Engineering Commons^™

Speculative Anisotropic Mesh Adaptation On Shared Memory For Cfd Applications, Christos Tsolakis, Nikos Chrisochoides

Computer Science Faculty Publications

Efficient and robust anisotropic mesh adaptation is crucial for Computational Fluid Dynamics (CFD) simulations. The CFD Vision 2030 Study highlights the pressing need for this technology, particularly for simulations targeting supercomputers. This work applies a fine-grained speculative approach to anisotropic mesh operations. Our implementation exhibits more than 90% parallel efficiency on a multi-core node. Additionally, we evaluate our method within an adaptive pipeline for a spectrum of publicly available test-cases that includes both analytically derived and error-based fields. For all test-cases, our results are in accordance with published results in the literature. Support for CAD-based data is introduced, and its …

Enhancing Research Productivity: Seamless Integration Of Personal Devices And Hpc Resources With The Cybershuttle Notebook Gateway, Yasith Jayawardana, Dimuthu Wannipurage, Eroma Abeysinghe, Suresh Marru

Computer Science Faculty Publications

Scientists often utilize personal laptops and workstations for initial research stages and turn to high-performance computing (HPC) supercomputers for compute-intensive tasks. However, seamless transitions between these environments are vital for enhancing productivity and accelerating research progress. Our paper presents the Cybershuttle Notebook Gateway, an open-source framework crafted to streamline this transition, optimize resource utilization, and reduce time-to-science for researchers. Leveraging JupyterLab, the framework extends kernel mechanics for seamless provisioning and connection to remote HPC cluster kernels. We delve into its architecture, which separates user authentication, kernel provisioning, and remote file system access. Additionally, we highlight practical capabilities like analyzing network …

Enhanced Skin Cancer Diagnosis Through Grid Search Algorithm-Optimized Deep Learning Models For Skin Lesion Analysis, Rudresh Pillai, Neha Sharma, Sheifali Gupta, Deepali Gupta, Sapna Juneja, Saurav Malik, Hong Qin, Mohammed S. Alqahtani, Amel Ksibi

Computer Science Faculty Publications

Skin cancer is a widespread and perilous disease that necessitates prompt and precise detection for successful treatment. This research introduces a thorough method for identifying skin lesions by utilizing sophisticated deep learning (DL) techniques. The study utilizes three convolutional neural networks (CNNs)-CNN1, CNN2, and CNN3-each assigned to a distinct categorization job. Task 1 involves binary classification to determine whether skin lesions are present or absent. Task 2 involves distinguishing between benign and malignant lesions. Task 3 involves multiclass classification of skin lesion images to identify the precise type of skin lesion from a set of seven categories. The most optimal …

Flexible Fitting Of Alphafold2-Predicted Models To Cryo-Em Density Maps Using Elastic Network Models: A Methodological Affirmation, Maytha Alshammari, Jing He, Willy Wriggers

Computer Science Faculty Publications

Motivation: This study investigates the flexible refinement of AlphaFold2 models against corresponding cryo-electron microscopy (cryo-EM) maps using normal modes derived from elastic network models (ENMs) as basis functions for displacement. AlphaFold2 generally predicts highly accurate structures, but 18 of the 137 models of isolated chains exhibit a TM-score below 0.80. We achieved a significant improvement in four of these deviating structures and used them to systematically optimize the parameters of the ENM motion model.

Results: We successfully refined four AlphaFold2 models with notable discrepancies: lipid-preserved respiratory supercomplex (TM-score increased from 0.52 to 0.69), flagellar L-ring protein (TM-score increased from 0.53 …

A Survey On Few-Shot Class-Incremental Learning, Songsong Tian, Lusi Li, Weijun Li, Hang Ran, Xin Ning, Prayag Tiwari

Computer Science Faculty Publications

Large deep learning models are impressive, but they struggle when real-time data is not available. Few-shot class-incremental learning (FSCIL) poses a significant challenge for deep neural networks to learn new tasks from just a few labeled samples without forgetting the previously learned ones. This setup can easily leads to catastrophic forgetting and overfitting problems, severely affecting model performance. Studying FSCIL helps overcome deep learning model limitations on data volume and acquisition time, while improving practicality and adaptability of machine learning models. This paper provides a comprehensive survey on FSCIL. Unlike previous surveys, we aim to synthesize few-shot learning and incremental …

Cooperative Trucks And Drones For Rural Last-Mile Delivery With Steep Roads, Jiuhong Xiao, Ying Li, Zhiguang Cao, Jianhua Xiao

Research Collection School Of Computing and Information Systems

The cooperative delivery of trucks and drones promises considerable advantages in delivery efficiency and environmental friendliness over pure fossil fuel fleets. As the prosperity of rural B2C e-commerce grows, this study intends to explore the prospect of this cooperation mode for rural last-mile delivery by developing a green vehicle routing problem with drones that considers the presence of steep roads (GVRPD-SR). Realistic energy consumption calculations for trucks and drones that both consider the impacts of general factors and steep roads are incorporated into the GVRPD-SR model, and the objective is to minimize the total energy consumption. To solve the proposed …

