Engineering Commons^™

Machine Learning Assisted Optimization For Calculation And Automated Tuning Of Antennas, Lauren Linkous

Theses and Dissertations

The Antenna Calculation and Autotuning Tool (AntennaCAT) software suite represents a significant advancement in the field of antenna design by automating the entire design, CAD, simulation, and optimization process compatible with several EM simulation software suites. It is the first comprehensive implementation of machine learning in this context. In particular, this work includes the capability to create and export structured datasets from the aforementioned EM software for iterative improvement and includes an expandable selection of optimizers.

Evaluating Computational Reproducibility Of Jupyter Notebooks Using Machine Learning And Natural Language Processing, A S M Shahadat Hossain

Graduate Research Theses & Dissertations

In recent years, computational reproducibility, which refers to achieving consistent results upon rerunning an experiment, has become one of the major concerns of various research communities. Jupyter Notebook, as a web-based computational notebook application, offers useful features for running and publishing computational experiments through interactive environments. However, rerunning notebooks does not always reproduce the experimental results. This thesis aims to develop novel methods to evaluate reproducibility by comparing different types of outputs between original and rerun notebooks. It also explores the idea of using machine learning models to predict reproducibility of notebooks automatically without the need of rerunning them. Through …

Bidirectional In-Situ Analysis And Visualization Of Fluid Structure Interactions With Applications In Blood Flow, Nazariy Tishchenko

Graduate Research Theses & Dissertations

Interactive blood flow simulation has applications in the understanding of complex fluids,training medical professionals, diagnostics, and surgical procedure planning. Bidirectional in situ visualization and analysis are much needed to streamline the analysis of large-scale patient-specific blood flow simulations. The in situ component ensures the live visualization of the simulation results while the simulation is running, and the bidirectional component allows for real-time control and configuration of the simulation parameters (i.e., setting and retrieving the simulation parameters and data based on need). In this project, a highly accurate multiphysics simulation was instrumented to work with an existing bidirectional in situ framework. …

Autonomous Strike Uavs In Support Of Homeland Security Missions: Challenges And Preliminary Solutions, Meshari Aljohani, Ravi Mukkamala, Stephan Olariu

Computer Science Faculty Publications

Unmanned Aerial Vehicles (UAVs) are becoming crucial tools in modern homeland security applications, primarily because of their cost-effectiveness, risk reduction, and ability to perform a wider range of activities. This study focuses on the use of autonomous UAVs to conduct, as part of homeland security applications, strike missions against high-value terrorist targets. Owing to developments in ledger technology, smart contracts, and machine learning, activities formerly carried out by professionals or remotely flown UAVs are now feasible. Our study provides the first in-depth analysis of the challenges and preliminary solutions for the successful implementation of an autonomous UAV mission. Specifically, we …

Disentangling Cyclic Causality: An Instance-Based Framework For Causal Discovery, Chase A. Yakaboski

Dartmouth College Ph.D Dissertations

Correlation does not imply causation" is one of the fundamental principles taught in science, emphasizing that associations between variables do not necessarily indicate causality. Yet, over the past three decades, extensive research has begun to challenge this perspective by developing sophisticated methods to differentiate causal from correlative relationships. This research suggests that correlations often involve a blend of confounded and causal interactions, which, given certain assumptions, can be disentangled to uncover actionable insights and deepen our understanding of physical, biological, and societal systems.

Accurately discovering causal relationships from data amidst cyclic dynamics remains a challenging open problem in causality research. …

A Memory Efficient Deep Recurrent Q-Learning Approach For Autonomous Wildfire Surveillance, Jeremy A. Cantor

UNF Graduate Theses and Dissertations

Previous literature demonstrates that autonomous UAVs (unmanned aerial vehicles) have the po- tential to be utilized for wildfire surveillance. This advanced technology empowers firefighters by providing them with critical information, thereby facilitating more informed decision-making processes. This thesis applies deep Q-learning techniques to the problem of control policy design under the objective that the UAVs collectively identify the maximum number of locations that are under fire, assuming the UAVs can share their observations. The prohibitively large state space underlying the control policy motivates a neural network approximation, but prior work used only convolutional layers to extract spatial fire information from …

An Analysis Of Precision: Occlusion And Perspective Geometry’S Role In 6d Pose Estimation, Jeffrey Choate, Derek Worth, Scott Nykl, Clark N. Taylor, Brett J. Borghetti, Christine M. Schubert Kabban

