theses and Dissertations

Cloud computing has greatly impacted the scientific community and the end users. By leveraging cloud computing, small research institutions and undergraduate colleges are able to alleviate costs and achieve research goals without purchasing and maintaining all the hardware and software. In addition, cloud computing allows researchers to access resources as their teams require and allows real-time collaboration with team members across the globe. Nowadays however, users are easily overwhelmed by the wide range of cloud servers and instances. Due to differences between the cloud server platforms and between instances within the platform, users find it difficult to identify the right …

Annual Report 2020-2021, Depaul University College Of Computing And Digital Media

CDM Annual Reports

LETTER FROM THE DEAN

As I write this letter during the beginning of the 2021–22 academic year, we have started to welcome the majority of our students to campus— many for the very first time, and some for the first time in a year and a half. It has been wonderful to be together, in-person, again. Four quarters of learning and working remotely was challenging, to be sure, but I have been consistently amazed by the resilience, innovation, and hard work of our students, faculty, and staff, even in the most difficult of circumstances. This annual report, covering the 2020–21 …

Data Driven Analysis And Characterization Of Modern Android Malware, Qian Han

Dartmouth College Ph.D Dissertations

Google’s Android operating system was first announced to the public in 2007 and was installed on more than three billion mobile devices by 2019. With the prevalence of Android OS, Android malware has since proliferated. Android malware is malicious software designed to exploit Android operating systems running on smart devices. Some variants of Android malware have the capability of disabling the device, allowing a malicious actor to remotely control the device, track the user’s activity, lock the device, and so on. Moreover, the evolution and sophistication of modern Android malware obfuscation and detection bypassing methods have significantly improved in recent …

Nlp Is Not Enough - Contextualization Of User Input In Chatbots, Nathan Dolbir, Triyasha Dastidar, Kaushik Roy

Publications

AI chatbots have made vast strides in technology improvement in recent years and are already operational in many industries. Advanced Natural Language Processing techniques, based on deep networks, efficiently process user requests to carry out their functions. As chatbots gain traction, their applicability in healthcare is an attractive proposition due to the reduced economic and people costs of an overburdened system. However, healthcare bots require safe and medically accurate information capture, which deep networks aren’t yet capable of due to user text and speech variations. Knowledge in symbolic structures is more suited for accurate reasoning but cannot handle natural language …

Enabling Machine Learning On The Edge Using Sram Conserving Efficient Neural Networks Execution Approach, Bharath Sudharsan, Pankesh Patel, John G. Breslin, Muhammad Intizar Ali

Publications

Edge analytics refers to the application of data analytics and Machine Learning (ML) algorithms on IoT devices. The concept of edge analytics is gaining popularity due to its ability to perform AI-based analytics at the device level, enabling autonomous decision-making, without depending on the cloud. However, the majority of Internet of Things (IoT) devices are embedded systems with a low-cost microcontroller unit (MCU) or a small CPU as its brain, which often are incapable of handling complex ML algorithms.

In this paper, we propose an approach for the ecient execution of already deeply compressed, large neural networks (NNs) on tiny …

Semantics Of The Black-Box: Can Knowledge Graphs Help Make Deep Learning Systems More Interpretable And Explainable?, Manas Gaur, Keyur Faldu, Amit Sheth

Publications

The recent series of innovations in deep learning (DL) have shown enormous potential to impact individuals and society, both positively and negatively. The DL models utilizing massive computing power and enormous datasets have significantly outperformed prior historical benchmarks on increasingly difficult, well-defined research tasks across technology domains such as computer vision, natural language processing, signal processing, and human-computer interactions. However, the Black-Box nature of DL models and their over-reliance on massive amounts of data condensed into labels and dense representations poses challenges for interpretability and explainability of the system. Furthermore, DLs have not yet been proven in their ability to …

An Sdn-Coordinated Multipath Transmission Steering Framework, Kiattikun Kawila

Chulalongkorn University Theses and Dissertations (Chula ETD)