Enhancing Iot Security: Optimizing Anomaly Detection Through Machine Learning, Maria Balega, Waleed Farag, Xin-Wen Wu, Soundarararjan Ezekiel, Zaryn Good

Computer Science Articles

As the Internet of Things (IoT) continues to evolve, securing IoT networks and devices remains a continuing challenge. Anomaly detection is a crucial procedure in protecting the IoT. A promising way to perform anomaly detection in the IoT is through the use of machine learning (ML) algorithms. There is a lack of studies in the literature identifying optimal (with regard to both effectiveness and efficiency) anomaly detection models for the IoT. To fill the gap, this work thoroughly investigated the effectiveness and efficiency of IoT anomaly detection enabled by several representative machine learning models, namely Extreme Gradient Boosting (XGBoost), Support …

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 …

Assessing Performance Optimization Strategies In Cloud-Native Environments Through Containerization And Orchestration Analysis, Daniel E. Ukene

College of Graduate Studies: Theses & Dissertations

This thesis comprises three distinct, yet interconnected studies addressing critical aspects of web infrastructure management. We begin by studying containerization via Docker and its impact on web server performance, focusing on Apache and Nginx hosted on virtualized environments. Through meticulous load testing and analysis, we provide insights into the comparative performance of these servers, adding users of this technology know which webservers to leverage when hosting their webservice along alongside the infrastructure to host it on. Next, we expand our focus to examine the performance of caching systems, namely Redis and Memcached, across traditional VMs and Docker containers. By comparing …

The Hazard Prediction Problem, Mary E. Helander, Brendan Smith, Sylvia Charchut, Erika Swiatowy, Calvin Nau, Gregory Cavaretta, Timothy Schuler, Adam Schunk, Héctor Ortiz-Peña

Social Science - All Scholarship

This work formulates the hazard prediction problem while addressing the research question: Can machine learning create a model to automatically recognize patterns that correspond to hazard state conditions during a mission-critical operation? Supervised learning models were trained and tested on data observed from mission simulators, which allowed for safe observation of dynamic system states and undesirable casualty events. The prediction task was formulated as a binary classification problem, producing the probability of being in a hazard state at time t and providing situational awareness of a possible imminent loss. Several modeling architectures were investigated: neural networks, logistic regression, a support …

An Efficient And Trusted Deep Learning Framework For Real-Time Ppe Detection In Secure Iomt Environment, Anusha Verma

Browse all Theses and Dissertations

Occupationally-acquired infections impact thousands of healthcare workers (HCWs) in the U.S., with many cases preventable through proper use of personal protective equipment (PPE). This study seeks to develop a robust system to enhance PPE compliance and reduce infection risks among HCWs. The objectives of this thesis are twofold: (1) to create a hybrid machine learning model that combines object detection and keypoint detection to ensure correct donning and doffing of PPE, and (2) to design a real-time feedback system using LED indicators and a display interface to offer actionable guidance to HCWs during PPE usage. The goal is to optimize …

An Enhanced Real-Time Object Detection Of Helmets And License Plates Using A Lightweight Yolov8 Deep Learning Model, Mounika Thatikonda

Browse all Theses and Dissertations

Traffic surveillance and enforcement heavily depend on the real-time detection of helmets and license plates, particularly in high-density urban environments. This study presents a dynamic and optimized lightweight model, the proposed G-YOLOv8n, designed for resource constrained edge devices like the Raspberry Pi. By integrating the GhostNet module into the YOLOv8n architecture, this research achieves a nearly 50% reduction in model size and computational load, while maintaining comparable detection accuracy to the original YOLOv8n. These enhancements enable real-time processing capabilities crucial for traffic monitoring operations. The growing demand for real-time, low-power solutions in intelligent transportation systems necessitates lightweight, efficient detection models. …

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 …

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 …

แบบจำลองวุฒิภาวะด้านการวิเคราะห์ผลป้อนกลับของผู้ใช้สำหรับการบำรุงรักษาซอฟต์แวร์, ภัทรพงศ์ วิโรจน์ปกรณ์

Chulalongkorn University Theses and Dissertations (Chula ETD)