Faculty Publications

Achieving precise 6 degrees of freedom (6D) pose estimation of rigid objects from color images is a critical challenge with wide-ranging applications in robotics and close-contact aircraft operations. This study investigates key techniques in the application of YOLOv5 object detection convolutional neural network (CNN) for 6D pose localization of aircraft using only color imagery. Traditional object detection labeling methods suffer from inaccuracies due to perspective geometry and being limited to visible key points. This research demonstrates that with precise labeling, a CNN can predict object features with near-pixel accuracy, effectively learning the distinct appearance of the object due to perspective …

Adversarial Transferability And Generalization In Robust Deep Learning, Tao Wu

Doctoral Dissertations

Despite its remarkable achievements across a multitude of benchmark tasks, deep learning (DL) models exhibit significant fragility to adversarial examples, i.e., subtle modifications applied to inputs during testing yet effective in misleading DL models. These meticulously crafted perturbations possess the remarkable property of transferability: an adversarial example that effectively fools one model often retains its effectiveness against another model, even if the two models were trained independently. This research delves into the characteristics influencing the transferability of adversarial examples from three distinct and complementary perspectives: data, model, and optimization. Firstly, from the data perspective, we propose a new method of …

Ethical Decision-Making In Older Drivers During Critical Driving Situations: An Online Experiment, Amandeep Singh, Sarah Yahoodik, Yovela Murzello, Samuel Petkac, Yusuke Yamani, Siby Samuel

Psychology Faculty Publications

The present study examined the impact of aging on ethical decision-making in simulated critical driving scenarios. 204 participants from North America, grouped into two age groups (18–30 years and 65 years and above), were asked to decide whether their simulated automated vehicle should stay in or change from the current lane in scenarios mimicking the Trolley Problem. Each participant viewed a video clip rendered by the driving simulator at Old Dominion University and pressed the space-bar if they decided to intervene in the control of the simulated automated vehicle in an online experiment. Bayesian hierarchical models were used to analyze …

An Enhanced Deep Autoencoder For Flight Delay Prediction, Desmond B. Bisandu, Dan Andrei Soviani-Sitoiu, Irene Moulitsas

Journal of Aviation/Aerospace Education & Research

Accurate and timely flight delay prediction cannot be overemphasized because of the ever-increasing demand for air travel and its importance in deploying intelligent transportation systems. Nonetheless, there has not been a universal solution to the problem, as more intelligent flight decision systems are required for the aviation industry's future growth. Existing flight delay classification and prediction approaches are mainly shallow traffic models and do not satisfy many applications in the real world. Our motivation to rethink the deep architecture model for predicting flight delays emanates from the problem. In this research, we proposed a technique that modified stacked autoencoder architecture …

Sub-Band Backdoor Attack In Remote Sensing Imagery, Kazi Aminul Islam, Hongyi Wu, Chunsheng Xin, Rui Ning, Liuwan Zhu, Jiang Li

Electrical & Computer Engineering Faculty Publications

Remote sensing datasets usually have a wide range of spatial and spectral resolutions. They provide unique advantages in surveillance systems, and many government organizations use remote sensing multispectral imagery to monitor security-critical infrastructures or targets. Artificial Intelligence (AI) has advanced rapidly in recent years and has been widely applied to remote image analysis, achieving state-of-the-art (SOTA) performance. However, AI models are vulnerable and can be easily deceived or poisoned. A malicious user may poison an AI model by creating a stealthy backdoor. A backdoored AI model performs well on clean data but behaves abnormally when a planted trigger appears in …

Using Feature Selection Enhancement To Evaluate Attack Detection In The Internet Of Things Environment, Khawlah Harahsheh, Rami Al-Naimat, Chung-Hao Chen

Electrical & Computer Engineering Faculty Publications

The rapid evolution of technology has given rise to a connected world where billions of devices interact seamlessly, forming what is known as the Internet of Things (IoT). While the IoT offers incredible convenience and efficiency, it presents a significant challenge to cybersecurity and is characterized by various power, capacity, and computational process limitations. Machine learning techniques, particularly those encompassing supervised classification techniques, offer a systematic approach to training models using labeled datasets. These techniques enable intrusion detection systems (IDSs) to discern patterns indicative of potential attacks amidst the vast amounts of IoT data. Our investigation delves into various aspects …

Adversarial Training Based Domain Adaptation Of Skin Cancer Images, Syed Qasim Gilani, Muhammad Umair, Maryam Naqvi, Oge Marques, Hee-Cheol Kim