Data transfer is a primary mechanism that can directly affect the overall performance of Big Data analytic systems. This is because most data are generated from several locations. It has been challenging to collect and transfer data among multiple storage regions. Using the traditional single-path transfer approaches is not efficient to serve several requirements of Big Data applications. In this dissertation, we propose an SDN-coordinated multipath transmission steering framework for Big Data transfer application. Multipath TCP protocol (MPTCP) and SDN architecture are mainly considered to design and develop our multipath transmission framework. To provide a practical routing solution, we propose …

Incorporating Context Into Non-Autoregressive Model Using Contextualized Ctc For Sequence Labelling, Burin Naowarat

Chulalongkorn University Theses and Dissertations (Chula ETD)

Connectionist Temporal Classification (CTC) loss has become widely used in sequence modeling tasks such as Automatic Speech Recognition (ASR) and Handwritten Text Recognition (HTR) due to its ease of use. CTC itself has no architecture constraints, but it is commonly used with recurrent models that predict letters based on histories in order to relax the conditional independent assumption. However, recent sequence models that incorporate CTC loss have been focusing on speed by removing recurrent structures, hence losing important context information. This thesis presents Contextualized Connectionist Temporal Classification (CCTC) loss, which induces prediction dependencies in non-recurrent and non-autoregressive neural networks for …

A Rationale-Based Lifelong Learning Framework With Pseudo-Sample Replay Enhancement, Kasidis Kanwatchara

Chulalongkorn University Theses and Dissertations (Chula ETD)

Lifelong learning (LL) is a machine learning paradigm in which a learner is sequentially trained on a stream of new tasks while preventing learned knowledge from being forgotten. To achieve lifelong language learning, pseudo-rehearsal methods leverage samples generated from a language model to refresh the knowledge of previously learned tasks. Without proper controls, however, these methods could fail to retain the knowledge of complex tasks with longer texts since most of the generated samples are low in quality. To overcome the problem, we propose three specific contributions. First, we utilize double language models, each of which specializes on a specific …

Data Augmentation For Thai Natural Language Processing Using Different Tokenization, Patawee Prakrankamanant

Chulalongkorn University Theses and Dissertations (Chula ETD)

Tokenization is one of the most important data pre-processing steps in the text classification task and also one of the main contributing factors in the model performance. However, getting good tokenizations is non-trivial when the input is noisy, and is especially problematic for languages without an explicit word delimiter such as Thai. Therefore, we proposed an alternative data augmentation method to improve the robustness of poor tokenization by using multiple tokenizations. We evaluated the performance of our algorithms on different Thai text classification datasets. The results suggested our augmentation scheme makes the model more robust to tokenization errors and can …

Performance Improvement Of Cms Simulation Via Loop Transformation, Teerit Ploensin

Chulalongkorn University Theses and Dissertations (Chula ETD)

High performance processor can tackle bottleneck issues by increasing vector lengths and leveling effectiveness of memory hierarchies to address these issue. Manual optimization of code is a difficult task when having multiple architecturedependent transformation. Our goal is to develop a tool that performs source code transformation based on loop optimization techniques, since a loop plays an important role in improving of performance in scientific simulation software. We implement an source-to-source transformation tool based libTooling, a Clang’s library, based on polyhedral model to simplify a loop transformation of CMSSW building pipeline. The tool also can be used for automatically transformation. The …

ขั้นตอนวิธีเชิงพันธุกรรมแบบกระชับชนิดควอนตัมสำหรับปัญหายาก, กมลลักษณ์ สุขเสน

Chulalongkorn University Theses and Dissertations (Chula ETD)