การวิเคราะห์ผลป้อนกลับของผู้ใช้ซอฟต์แวร์เป็นองค์ประกอบสำคัญของการบำรุงรักษาซอฟต์แวร์ เนื่องจากช่วยให้เข้าใจโดยตรงถึงวิธีที่ผู้ใช้จริงมีปฏิสัมพันธ์กับระบบ อุปสรรคที่ผู้ใช้เผชิญ และการปรับปรุงที่ผู้ใช้ต้องการ องค์กรที่พัฒนาซอฟต์แวร์อาจมีช่องทางหลากหลายในการรวบรวมผลป้อนกลับของผู้ใช้ แต่ประสิทธิภาพขององค์กรในการนำผลป้อนกลับเหล่านั้นไปใช้อาจมีความแตกต่างกันอย่างมาก งานวิจัยนี้เสนอแบบจำลองวุฒิภาวะด้านการวิเคราะห์ผลป้อนกลับของผู้ใช้ซอฟต์แวร์ (SFAMM) ซึ่งเป็นกรอบแนวคิดสำหรับประเมินระดับวุฒิภาวะของกระบวนการวิเคราะห์ผลป้อนกลับของผู้ใช้ซอฟต์แวร์ (SFAP) ขององค์กรพัฒนาซอฟต์แวร์ โดย SFAMM แบ่งระดับวุฒิภาวะออกเป็น 6 ระดับ ซึ่งแต่ละระดับประกอบด้วย 4 ปัจจัยหลักและปัจจัยย่อยของแต่ละปัจจัยหลัก SFAMM ได้รับการทวนสอบความถูกต้องผ่านการเชื่อมโยงกับมาตรฐาน ISO/IEC 15504 ซึ่งเป็นมาตรฐานสำหรับการประเมินกระบวนการ นอกจากนี้ SFAMM ยังมาพร้อมกับแบบสอบถามสำหรับประเมินวุฒิภาวะด้านการวิเคราะห์ผลป้อนกลับของผู้ใช้ซอฟต์แวร์ (SFAA) เพื่อให้องค์กรสามารถประเมินตนเองได้ว่าอยู่ในระดับใด และสามารถกำหนดแนวทางในการปรับปรุงกระบวนการวิเคราะห์ผลป้อนกลับของผู้ใช้ งานวิจัยยังได้เสนอผลสำรวจวุฒิภาวะด้านการวิเคราะห์ผลป้อนกลับของผู้ใช้ซอฟต์แวร์ขององค์กรพัฒนาซอฟต์แวร์ในประเทศไทย

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 …

การตรวจจับภาวะกระดูกสะโพกหักจากภาพถ่ายเอกซเรย์กระดูกสะโพกโดยใช้กระบวนการเรียนรู้เชิงลึก, ปิติ กฤตยานุกูล

Chulalongkorn University Theses and Dissertations (Chula ETD)

การตรวจจับภาวะกระดูกสะโพกหักจากภาพเอกซเรย์เป็นกระบวนการสำคัญที่ช่วยให้แพทย์สามารถวินิจฉัยและรักษาผู้ป่วยได้อย่างทันท่วงที โดยเฉพาะในผู้สูงอายุที่มีความเสี่ยงต่อภาวะกระดูกพรุนและการลื่นล้ม งานวิจัยนี้นำเสนอการพัฒนาโมเดลตรวจจับภาวะกระดูกสะโพกหักโดยใช้โครงข่ายประสาทเทียม YOLOv11 ร่วมกับโมดูล CBAM (Convolutional Block Attention Module) เพื่อปรับปรุงการรับรู้บริบทสำคัญในภาพรังสี โดยมีการทดลองฝังโมดูล CBAM ในตำแหน่งต่าง ๆ และเปรียบเทียบกับโมเดลพื้นฐาน (baseline) ที่ไม่ใช้ CBAM พบว่าโมเดลที่ใช้ CBAM ในตำแหน่งหลัง C3k2 ตัวสุดท้ายในโครงสร้าง Backbone (CBAM4) ให้ผลลัพธ์ที่ดีที่สุด โดยสามารถเพิ่มค่า [email protected] จากเดิม 94.8% เป็น 96.1% ค่า [email protected]:0.95 จาก 67.6% เป็น 70.4% แสดงให้เห็นว่าโมดูล CBAM สามารถช่วยเสริมประสิทธิภาพของโมเดลให้สามารถตรวจจับรอยหักของกระดูกสะโพกในภาพ X-ray ซึ่งสามารถนำไปประยุกต์ใช้เป็นเครื่องมือช่วยแพทย์ในการวินิจฉัยได้อย่างมีประสิทธิภาพและแม่นยำยิ่งขึ้น

การสร้างสคริปต์ทดสอบเรสฟูลเอพีไอด้วยเงื่อนไขของฐานข้อมูลจากข้อกำหนดโอเพนเอพีไอ, นันทิพัฒน์ ยันต์เจริญ

Chulalongkorn University Theses and Dissertations (Chula ETD)