Electrical & Computer Engineering Faculty Publications

Skin lesion datasets used in the research are highly imbalanced; Generative Adversarial Networks can generate synthetic skin lesion images to solve the class imbalance problem, but it can result in bias and domain shift. Domain shifts in skin lesion datasets can also occur if different instruments or imaging resolutions are used to capture skin lesion images. The deep learning models may not perform well in the presence of bias and domain shift in skin lesion datasets. This work presents a domain adaptation algorithm-based methodology for mitigating the effects of domain shift and bias in skin lesion datasets. Six experiments were …

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

การพัฒนาส่วนแบ็กเอนด์ของเว็บแอปพลิเคชันโดยใช้เฟรมเวิร์กโหนดเจเอสแบบอิงแบบจำลอง, วีรยุทธ กันภัย

Chulalongkorn University Theses and Dissertations (Chula ETD)

การพัฒนาซอฟต์แวร์แบบอิงแบบจำลอง ได้กลายเป็นแนวทางที่มีศักยภาพในการวิศวกรรมซอฟต์แวร์ ซึ่งใช้แบบจำลองเป็นองค์ประกอบหลักในการสนับสนุนการพัฒนาซอฟต์แวร์ รวมถึงการพัฒนาเว็บแอปพลิเคชัน งานวิจัยนี้นำเสนอการประยุกต์ใช้แนวคิดของการพัฒนาแบบอิงแบบจำลองกับการพัฒนาแบ็กเอนด์ด้วยโหนดเจเอสโดยเน้นทั้งกระบวนการวิศวกรรมไปข้างหน้า และวิศวกรรมย้อนกลับ โดยได้พัฒนายูเอ็มแอลโพรไฟล์สำหรับโหนดเจเอสที่รองรับทั้งฐานข้อมูลแบบซีเควลและโนซีเควลเพื่อใช้ในการสร้างแบบจำลองการออกแบบของเว็บแอปพลิเคชัน และมีเครื่องมือสำหรับการแปลงแบบจำลองเป็นโค้ดและโค้ดเป็นแบบจำลอง ผลการประเมินแนวทางที่นำเสนอผ่านกรณีศึกษา 3 กรณี พบว่ากระบวนการวิศวกรรมไปข้างหน้ามีผลของอัตราการแปลงแบบจำลองเป็นโค้ดที่สูง โดยเฉพาะในส่วนของ Model (86.18-94.53%) และ Route (70.73-90.52%) โดยมีประสิทธิภาพที่ดีสอดคล้องกันทั้งในกรณีของซีเควล (มายซีเควล) และ โนซีเควล (มองโกดีบี) ขณะที่กระบวนการวิศวกรรมย้อนกลับให้ผลลัพธ์ความถูกต้องของการแปลงโค้ดเป็นแบบจำลองถึง 100% สำหรับโค้ดแบ็กเอนด์ในแต่ละรูปแบบการพัฒนา การดำเนินการนี้ช่วยลดระยะเวลาในการพัฒนาโค้ดอย่างมีนัยสำคัญ พร้อมทั้งคงไว้ซึ่งเอกสารประกอบระบบผ่านการสร้างแบบจำลองโดยอัตโนมัติ ซึ่งเป็นแนวทางที่ใช้งานได้จริงสำหรับการพัฒนาและบำรุงรักษาแบ็กเอนด์ด้วยโหนดเจเอส

การค้นหาค่าสัมประสิทธ์การปล่อยก๊าซเรือนกระจกบนพื้นฐานแบบจำลองภาษาขนาดใหญ่, สุชานันท์ กระบวนยุทธ

Chulalongkorn University Theses and Dissertations (Chula ETD)

งานวิจัยนี้ดำเนินการเพื่อวิจัยแบบจำลองภาษาขนาดใหญ่และเทคนิคต่างๆ ที่ช่วยเพิ่มศักยภาพของโมเดลเหล่านี้ รวมถึงวิศวกรรมที่รวดเร็วและการขยายความรู้เฉพาะ การศึกษานี้เกี่ยวข้องกับการออกแบบและพัฒนา AI agent เพื่อส่งคืนค่าสัมประสิทธ์ปล่อยก๊าซเรือนกระจกโดยอ้างอิงจากฐานข้อมูลที่ดูแลโดยองค์การบริหารก๊าซเรือนกระจก (องค์การมหาชน) ของประเทศไทย งานวิจัยนี้จะใช้ RAG เพื่อค้นหาข้อมูลที่ถูกจัดเก็บไว้ซึ่งมีความคล้ายคลึงกันมากที่สุดกับข้อมูลรับเข้า จากนั้น AI Agent จะส่งคืนค่าคำตอบเพียงคำตอบเดียวเดียวของค่าสัมประสิทธิ์การปล่อยก๊าซเรือนกระจกที่เกี่ยวข้องกับกิจกรรมที่รับเข้ามา จากการประเมินประสิทธิภาพของ LLM ขนาดกลางและขนาดใหญ่ที่ถูกเลือกทั้งห้าแบบจำลองนั้นมีแนวโน้มที่ดี