งานวิจัยทางด้านคอมพิวเตอร์เชิงควอนตัม (Quantum computer) ยังคงเป็นความท้าทายสำหรับนักวิจัยในการพัฒนาเทคนิคต่างๆเพื่อให้การประมวลผลข้อมูลควอนตัมขนาดใหญ่สามารถทำได้จริง มีงานวิจัยหลากหลายสาขาเกี่ยวกับการจำลองระบบควอนตัม โดยเฉพาะด้านอัลกอริทึมควอนตัมสำหรับแก้ปัญหา NP-hard ซึ่งใช้เวลาแก้ปัญหานานเกินกว่าจะเป็นไปได้จริงในเครื่องคอมพิวเตอร์ดั้งเดิม งานวิจัยนี้นำเสนอขั้นตอนวิธีเชิงพันธุกรรมแบบกระชับชนิดควอนตัม ซึ่งเป็นการนำข้อได้เปรียบจากการประมวลผลเชิงควอนตัม ได้แก่ สภาวะซ้อนทับของสถานะควอนตัม และการประมวลผลควอนตัมแบบขนานในอัลกอริทึมการค้นหาของโกรเวอร์ (Grover's search algorithm) มาประยุกต์ใช้ในกระบวนการคัดเลือกโครโมโซมของขั้นตอนวิธีเชิงพันธุกรรมแบบกระชับชนิดดั้งเดิมที่มีการคัดเลือกโครโมโซมที่ดี เพื่อให้ได้ขั้นตอนวิธีเชิงพันธุกรรมแบบกระชับชนิดควอนตัมที่มีประสิทธิภาพดีขึ้นในแง่ของความถูกต้องของคำตอบ ขั้นตอนวิธีที่นำเสนอสามารถแก้ปัญหา traveling salesman ขนาดเล็กได้บนเครื่องจำลองคอมพิวเตอร์ควอนตัม เนื่องจากจำนวนคิวบิตที่มีอย่างจำกัดจึงไม่สามารถทำการทดลองกับปัญหา traveling salesman ขนาดใหญ่ได้ แม้ว่าจำนวนฟังก์ชันที่ใช้ในการประเมินค่าความเหมาะสมของขั้นตอนวิธีที่นำเสนอมีแนวโน้มเพิ่มขึ้นเป็นเอ็กโปเน็นเชียลเมื่อจำนวนเมืองเพิ่มขึ้น แต่ยังสามารถหาคำตอบที่ถูกต้องได้ดีกว่าขั้นตอนวิธีเชิงพันธุกรรมแบบกระชับชนิดดั้งเดิม นอกจากนี้ผลการทดลองแสดงให้เห็นว่าจำนวนรอบของโกรเวอร์ที่เหมาะสมช่วยเพิ่มประสิทธิภาพในการหาคำตอบที่เหมาะสมที่สุด ในขณะที่จำนวนช็อตหรือจำนวนรอบที่รันอัลกอริทึมช่วยเพิ่มความน่าเชื่อถือให้กับคำตอบที่ได้จากการวัดค่าสถานะคิวบิต

การตัดไทม์เพทริเน็ตโดยใช้คุณสมบัติตรรกะเชิงเวลาแบบเมตริก, ปฏิมากร จริยฐิติพงศ์

Chulalongkorn University Theses and Dissertations (Chula ETD)

ไทม์เพทริเน็ตเป็นเครื่องมือสำหรับการสร้างแบบจำลองและทวนสอบระบบเวลาจริง ปริภูมิสถานะของไทม์เพทริเน็ตนั้นมีอัตราการเติบโตแบบเอกโพเนนเชียลเนื่องจากความซับซ้อนของระบบเวลาจริง ซึ่งปริภูมิสถานะที่มีขนาดใหญ่มากอาจทำให้เกิดการระเบิดของปริภูมิสถานะในการทำโมเดลเช็กกิง งานวิจัยนี้จึงนำเสนออัลกอริทึมการตัดไทม์เพทริเน็ตโดยใช้สูตรตรรกะเชิงเวลาแบบเมตริกเพื่อลดขนาดไทม์เพทริเน็ตโดยการกำจัดเพลสและทรานสิชันที่ไม่เกี่ยวข้องกับมาร์คกิงเริ่มต้นและคุณสมบัติของสูตรตรรกะเชิงเวลาแบบเมตริก นอกจากนี้อัลกอริทึมที่นำเสนอยังนำเสนอกราฟพึ่งพาซึ่งแสดงเป็นกราฟพึ่งพาที่แสดงช่วงเวลาโกลบอลของการยิงของทรานสิชันเพื่อแสดงพฤติกรรมการทำงานของไทม์เพทริเน็ต โดยไทม์เพทริเน็ตผลลัพธ์นั้นยังคงเส้นทางการทำงานที่จำเป็นทั้งหมดสำหรับการทำโมเดลเช็กกิง ดังนั้น โมเดลเช็กกิงสามารถสร้างปริภูมิสถานะที่เพียงพอต่อการทวนสอบเมื่อเทียบกับไทม์เพทริเน็ตที่ไม่ได้ตัด