ในปัจจุบันระบบซอฟต์แวร์นั้นเชื่อมต่อกันเพื่อพัฒนาประสบการณ์ของผู้ใช้งานและดึงดูดผู้ใช้งานใหม่ ๆ ด้วยเหตุนี้ผู้พัฒนาซอฟต์แวร์จึงจำเป็นต้องมีมาตรฐานในการแลกเปลี่ยนข้อมูลเพื่อปรับปรุงการทำงานจึงนำไปสู่การสร้างเอพีไอ ในการพัฒนาเอพีไอ เอพีไอได้มีเอกสารที่เป็นมาตรฐานเพื่อช่วยให้นักพัฒนาซอฟต์แวร์เข้าใจส่วนประกอบของเอพีไอ เช่น พารามิเตอร์ รีเควสต์บอดี รีซอร์ส และ เอ็นพอยต์ ทำให้กลุ่มผู้ก่อตั้งโอเพนเอพีไอพัฒนาข้อกำหนดโอเพนเอพีไอขึ้น นอกจากนี้ เอพีไอมักเชื่อมต่อกับฐานข้อมูลในรูปแบบของฐานข้อมูลเชิงสัมพันธ์ที่มีเงื่อนไขของฐานข้อมูลซึ่งรับประกันความถูกต้องของข้อมูลที่จัดเก็บ เมื่อพัฒนาเอพีไอ ผู้ทดสอบเอพีไออาจมีแนวทางที่แตกต่างในการสร้างกรณีทดสอบ ซึ่งอาจมีความแตกต่างในการสร้างกรณีทดสอบซึ่งนำไปสู่การสร้างกรณีทดสอบที่ไม่ครอบคลุม โดยเฉพาะอย่างยิ่งเกี่ยวกับกรณีทดสอบของเงื่อนไขของฐานข้อมูลงานวิจัยนี้ได้นำเสนอวิธีการในการสร้างสคริปต์ทดสอบสำหรับเรสฟูลเอพีไอโดยใช้ข้อกำหนดโอเพนเอพีไอและข้อมูลเมตาของฐานข้อมูลเชิงสัมพันธ์ที่มีเงื่อนไขของฐานข้อมูล ซึ่งประกอบไปด้วยกรณีทดสอบ 3 แบบ ได้แก่ กรณีทดสอบจากตัวอย่าง กรณีทดสอบแบบอ้างอิงกับข้อกำหนด และ กรณีทดสอบแบบอ้างอิงกับเงื่อนไขของฐานข้อมูล โดยสำหรับกรณีทดสอบแบบอ้างอิงกับเงื่อนไขของฐานข้อมูลครอบคลุม 5 เงื่อนไข ได้แก่ เงื่อนไขบังคับแบบตรวจสอบ เงื่อนไขบังคับแบบห้ามเว้นว่าง เงื่อนไขบังคับแบบไม่ซ้ำ เงื่อนไขบังคับแบบกุญแจหลัก และ เงื่อนไขบังคับแบบอ้างอิง ซึ่งวิธีการนี้จะสามารถนำไปใช้กับเครื่องมือทดสอบเอพีไอแบบอัตโนมัติช่วยให้ผู้ทดสอบซอฟต์แวร์ได้รับผลลัพธ์ที่รวดเร็วยิ่งขึ้น หลังจากการทดสอบเครื่องมือ พบว่าการสคริปต์ทดสอบและข้อมูลทดสอบสามารถนำไปใช้งานได้จริงโดยใช้ข้อกำหนดโอเพนเอพีไอและไฟล์ คอนเน็กชันสตริงของฐานข้อมูลโพสต์เกรสคิวเอล

เครื่องมือสร้างสตับและไดร์เวอร์สําหรับการทดสอบระบบด้วย แผนภาพลําดับและแผนภาพคลาส, นนทเดช วรางค์เดช

Chulalongkorn University Theses and Dissertations (Chula ETD)

เพื่อให้สามารถค้นหาข้อผิดพลาดของระบบได้อย่างมีประสิทธิภาพ การทดสอบระบบสามารถดำเนินการได้ตั้งแต่ช่วงที่ระบบมีฟังก์ชันการทำงานบางส่วนแล้วเสร็จ การค้นพบข้อผิดพลาดในช่วงต้นของการพัฒนาจะช่วยลดต้นทุนและเวลาในการแก้ไขงานซ้ำได้ อย่างไรก็ตาม ในกรณีที่ระบบยังมีคลาสบางส่วนที่ยังไม่แล้วเสร็จ จำเป็นต้องใช้ สตับ และ ไดร์เวอร์ เข้ามาแทนที่คลาสเหล่านั้นในระหว่างการทดสอบ สตับและไดร์เวอร์ต้องใช้เวลาและความพยายามในการพัฒนา จึงมีความพยายามในการสร้างเครื่องมือเพื่อช่วยลดภาระดังกล่าวงานวิจัยนี้เสนอแนวทางพัฒนาเครื่องมือที่ใช้แผนภาพคลาส, แผนภาพลำดับ และตารางติดตามความต้องการ เป็นข้อมูลนำเข้า โดยแผนภาพคลาสใช้เพื่อแสดงข้อมูลคุณลักษณะของคลาส และใช้สร้างรายการเมทอดที่มีในระบบ ส่วนแผนภาพลำดับใช้ระบุลำดับการเรียกใช้เมทอดระหว่างวัตถุ และนำไปสู่การสร้างกราฟการเรียกใช้งาน ในขณะเดียวกันตารางติดตามความต้องการ ถูกใช้เพื่อค้นหาฟังก์ชันของระบบที่ต้องดำเนินการทดสอบ เมื่อได้กราฟการเรียกใช้งานและรายการเมทอดแล้ว ระบบจะสามารถสร้างคลาสของสตับและไดร์เวอร์ พร้อมทั้งข้อมูลทดสอบ เพื่อให้สามารถดำเนินการทดสอบระบบได้อย่างมีประสิทธิภาพ

การรู้จำสถานที่ด้วยภาพสำหรับหุ่นยนต์ภายในอาคารด้วยกล้องรอบทิศ, เทพสิทธิ์ นิสิตสุขเจริญ

Chulalongkorn University Theses and Dissertations (Chula ETD)