การอัตโนมัติกระแสงานของระบบการจัดการเนื้อหาด้วยพาวเวอร์ออโตเมต, อภิญญา แขนสูงเนิน

Chulalongkorn University Theses and Dissertations (Chula ETD)

งานวิจัยนี้นำเสนอการพัฒนาระบบอัตโนมัติกระแสงานของระบบจัดการเนื้อหา หรือ ซีเอ็มเอส โดยใช้ ไมโครซอฟต์ พาวเวอร์ ออโตเมต และ เอไอ บิวเดอร์ บูรณาการกับ สตราพี ซีเอ็มเอส และ แชร์พอยต์ เพื่อเพิ่มประสิทธิภาพ ลดความผิดพลาดจากการดำเนินงานด้วยมือ และยกระดับความคล่องตัวในองค์กร กระแสงานที่พัฒนาแชร์พอยต์ประกอบด้วยการบูรณาการเว็บฮุก ของ สตราพี ซีเอ็มเอส เพื่อเริ่มต้นกระบวนการอัตโนมัติ การตรวจสอบความถูกต้องของเนื้อหาด้วยเอไอ บิวเดอร์ การบันทึกข้อมูลเหตุการณ์และข้อผิดพลาดในแชร์พอยต์ อีกทั้งการแจ้งเตือนผ่านไมโครซอฟท์ ทีม นอกจากนี้ ยังมีการใช้ จีพีที 4.0 สำหรับการวิเคราะห์บันทึกข้อผิดพลาด เพื่อเสนอแนวทางแก้ไขและปรับปรุงกระบวนการ ผลการทดลองในธนาคารพาณิชย์ไทยแห่งหนึ่งแสดงให้เห็นว่าสามารถลดระยะเวลาในการจัดการเนื้อหาได้ร้อยละ 87.5 และลดข้อผิดพลาดจากการป้อนข้อมูลได้ร้อยละ 80 เมื่อเทียบกับการทำงานแบบเดิมด้วยมนุษย์ งานวิจัยนี้ได้เน้นให้เห็นถึงศักยภาพของการใช้เทคโนโลยีดิจิทัลที่นำไปสู่โซลูชันการอัตโนมัติระบบการจัดการเนื้อหาที่เป็นรูปธรรม

Zero-Shot Adaptation Of Molecular Generative Adversarial Network For Specific Protein Targets, Ravipas Aphikulvanich

Chulalongkorn University Theses and Dissertations (Chula ETD)

Drug discovery, crucial for identifying new potential drug candidates to treat diseases and improve health, is increasingly enhanced by deep learning approaches such as molecular generation models. However, creating drug candidates with desired properties, such as the quantitative estimate of drug-likeness (QED), synthetic accessibility (SA), and binding affinity (BA), remains a significant challenge, especially when training generative models for specific protein targets with limited pharmaceutical data. Addressing these challenges, this thesis presents Mol-Zero-GAN, a novel framework designed to generate drug candidates tailored to specific protein targets without additional data by employing zero-shot adaptation techniques and Bayesian optimization (BO). By fine-tuning …

การใช้เหมืองกระบวนการข้อมูลแบบหลายชั้นสำหรับเพื่อวิเคราะห์วิถีการรักษาพยาบาลของผู้ป่วยโรคเบาหวาน, Kantapat Chaichareenon

Chulalongkorn University Theses and Dissertations (Chula ETD)

This study addresses the challenge of chronic diseases like diabetes, requiring ongoing care. It aims to visualize revisit intervals affecting patient treatment using multi-level process mining and machine learning to identify factors causing missed appointments. Our research shows that patients with improvements have shorter revisit intervals than those deteriorating, with a P-value of 3.83x10%. A significant challenge is the high number of no-shows. Using PyCaret to compare 14 models, we found that the historical attendance of individual patients is a crucial factor in predicting no-shows, with an AUC score of 0.80 using the Gradient Boosting Clas-sifier. Our analysis suggests that …

การออกแบบและพัฒนาบริการด้านความมั่นคงโดยใช้วิธีปฏิบัติด้านความมั่นคง ของระบบแบบไมโครเซอร์วิส, สฤษฐิ์ราช ทรัพย์สิน