ซอฟต์แวร์เฟรมเวิร์กสำหรับระบบคอมพิวเตอร์เพื่อการฝึกฝนแบบปรับเหมาะได้ พร้อมด้วยส่วนประเมินตัวสร้างคำถาม, ปณิดา วิริยะชัยพร

Chulalongkorn University Theses and Dissertations (Chula ETD)

ระบบสำหรับการฝึกฝนแบบปรับเหมาะ (adaptive practicing) สามารถส่งเสริมศักยภาพของผู้เรียนได้อย่างเต็มที่ แม้ว่าในปัจจุบันจะมีระบบนี้อยู่บ้าง แต่การสร้างระบบนี้ยังคงมีความซับซ้อนแม้ว่าปัจจุบันจะมีเครื่องมือต่าง ๆ มาช่วยเหลือก็ตาม วิทยานิพนธ์ฉบับนี้นำเสนอซอฟต์แวร์เฟรมเวิร์กสำหรับระบบคอมพิวเตอร์เพื่อการฝึกฝนแบบปรับเหมาะได้ พร้อมด้วยส่วนประเมินตัวสร้างคำถาม โดยใช้ระบบการจัดอันดับของ Elo โดยเฟรมเวิร์กนี้สามารถนำตัวสร้างคำถามมาสร้างเป็นระบบสำหรับการฝึกฝนแบบปรับเหมาะได้อย่างง่ายดายในรูปแบบบริการเอพีไอ (Application Programming Interface; API) บนเว็บไซต์ ซึ่งในเฟรมเวิร์กนี้ประกอบไปด้วย 4 โมเดล ได้แก่ ตัวชี้วัดการเรียนรู้ ผู้เรียน โจทย์คำถาม และบทคำสั่ง นอกจากนี้ยังประกอบไปด้วย 7 มอดูล ได้แก่ ส่วนเลือกโจทย์คำถาม ส่วนสร้างโจทย์คำถาม ส่วนคำนวณความแตกต่างระหว่างคำถาม ส่วนแสดงผลโจทย์คำถาม ส่วนตรวจสอบคำตอบ ส่วนแสดงผลย้อนกลับ (feedback) และส่วนปรับโจทย์คำถามให้เป็นปัจจุบัน การแยกส่วนสร้างโจทย์คำถามออกมานั้น ส่งผลให้เฟรมเวิร์กรองรับคำถามสำหรับหลายหัวข้อ อาทิ คำถามวิชาภาษาไทย คำถามวิชาคณิตศาสตร์ นอกจากนี้ส่วนสร้างโจทย์คำถามยังทำให้ระบบที่สร้างภายใต้เฟรมเวิร์กนี้ มีทรัพยากรโจทย์คำถามที่ไม่จำกัด และขยายฐานข้อมูลโจทย์คำถามได้อย่างอัตโนมัติ อีกทั้งเฟรมเวิร์กนี้ยังรองรับคำถามได้หลากหลายประเภทที่สามารถประเมินผลเป็นถูกและผิด อาทิ คำถามปรนัย คำถามเลือกจับคู่ เนื่องจากการออกแบบให้ส่วนแสดงผลโจทย์คำถามเป็นส่วนที่สามารถปรับแต่งได้ เฟรมเวิร์กนี้รองรับการออกรายงานทั้งหมด 5 ประเภทเพื่อใช้วิเคราะห์ทั้งในฝั่งผู้เรียนและฝั่งของระบบ ระบบที่สร้างภายใต้เฟรมเวิร์กนี้ถูกออกแบบให้เป็นเอพีไอจึงทำให้สามารถเชื่อมต่อกับโปรแกรมประยุกต์อื่น ๆ ได้ง่าย นอกจากนี้ระบบที่สร้างภายใต้เฟรมเวิร์กนี้สามารถรองรับการเรียนการสอนทั้งแบบออนไลน์และออฟไลน์สำหรับกลุ่มผู้เรียนทุกขนาด และทำให้ผู้เรียนสามารถเรียนรู้ด้วยความเร็วตามความสามารถของตนเอง และผู้สอนไม่จำเป็นต้องสร้างคำถามสำหรับป้อนเข้าในระบบ