วิทยานิพนธ์ฉบับนี้นำเสนอวิธีการรู้จำสถานที่ด้วยภาพ (Visual Place Recognition: VPR) สำหรับหุ่นยนต์เคลื่อนที่ภายในอาคาร โดยใช้กล้องมุมกว้างที่ติดตั้งเลนส์ตาปลาในทิศชี้ขึ้นเพดานเพียงตัวเดียว ซึ่งช่วยให้สามารถมองเห็นทั้งเพดานที่มีลักษณะคงที่ และสภาพแวดล้อมโดยรอบได้ในภาพเดียว ลดความจำเป็นในการใช้เซนเซอร์หลายประเภท ระบบที่พัฒนาขึ้นใช้สถาปัตยกรรมแบบ NetVLAD ซึ่งได้รับการฝึกสอนด้วยข้อมูลภาพ Fisheye จากทั้งโลกจริงและโลกจำลอง เรียกว่า FisheyeNetVLAD เพื่อสร้างตัวแทนภาพแบบ Global Descriptor สำหรับการค้นหาสถานที่ในขั้นต้น ผลการทดลองแสดงให้เห็นว่าระบบสามารถรู้จำสถานที่ได้อย่างมีประสิทธิภาพ แม้ในสภาวะแสง มุมมอง และสิ่งกีดขวางที่หลากหลาย จึงเหมาะสมอย่างยิ่งสำหรับการประยุกต์ใช้งานในระบบระบุตำแหน่งของหุ่นยนต์ภายในอาคาร

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 …

กรอบการจำลองเพื่อประเมินประสิทธิภาพการดำเนินงานและกลยุทธ์ด้านราคาของบริการแท็กซี่ในเขตเมือง, ธีรัช รักษ์เถา

Chulalongkorn University Theses and Dissertations (Chula ETD)

การบริหารจัดการระบบแท็กซี่ในเขตเมืองมีความซับซ้อนและต้องรองรับปัจจัยหลายด้าน เช่น ความต้องการของผู้โดยสาร การกระจายตัวของรถแท็กซี่ กลยุทธ์ด้านราคา และประเภทของพาหนะ การประเมินผลกระทบจากตัวแปรเหล่านี้อย่างเป็นระบบจึงมีความสำคัญต่อการวางแผนทั้งในระดับผู้ประกอบการและภาครัฐ งานวิจัยนี้นำเสนอกรอบการจำลองที่สามารถประเมินประสิทธิภาพของระบบแท็กซี่ภายใต้เงื่อนไขที่แตกต่างกัน โดยใช้ข้อมูลจากบริการแท็กซี่ในนครนิวยอร์ก (NYC TLC Dataset) เป็นกรณีศึกษา ตัวแปรหลักที่นำมาทดลอง ได้แก่ ขนาดของฟลีทรถ รูปแบบโครงสร้างราคาค่าโดยสาร และประเภทของยานพาหนะ (รถยนต์สันดาปภายในและยานยนต์ไฟฟ้า) ผลการทดลองแสดงให้เห็นความสัมพันธ์ระหว่างตัวแปรกับประสิทธิภาพของระบบในด้านต่าง ๆ เช่น อัตราการตอบสนองงาน อัตราการใช้งานแท็กซี่ เวลาว่าง รายได้สุทธิ และต้นทุนการดำเนินการนอกจากนี้ ยังเปรียบเทียบผลการวิเคราะห์จากระบบจำลองกับวิธีการทางสถิติแบบดั้งเดิม พบว่าระบบจำลองให้ผลที่ใกล้เคียงกับสภาพจริงมากกว่า โดยสามารถสะท้อนผลกระทบของการตัดสินใจในระดับปฏิบัติการได้อย่างชัดเจน กรอบการจำลองที่พัฒนาขึ้นนี้ให้ข้อมูลเชิงปฏิบัติแก่ผู้ประกอบการฟลีทรถแท็กซี่และผู้กำหนดนโยบาย เพื่อนำไปใช้ในการเพิ่มประสิทธิภาพการให้บริการแท็กซี่ กลยุทธ์ในการดำเนินงาน และความยั่งยืนทางการเงิน

การวัดหนี้ทางเทคนิคจากการเปลี่ยนแปลงของร่องรอยที่ไม่ดีในโค้ด, เจษฎา วิริยะกุล

Chulalongkorn University Theses and Dissertations (Chula ETD)