Chulalongkorn University Theses and Dissertations (Chula ETD)

วิทยานิพนธ์นี้มีวัตถุประสงค์เพื่อนำเสนอการออกแบบและพัฒนาไมโครเซอร์วิสด้านความมั่นคง โดยการประยุกต์ใช้แบบรูปความมั่นคง แบบรูปไมโครเซอร์วิส และวิธีปฏิบัติด้านความมั่นคงของระบบแบบ ไมโครเซอร์วิส โดยเริ่มจากการศึกษาแบบรูปความมั่นคง 5 รายการ ได้แก่ แบบรูปการออกแบบและใช้รหัสผ่าน แบบรูปการให้อำนาจ แบบรูปการควบคุมการเข้าถึงเชิงบทบาท แบบรูปการกำหนดสิทธิ์ให้กับบทบาท และแบบรูปความมั่นคงหลายระดับ เพื่อนำมากำหนดเป็นรายการความต้องการของระบบสำหรับการออกแบบและพัฒนาไมโครเซอร์วิสด้านความมั่นคง ร่วมกับการประยุกต์ใช้แบบรูปไมโครเซอร์วิสและวิธีปฏิบัติ ด้านความมั่นคงของระบบแบบไมโครเซอร์วิส 28 รายการ ผู้วิจัยได้ทำการออกแบบสถาปัตยกรรมระบบของไมโครเซอร์วิสด้านความมั่นคง ออกแบบแผนภาพคลาสและความสัมพันธ์ระหว่างคลาส ออกแบบแผนภาพลำดับแสดงการทำงานร่วมกันของระบบไมโครเซอร์วิสด้านความมั่นคง จากนั้นทำการพัฒนาไมโครเซอร์วิสด้านความมั่นคงตามการออกแบบ และประยุกต์ใช้ ไมโครเซอร์วิสด้านความมั่นคงกับระบบผู้ป่วยนอกของโรงพยาบาล อีกทั้งได้ตรวจสอบความถูกต้อง ความเหมาะสม และคุณภาพของการออกแบบและพัฒนา ด้วยการประเมินการออกแบบและพัฒนา ไมโครเซอร์วิสด้านความมั่นคงโดยผู้เชี่ยวชาญ รวมถึงการวิเคราะห์แบบรูปที่ไม่ดีของการออกแบบระบบแบบไมโครเซอร์วิส ซึ่งระบบที่พัฒนาสามารถนำไปประยุกต์ใช้กับแอปพลิเคชันโดเมนที่ต้องการจัดการความมั่นคงของระบบ ซึ่งมีประโยชน์คือช่วยลดเวลาในการพัฒนา และเป็นการสนับสนุนการใช้ซ้ำไมโครเซอร์วิสด้านความมั่นคงที่พัฒนาขึ้น

Affinity-Based Multi-Character Storyboard Generation Using Rewrite Rules, Ram Sukkirtkijpibul

Chulalongkorn University Theses and Dissertations (Chula ETD)

A game story contains interactions between characters as well as the game world. Certain genres of games such as Visual Novels and Role-Playing Games rely on their stories to attract players. There were several proposed algorithms for story generation. They focused mainly on story generation for one main character. To our knowledge, there has not been a generator with support for multiple main characters, where each main character has their own storyline that could overlap with other main characters’ stories. With multiple main characters, players can see the game world through different viewpoints, thus getting more immersed into the game's …

Scene Cut Detection In Short Videos Using Pre-Processing Techniques And Convolutional Neural Networks, Nina Lawankowit

Chulalongkorn University Theses and Dissertations (Chula ETD)

This study presents a comprehensive approach to scene cut detection in videos using a combination of frame extraction and a Convolutional Neural Network (VGG16 model) with a Color Histogram method to prevent raw video file reconstruction. The main dataset contains 167,490 frames collected from various users on TikTok for the scene cut detection model development. However, since this research utilizes a modular design that consists of data preparation, data pre-processing, and model implementation stages, it promotes efficient use of resources and guarantees data safety. The results demonstrate that the model performs excellently in recognizing scene cuts. Specifically, video frames with …

การแปลงแผนภาพเครื่องสถานะเชิงพร้อมกันให้เป็นนูเอ็สเอ็มวี, นนทวิชญ์ มากจันทร์

Chulalongkorn University Theses and Dissertations (Chula ETD)