แบบจำลองการเรียนรู้เชิงลึกสำหรับการจำแนกประเภทภาพแบบละเอียด, สรนันท์ พยัตศุภร

Chulalongkorn University Theses and Dissertations (Chula ETD)

การจำแนกประเภทภาพแบบละเอียดเป็นปัญหาการจำแนกประเภทภาพที่อยู่ในหมวดหมู่หลักเดียวกัน เช่น ชนิดของนก, รุ่นของรถยนต์และรุ่นของเครื่องบิน โดยปัญหาหลักของการจำแนกประเภทภาพแบบละเอียดคือมีความผันผวนภายในประเภทและความเหมือนระหว่างประเภทสูง ทำให้งานวิจัยส่วนใหญ่มุ่งเน้นไปที่การระบุตำแหน่งของวัตถุหรือชิ้นส่วนสำคัญของภาพด้วยการออกแบบโครงสร้างแบบจำลองที่มีความซับซ้อนเพื่อแก้ปัญหาดังกล่าว ในงานวิจัยนี้ได้นำเสนอวิธีการเพิ่มประสิทธิภาพของความแม่นยำในการจำแนกประเภทซึ่งประกอบด้วยแบบจำลองสองระดับที่ทำหน้าที่แยกกันในการระบุตำแหน่งและจำแนกประเภท โดยการระบุตำแหน่งวัตถุทำหน้าที่หาพื้นที่ในรูปภาพที่มีวัตถุอยู่ด้วยสมมติฐานพื้นที่ต่อเนื่องที่มีขนาดใหญ่ที่สุดบนการรวมของผังฟีเจอร์ ซึ่งสกัดมาจากหลังจากคอนโวลูชันนิวรอลเน็ตเวิร์ค หลังจากนั้นในขั้นตอนการจำแนกประเภท ได้ปรับปรุงฟังก์ชันสูญเสียค่าสูงสุดอย่างอ่อนด้วยการเพิ่มมาจินเชิงมุมปรับค่าได้ในค่ามุมระหว่างฟีเจอร์เวกเตอร์และเวกเตอร์ศูนย์กลางประจำแต่ละประเภทในระหว่างการฝึกสอนแบบจำลอง วิธีการในงานวิจัยนี้สามารถฝึกสอนแบบจำลองได้แบบเอ็นทูเอ็นโดยไม่ต้องใช้กล่องขอบเขตในการฝึกสอนเพิ่มเติม ทั้งนี้ผลการทดลองแสดงให้เห็นว่า เทคนิคที่งานวิจัยนี้นำมาใช้มีประสิทธฺภาพที่ดีบนชุดข้อมูลสามชุดที่มีการใช้อย่างกว้างขวางในการทดลองเกี่ยวกับการจำประแนกประเภทภาพแบบละเอียด

โมเดลควอนตัมโครงข่ายประสาทเทียมสำหรับปัญหาการถดถอย, สุรพันธุ์ เหล่าคนดี

Chulalongkorn University Theses and Dissertations (Chula ETD)