หนี้ทางเทคนิคหมายถึงปัญหาที่เกิดจากการปล่อยซอฟต์แวร์ออกมาโดยที่ส่วนประกอบต่าง ๆ ยังไม่สมบูรณ์ ยังไม่ผ่านการพัฒนาเต็มที่ หรือยังไม่เหมาะสม ซึ่งอาจส่งผลให้ต้องใช้ความพยายามในการพัฒนาเพิ่มเติมในเวอร์ชันถัดไป — เปรียบเสมือนการจ่ายดอกเบี้ยในหนี้ทางการเงิน ร่องรอยที่ไม่ดีในโค้ดเป็นรูปแบบเฉพาะของหนี้ทางเทคนิค ซึ่งเมื่อปรากฏอยู่ในโค้ดเบสแล้วอาจนำไปสู่ปัญหาที่สร้างต้นทุนเพิ่มเติมในการพัฒนา งานวิจัยนี้ศึกษาผลกระทบของหนี้ทางเทคนิคที่เกิดจากร่องรอยที่ไม่ดีในโค้ด โดยการวิเคราะห์พฤติกรรมการเปลี่ยนแปลงของร่องรอยที่ไม่ดีในโค้ดเหล่านั้น เพื่อสร้างประวัติการเปลี่ยนแปลงของร่องรอยที่ไม่ดี ผู้วิจัยได้พัฒนาตัววัดหนี้ทางเทคนิคแบบละเอียดขึ้น เพื่อใช้วัดปริมาณหนี้โดยประเมินขนาดของกิจกรรมการปรับโครงสร้างใหม่ (แสดงถึงต้นหนี้) และกิจกรรมดอกเบี้ย (แสดงถึงดอกเบี้ยหนี้) และเสนอให้นำขนาดของกิจกรรมทั้งสองประเภทนี้ไปประยุกต์ใช้กับแบบจำลองการประเมินความพยายามโคโคโม 2 แทนที่จะใช้แบบจำลองซีเอเอ สำหรับการประเมินหนี้ทางเทคนิค แนวทางนี้ช่วยให้สามารถสร้างประวัติการเปลี่ยนแปลงของหนี้ทางเทคนิคจากร่องรอยที่ไม่ดีในโค้ดในโครงการซอฟต์แวร์ต่าง ๆ ที่อยู่ในชุดข้อมูลควอลิตัสได้ ในการวิเคราะห์ผลกระทบ ผู้วิจัยจำแนกพฤติกรรมการเปลี่ยนแปลงของหนี้ทางเทคนิคตามระดับความรุนแรงของหนี้ โดยจำแนกออกเป็น พฤติกรรมของต้นหนี้ 5 ประเภท และ พฤติกรรมของดอกเบี้ย 3 ประเภท แบบรูปพฤติกรรมเหล่านี้พบได้ในร่องรอยที่ไม่ดีในโค้ดทุกประเภทและในระบบซอฟต์แวร์ทุกระบบที่นำมาวิเคราะห์ การจำแนกดังกล่าวเผยให้เห็นว่า โดยเฉลี่ยแล้ว ร่องรอยที่ไม่ดีในโค้ด 30% ต่อระบบมีการสะสมดอกเบี้ย และ 5% แสดงระดับความรุนแรงของหนี้ในระดับสูง นอกจากนี้ ผู้วิจัยยังวิเคราะห์ความสัมพันธ์ระหว่างตัววัดหนี้ทางเทคนิคที่เสนอกับตัววัดซอฟต์แวร์อื่น ๆ โดยใช้วิธีการตามมาตรฐาน IEEE Std 1061-1998 ผลการวิเคราะห์แสดงให้เห็นว่า ไม่มีตัววัดซอฟต์แวร์ใดที่มีความสัมพันธ์เพียงพอจะใช้แทนตัววัดหนี้ทางเทคนิคที่เสนอได้ จากผลการศึกษาทั้งหมดนี้ ผู้วิจัยเสนอแนวทางการบริหารจัดการหนี้ทางเทคนิค โดยใช้การวิเคราะห์ต้นทุนและผลตอบแทน และ การวิเคราะห์จุดแตกหัก เพื่อช่วยในการกำหนดกลยุทธ์ จัดลำดับความสำคัญ และเฝ้าสังเกตหนี้ทางเทคนิค

การพัฒนาแพลตฟอร์มปัญญาประดิษฐ์ที่อธิบายได้โดยใช้ Shap และ การเรียนรู้ของเครื่องผ่านกรณีตัวอย่างการทำนายโรคทางเดินอาหารจากข้อมูลไมโครไบโอมในลำไส้, พงศกร พงศ์สุทธิยากร

Chulalongkorn University Theses and Dissertations (Chula ETD)

ปัญญาประดิษฐ์มีบทบาทสำคัญในด้านวิทยาศาสตร์ชีวภาพ และ การแพทย์ โดยเฉพาะการวิเคราะห์ข้อมูลไมโครไบโอมในลำไส้ ซึ่งมีความสัมพันธ์กับโรคเรื้อรังหลายชนิด เช่น โรคลำไส้อักเสบเรื้อรัง โรคโครห์น และ มะเร็งลำไส้ใหญ่ แม้ว่าแบบจำลองการเรียนรู้ของเครื่องสามารถทำนายโรคได้อย่างแม่นยำจากข้อมูลเหล่านี้ แต่ข้อจำกัดด้านการตีความผลลัพธ์ โดยเฉพาะในแบบจำลองที่ซับซ้อน เช่น Random Forest และ Neural Networks ยังคงเป็นอุปสรรคต่อการใช้งานจริงในทางการแพทย์ งานวิจัยนี้เสนอการพัฒนาแพลตฟอร์มต้นแบบที่ผสานการทำงานของแบบจำลองการเรียนรู้ของเครื่องร่วมกับเทคนิค SHAP (SHapley Additive exPlanations) เพื่อแสดงเหตุผลประกอบการทำนายในระดับรายบุคคล ระบบถูกออกแบบให้รองรับการจัดการวงจรชีวิตของแบบจำลองอย่างเป็นระบบ ตั้งแต่การนำเข้า การเรียกใช้งาน ไปจนถึงการอัปเดตเวอร์ชัน โดยผู้ใช้งานสามารถเลือกแบบจำลองที่ผ่านการประเมินประสิทธิภาพ พร้อมแสดงค่าความน่าจะเป็น และ แผนภาพ SHAP ที่อธิบายฟีเจอร์สำคัญในการตัดสินใจของแบบจำลอง ระบบทั้งหมดพัฒนาภายใต้แนวคิดสถาปัตยกรรมไมโครเซอร์วิส และ รองรับการติดตั้งบน Kubernetes เพื่อความยืดหยุ่นในการดูแล และ ขยายในอนาคต แพลตฟอร์มนี้จึงเป็นแนวทางที่มีศักยภาพในการประยุกต์ใช้ AI อย่างโปร่งใสในงานด้านสุขภาพ และ สามารถต่อยอดไปยังโรคในกลุ่มอื่นได้ในระยะยาว