ระบบเชิงพร้อมกันเป็นระบบที่มีมากกว่าหนึ่งสายโยงใยซึ่งสามารถสลับกันทำงานระหว่างสายโยงใยโดยที่ไม่ต้องรอให้กระบวนการในสายโยงใยใดกระบวนการหนึ่งให้เสร็จสมบูรณ์ ซึ่งระบบเชิงพร้อมกันมักพบในระบบที่มีความซับซ้อน มีหลายงานที่ต้องดำเนินการและสายโยงใยที่ดำเนินงานนั้นอาจมีปฏิสัมพันธ์กัน เช่น เข้าถึงหน่วยความจำเดียวกัน เป็นต้น หนึ่งในวิธีที่สามารถอธิบายระบบเชิงพร้อมกันคือการใช้แผนภาพเครื่องสถานะซึ่งเป็นแผนภาพตามมาตรฐานยูเอ็มแอลรุ่น 2.5 แต่เนื่องจากแผนภาพเครื่องสถานะของระบบเชิงพร้อมกันไม่สามารถนำมาใช้ในการทวนสอบได้ เนื่องจากพฤติกรรมของระบบเชิงพร้อมกันมีรูปแบบเชิงไม่กำหนด งานวิจัยจึงเล็งเห็นประโยชน์ในการพัฒนาเครื่องมือแปลงแผนภาพเครื่องสถานะเป็นโค้ดนูเอ็สเอ็มวี ซึ่งเป็นการแปลงแผนภาพเครื่องสถานะของระบบเชิงพร้อมกันให้อยู่ในรูปของแบบจำลองเชิงรูปนัยให้สามารถทำการทวนสอบได้ โดยเปรียบเทียบและวิเคราะห์ระหว่างองค์ประกอบของแผนภาพเครื่องสถานะของระบบเชิงพร้อมกันตามมาตรฐานยูเอ็มแอลรุ่น 2.5 กับองค์ประกอบของนูเอ็สเอ็มวี แล้วนิยามกฏการแปลงแผนภาพเครื่องสถานะของระบบเชิงพร้อมกันให้เป็นนูเอ็สเอ็มวีเพื่อใช้ในการพัฒนาเครื่องมือการแปลง จากนั้นจึงพัฒนาเครื่องมือการแปลง สร้างแบบจำลองซึ่งเป็นกรณีศึกษาของระบบเชิงพร้อมกันที่อยู่ในรูปของแผนภาพเครื่องสถานะ สร้างข้อกำหนดเชิงรูปนัยที่ใช้ในการทวนสอบกรณีศึกษา และนำเครื่องมือการแปลงมาใช้ในการแปลงแบบจำลองกรณีศึกษาให้เป็นแบบจำลองเชิงรูปนัยนูเอ็สเอ็มวี แล้วทำการทวนสอบด้วยข้อกำหนดเชิงรูปนัยบนนูเอ็มเอ็มวี กระบวนการวิจัยและพัฒนาทั้งหมดที่กล่าวมาพบว่าผู้วิจัยสามารถแปลงแบบจำลองในรูปของแผนภาพเครื่องสถานะให้ป็นแบบจำลองเชิงรูปนัยและเห็นพฤติกรรมของการทำงานของระบบเชิงพร้อมกัน รวมถึงทวนสอบพฤติกรรมของระบบและได้ผลลัพธ์จากการทวนสอบที่เป็นไปตามข้อกำหนดเชิงรูปนัย

การสร้างแอนิเมชัน 3 มิติ ของใบหน้าขณะพูดภาษาไทยสําหรับใช้ในการพัฒนาเกม, ภัทรานิษฐ์ มุสิกะประยูร

Chulalongkorn University Theses and Dissertations (Chula ETD)