ควอนตัมคอมพิวเตอร์ได้แสดงให้เห็นถึงความสามารถที่เหนือกว่าคอมพิวเตอร์แบบคลาสสิคในการแก้ไขปัญหาบางประเภทด้วยการใช้กฎของกลศาสตร์ควอนตัมและด้วยการรวมเอาความรู้ทางด้านการเรียนรู้ของเครื่องและควอนตัมคอมพิวเตอร์ทำให้เกิดองค์ความรู้ใหม่ที่เรียกว่าการเรียนรู้ของเครื่องแบบควอนตัม ควอนตัมโครงข่ายประสาทเทียมเป็นหนึ่งในรูปแบบของการใช้ความรู้ของการเรียนรู้ของเครื่องและคอมพิวเตอร์ควอนตัมด้วยการดัดแปลงความคิดจากการทำโครงข่ายประสาทเทียมแบบคลาสสิคและการใช้ควอนตัมเกทแบบปรับค่าได้มาเป็นค่าน้ำหนักของโครงข่ายประสาทเทียม ในงานวิจัยนี้ได้นำเสนอการประยุกต์ใช้ควอนตัมโครงข่ายประสาทเทียมด้วยข้อมูลจากโลกจริงเพื่อแก้ไขปัญหาการถดถอยเพื่อทำนายจำนวนโทเคนที่ใช้ในระบบประมูลรายวิชา โดยการทดลองจะถูกทำบนเครื่องจำลองคอมพิวเตอร์ควอนตัมของไอบีเอ็ม(Qiskit) ผลลัพธ์ของการทดลองได้แสดงให้เห็นว่าควอนตัมโครงข่ายประสาทเทียมสามารถบรรลุผลที่ดีในการทำนายเมื่อเปรียบเทียบกับโครงข่ายประสาทเทียมแบบคลาสสิคโดยโมเดลที่ดีที่สุดมีค่ารากที่สองของค่าเฉลี่ยความผิดพลาดกำลังสอง(RMSE) ที่ 6.38% วิธีการนี้ทำให้เกิดการเปิดกว้างสำหรับโอกาสที่จะสำรวจผลประโยชน์ของการเรียนรู้ของเครื่องแบบควอนตัมในการทำวิจัยในอนาคต

การประยุกต์การวิเคราะห์เครือข่ายสังคมเพื่อปรับปรุงกระบวนการทดสอบซอฟต์แวร์, พรรณธิภา บุญมาพบ

Chulalongkorn University Theses and Dissertations (Chula ETD)

Jira Software เป็นโซลูชันการจัดการโครงการแบบอไจล์ ซึ่งเดิมออกแบบมาให้เป็นเครื่องมือในการติดตามข้อบกพร่องและปัญหาที่เกิดขึ้นภายในโครงการ การค้นหาปัญหาหรือข้อมูลข้อบกพร่องสามารถทำได้โดยใช้ Jira Query Language (JQL) อย่างไรก็ตาม การสืบค้นปัญหาหรือข้อบกพร่องจากแหล่งที่เก็บข้อมูลจะคืนค่าข้อมูลที่เฉพาะเจาะจงมาอย่างง่ายและธรรมดาทั่วไป ในงานวิจัยนี้ ได้นำเสนอแนวทางการสร้างภาพข้อมูลเครือข่ายเพื่อเปิดเผยความสัมพันธ์และการสื่อสารระหว่างตัวบทบาท เช่น คุณสมบัติของซอฟต์แวร์ ข้อบกพร่อง และบุคลากร โดยเทคนิคการวิเคราะห์เครือข่ายโซเชียลใช้สำหรับวิเคราะห์ข้อบกพร่องที่รวบรวมจากโครงการซอฟต์แวร์ภายในธนาคาร และ Gephi ถูกใช้เป็นเครื่องมือในการสร้างเครือข่ายของบทบาทที่ระบุเป็นโหนดและการเชื่อมโยงของโหนดเหล่านั้น ซึ่งแนวทางของการวิเคราะห์เครือข่ายภาพนั้นใช้ได้จริงและให้ข้อมูลเชิงลึกในการวิเคราะห์ข้อบกพร่องที่จำเป็นสำหรับกระบวนการพัฒนาซอฟต์แวร์ในเชิงรุก