ปัจจัยที่มีอิทธิพลต่อการตัดสินใจลาออกของพนักงานไอทีในธนาคารแห่งหนึ่งในประเทศไทย, ฐิติวุฒิ สุวอ

Chulalongkorn University Theses and Dissertations (Chula ETD)

โครงงานนี้มีวัตถุประสงค์เพื่อศึกษาปัจจัยที่มีอิทธิพลต่อความตั้งใจลาออกของพนักงานไอทีในธนาคารแห่งหนึ่งของประเทศไทยซึ่งดำเนินงานภายใต้การพัฒนาซอฟต์แวร์แบบอไจล์ (Agile) โดยวิเคราะห์ 8 ปัจจัยหลัก ได้แก่ ความสมดุลชีวิตกับงาน (Work-Life Balance), ความสัมพันธ์ในที่ทำงานที่ไม่ดี (Poor Workplace Relationships), ความยืดหยุ่นในการทำงาน (Lack of Workplace Flexibility), ค่าตอบแทนที่ไม่ยุติธรรมต่อเนื้องาน (Unfair Compensation Relative to Work), การบังคับให้กลับมาทำงานในสถานที่ทำงาน (Forced Transition to On-site Work), พฤติกรรมไม่เหมาะสมของหัวหน้างาน (Supervisor Misconduct), ค่าตอบแทนที่ไม่เหมาะสมกับทักษะ (Inadequate Compensation Relative to Skill) และวัฒนธรรมองค์กรที่เป็นพิษ (Toxic Organizational Culture) โดยเก็บข้อมูลจากพนักงานไอทีจำนวน 52 คน ผ่านการตอบแบบสอบถาม และนำข้อมูลที่ได้มาวิเคราะห์ด้วยวิธีการทางสถิติ Cronbach’s Alpha, Kaiser-Meyer-Olkin (KMO), Factor Loading และ Multiple Regression Analysis ผลการวิเคราะห์พบว่ามีเพียงพฤติกรรมไม่เหมาะสมของหัวหน้าและค่าตอบแทนที่ไม่เหมาะสมกับทักษะที่มีนัยสำคัญทางสถิติที่ส่งผลต่อความตั้งใจลาออกของพนักงาน นอกจากนี้โครงงานยังได้พัฒนาแดชบอร์ดแบบโต้ตอบ (Interactive Dashboard) เพื่อช่วยให้ทีมทรัพยากรบุคคลสามารถนำผลลัพธ์ไปวิเคราะห์ต่อ ประเมินความเสี่ยงการลาออก และวางแผนเชิงกลยุทธ์การบริหารบุคลากร ภายใต้แวดล้อมการพัฒนาซอฟต์แวร์แบบอไจล์ (Agile) ได้อย่างมีประสิทธิผล

แบบจำลองเชิงรูปนัยของกระบวนการสร้างซอฟต์แวร์ในมาตรฐาน Iso/Iec29110 โดยใช้คัลเลอร์เพทริเน็ต, ณัฐภัทร พิชญ์ชยะนนท์

Chulalongkorn University Theses and Dissertations (Chula ETD)