โครงงานมหาบัณฑิตนี้จึงเสนอวิธีการสร้างแอนิเมชัน 3 มิติ ของใบหน้าขณะพูดภาษาไทยสำหรับใช้ในการพัฒนาเกม ในการสร้างแบบจำลองเพื่อทำนายการเคลื่อนไหวของใบหน้าขณะพูดภาษาไทย ได้ใช้ชุดข้อมูลออดิโอวิชวล TSynC-3miti: Audiovisual Speech Synthesis Database from Found Data ร่วมกับแนวคิดจาก งานวิจัย A Decision Tree Framework for Spatiotemporal Sequence Prediction ที่ได้เสนอวิธีการสำหรับการทำนายลำดับข้อมูลที่มีจำนวนมิติสูงและต่อเนื่อง โดยใช้เทคนิคการแบ่งย่อยด้วยหน้าต่างเลื่อนร่วมกับวิธีการรวมกลุ่มของต้นไม้ตัดสินใจ ซึ่งสามารถนำมาประยุกต์ใช้ในการสร้างแอนิเมชันสำหรับการพูดได้ ในการทำนายการเคลื่อนไหวของใบหน้าขณะพูดภาษาไทยในโครงงานมหาบัณฑิตนี้ จะใช้ข้อมูลนำเข้าเป็นลำดับของสัญลักษณ์โฟเนติก จากจึงต้องมีการเตรียมชุดข้อมูลใหม่จากชุดข้อมูลออิดิโอวิชวล TSynC-3miti จากนั้นนำชุดข้อมูลไปฝึกสอนโมเดล และพัฒนาเครื่องมือที่ใช้ในการสร้างแอนิเมชัน โดยเป็นรูปแบบของส่วนเสริมสำหรับใช้ในเกมเอนจิน Unreal Engine โดยรับอินพุตเป็นข้อความภาษาไทย และจะได้ค่าการเคลื่อนไหวใบหน้ามาอ้างอิงบนใบหน้าของตัวละครในแต่ละช่วงเวลา ผลลัพธ์ของการทำงานของส่วนเสริมนี้จะได้เป็นแอนิเมชัน 3 มิติของโมเดลตัวละคร MetaHuman ที่สามารถพูดภาษาไทยได้อย่างสมจริง โดยผลการทดสอบพบว่าแอนิเมชันมีความสมจริงจากมุมมองทั้งหน้าตรงและหน้าเอียง โดยมุมมองหน้าเอียงดูสมจริงมากกว่า และการออกเสียงแต่ละโฟเนติกมีความสมจริงเช่นกัน

การปรับปรุงประสิทธิภาพและยกระดับระบบบริการทางการเงินผ่านการบูรณาการ Olap และ Oltp, ชนม์ชนก วงศ์อภัย

Chulalongkorn University Theses and Dissertations (Chula ETD)

ระบบการเงินในปัจจุบันต้องเผชิญกับการจัดการข้อมูลจำนวนมากในแต่ละวัน เช่น การสั่งซื้อสินค้า การชำระเงิน และการเติมเงินเข้าสู่ระบบ ซึ่งต้องดำเนินการด้วยความรวดเร็วและความถูกต้องแม่นยำ ระบบดั้งเดิมที่ใช้ฐานข้อมูลประเภท OLTP ได้รับการออกแบบมาเพื่อรองรับการประมวลผลธุรกรรมแบบเรียลไทม์ แต่เมื่อปริมาณข้อมูลเพิ่มมากขึ้น ระบบเริ่มประสบกับข้อจำกัดในด้านประสิทธิภาพ การใช้ทรัพยากรสูง และความซับซ้อนในการตรวจสอบข้อมูล โดยเฉพาะอย่างยิ่งเมื่อต้องรองรับการทำงานพร้อมกันของหลายบริการ ทำให้ระบบต้องรับภาระที่มากขึ้นและส่งผลให้เกิดความล่าช้าในการเรียกดูข้อมูล โครงการนี้จึงมุ่งเน้นการออกแบบและพัฒนาระบบใหม่ที่ผสานความสามารถในการวิเคราะห์ข้อมูลเชิงลึกเข้ากับการประมวลผลธุรกรรมแบบเรียลไทม์ เพื่อลดข้อจำกัดด้านประสิทธิภาพและปรับปรุงการจัดการข้อมูลขนาดใหญ่ ระบบที่ออกแบบใหม่นี้จะช่วยเพิ่มศักยภาพในการวิเคราะห์ข้อมูลที่ซับซ้อน ช่วยให้การจัดทำรายงานและการตรวจสอบธุรกรรมเป็นไปอย่างมีประสิทธิภาพและรวดเร็ว โดยระบบสามารถดึงข้อมูลเชิงลึกเพื่อใช้ในการวิเคราะห์และการตัดสินใจได้อย่างแม่นยำ แนวทางการบูรณาการระหว่างการประมวลผลแบบ OLTP และการจัดการข้อมูลแบบ OLAP ที่นำเสนอในโครงการนี้ ไม่เพียงแต่ช่วยลดภาระการทำงานของฐานข้อมูล แต่ยังทำให้การวิเคราะห์ข้อมูลที่มีความซับซ้อนสูงสามารถทำได้อย่างรวดเร็วและมีประสิทธิภาพมากยิ่งขึ้น นอกจากนี้ โครงการยังได้พัฒนาแอปพลิเคชันสำหรับการเรียกดูข้อมูลโดยอิงจากแบบจำลองข้อมูล (Data Model) ซึ่งช่วยให้ผู้ใช้งานสามารถจัดการและวิเคราะห์ข้อมูลได้เองผ่านส่วนต่อประสานที่ใช้งานง่าย ไม่จำเป็นต้องมีความเชี่ยวชาญด้านฐานข้อมูล แอปพลิเคชันนี้ช่วยให้ผู้ใช้สามารถมองเห็นภาพรวมของข้อมูล เลือกวิเคราะห์ในเชิงลึก และสร้างรายงานได้อย่างคล่องตัว จากการศึกษาและทดลองพบว่าการใช้งานฐานข้อมูลประเภท OLAP ร่วมกับ OLTP ช่วยเพิ่มความสามารถในการเรียกดูข้อมูลที่มีปริมาณมากและซับซ้อนได้อย่างรวดเร็วมากขึ้นโดยที่ไม่จำเป็นต้องเปลี่ยนแปลงโครงสร้างของฐานข้อมูลดังเดิมที่เป็นประเภท OLTP ดังนั้นโครงการนี้จึงสามารถแก้ไขปัญหาที่พบในระบบเดิม ด้วยระบบที่สามารถดึงข้อมูลขนาดใหญ่ได้อย่างรวดเร็วและมีประสิทธิภาพสูง พร้อมแอปพลิเคชันที่ช่วยให้ผู้ใช้งานสามารถวิเคราะห์ข้อมูลได้ด้วยตนเอง เพิ่มขีดความสามารถในการตัดสินใจเชิงกลยุทธ์ ตอบสนองต่อความต้องการทางธุรกิจได้อย่างแม่นยำและคล่องตัว