ในองค์กรพัฒนาซอฟต์แวร์ขนาดเล็ก โดยเฉพาะกลุ่มที่ต้องการขอการรับรองตามมาตรฐาน ISO/IEC 29110 การทำความเข้าใจและจัดการกระบวนการพัฒนาซอฟต์แวร์เป็นภารกิจที่มีความท้าทาย เนื่องจากข้อจำกัดด้านทรัพยากรและระดับความพร้อมของกระบวนการ การประเมินความสอดคล้องตามมาตรฐานในรูปแบบที่มีโครงสร้างจึงยิ่งเพิ่มความซับซ้อนให้มากขึ้น งานวิจัยฉบับนี้มุ่งนำเสนอแนวทางการสร้างแบบจำลองด้วย Colored Petri Nets (CPN) เพื่อใช้ในการจำลองกระบวนการ Software Implementation (SI) ตามมาตรฐาน ISO/IEC 29110 โดยข้อมูลการประเมินจะถูกรวบรวมผ่านระบบเว็บแอปพลิเคชัน และแปลงให้อยู่ในรูปแบบโทเคนไฟล์ ซึ่งจะถูกจัดเก็บอัตโนมัติในเส้นทางที่กำหนดไว้สำหรับการประเมินผ่าน CPN IDE ภายหลังการประเมินจะมีการประมวลผลผลลัพธ์ผ่านระบบ Data Pipeline ที่พัฒนาไว้โดยเฉพาะ และจัดเก็บข้อมูลลงในฐานข้อมูลเพื่อให้ผู้ใช้งานสามารถเข้าถึงผลการประเมินผ่านเว็บอินเทอร์เฟซได้อย่างสะดวก แบบจำลองและเครื่องมือที่พัฒนาขึ้นช่วยให้สามารถวิเคราะห์และตรวจสอบความสอดคล้องของกระบวนการได้อย่างเป็นระบบ ส่งเสริมความโปร่งใส และสนับสนุนให้องค์กรขนาดเล็กสามารถเตรียมความพร้อมเข้าสู่กระบวนการขอการรับรองตามมาตรฐานได้อย่างมีประสิทธิภาพ แบบจำลอง CPN ที่ออกแบบไว้ยังสะท้อนถึงกิจกรรมหลัก สิ่งส่งมอบ และกฎการประเมินตามมาตรฐาน ซึ่งเป็นรากฐานสำคัญต่อการประเมินซ้ำและการปรับปรุงอย่างต่อเนื่อง

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

การพัฒนาระบบสำหรับประเมินทักษะตามความต้องการด้านทักษะเชิงอ่อน สำหรับสายอาชีพผู้ผลิตซอฟต์แวร์ของธุรกิจธนาคารในประเทศไทย, ปรานต์วาสน์ ศรีอนันต์

Chulalongkorn University Theses and Dissertations (Chula ETD)

ในยุคปัจจุบันสายอาชีพผู้พัฒนาซอฟต์แวร์มีบทบาทสำคัญในหลากหลายอุตสาหกรรม โดยเฉพาะภาคธุรกิจธนาคารที่ต้องอาศัยเทคโนโลยีซอฟต์แวร์ในการดำเนินงาน ความสามารถในสายงานนี้จึงไม่จำกัดเพียงทักษะทางเทคนิคเท่านั้น แต่ยังรวมถึงทักษะเชิงอ่อน (soft skills) เช่น ทักษะการสื่อสาร ทักษะการวิเคราะห์ ทักษะการแก้ปัญหา เป็นต้น อย่างไรก็ตาม พบว่าผู้พัฒนาซอฟต์แวร์จำนวนมากยังขาดการตระหนักรู้และการเตรียมความพร้อมในด้านทักษะเชิงอ่อน ส่งผลให้เกิดช่องว่างระหว่างทักษะที่มีและความต้องการขององค์กร โครงงานนี้มีวัตถุประสงค์เพื่อวิเคราะห์และจัดลำดับความสำคัญของทักษะเชิงอ่อนที่จำเป็นในสายอาชีพผู้พัฒนาซอฟต์แวร์ทั้งสิ้น 9 ทักษะ โดยเน้นในภาคธุรกิจธนาคาร ผ่านการรวบรวมและวิเคราะห์ข้อมูลจากการตอบแบบสำรวจความต้องการด้านทักษะเชิงอ่อนของหัวหน้างานจากธุรกิจธนาคารในประเทศไทยทั้งสิ้น 10 แห่ง ต่อตำแหน่งงาน 4 ตำแหน่ง ได้แก่ ตำแหน่งเจ้าของผลิตภัณฑ์ ตำแหน่งนักออกแบบส่วนต่อประสานผู้ใช้ ตำแหน่งนักพัฒนา และนักประกันคุณภาพ เพื่อให้ทราบทักษะเชิงอ่อนที่สำคัญและจำเป็นโดยตรงกับความคาดหวังของหัวหน้างานในสายการพัฒนาซอฟต์แวร์ เพื่อสนับสนุนการพัฒนาทักษะเชิงอ่อนในสายอาชีพผู้พัฒนาซอฟต์แวร์ในประเทศไทย โครงงานนี้ยังมีเป้าหมายในการพัฒนาซอฟต์แวร์ที่ใช้ในการประเมินทักษะเชิงอ่อนสำหรับผู้ที่สนใจเข้าสู่สายอาชีพนี้ ซอฟต์แวร์ดังกล่าวออกแบบให้เป็นเครื่องมือที่ช่วยให้ผู้ใช้งานสามารถประเมินทักษะเชิงอ่อนของตนเองเบื้องต้นได้ พร้อมทั้งเสนอคำแนะนำที่เหมาะสมกับระดับของผู้ประเมินสำหรับทั้ง 9 ทักษะเชิงอ่อน เพื่อช่วยให้ผู้ใช้งานสามารถเข้าใจถึงจุดแข็งและจุดที่ควรพัฒนาเพิ่มเติมเพื่อให้มีทักษะที่สอดคล้องกับความต้องการในอุตสาหกรรมซอฟต์แวร์ในภาคธุรกิจธนาคารได้