การพัฒนาระบบสำหรับการวิเคราะห์ความต้องการด้านความสามารถของผู้จัดการโครงการซอฟต์แวร์ในประเทศไทยตามกรอบงานพัฒนาความสามารถด้านการจัดการโครงการ, ธัญญา ธารากุล

Chulalongkorn University Theses and Dissertations (Chula ETD)

อาชีพการบริหารโครงการในประเทศไทยได้รับความสนใจอย่างมาก โดยมีบุคคลจำนวนมากที่ประกอบอาชีพนี้อยู่ในปัจจุบันและอีกหลายคนที่ต้องการเข้ามาทำงานในสายอาชีพนี้ ความท้าทายหลักที่บุคลากรเหล่านี้พบคือการขาดแหล่งข้อมูลที่สามารถให้ความรู้เกี่ยวกับเส้นทางการเติบโตในอาชีพ โดยเฉพาะอย่างยิ่งในด้านทักษะและความสามารถที่จำเป็นต่อความสำเร็จในการทำงาน งานวิจัยนี้มุ่งเน้นแก้ไขปัญหาดังกล่าวโดยใช้กรอบการพัฒนาความสามารถของผู้จัดการโครงการ หรือ เฟรมเวิร์กพีเอ็มซีดี (Project Manager Competency Development Framework หรือ PMCD Framework) ซึ่งได้รับการสนับสนุนจากสถาบันการจัดการโครงการ หรือ PMI ที่แบ่งความสามารถออกเป็น 3 ด้าน ได้แก่ ความสามารถเชิงความรู้ (Knowledge Competence) ความสามารถเชิงปฏิบัติการ (Performance Competence) และความสามารถทางบุคลากร (Personal Competence) โครงงานนี้มีวัตถุประสงค์เพื่อพัฒนาเว็บแอปพลิเคชันที่ช่วยให้ผู้ที่สนใจในสายอาชีพผู้จัดการโครงการสามารถค้นคืนความสามารถที่เป็นที่ต้องการในตลาดงานของประเทศไทยในเอกสารรับสมัครงานได้ โดยใช้คำค้นสารสนเทศที่อ้างอิงมาจากพีเอ็มซีดีและพจนานุกรมของกูเกิล และนำผลลัพธ์ที่ได้มาทำการวิเคราะห์ว่าความสามารถใดเป็นที่ต้องการของผู้จ้างงาน ผลลัพธ์ที่ได้จากการวิเคราะห์ข้อมูลนี้จะทำให้ทราบถึงความต้องการด้านความสามารถของผู้จัดการโครงการซอฟต์แวร์ในประเทศไทย ได้ให้ข้อมูลเกี่ยวกับความสามารถที่สำคัญและจำเป็นต่อสายอาชีพผู้จัดการโครงการ ซึ่งจะช่วยให้ผู้ที่ประกอบอาชีพการจัดการโครงการและผู้ที่มีความสนใจจะเข้ามาประกอบอาชีพในสายงานนี้ได้มีแนวทางที่ชัดเจนในการพัฒนาตนเองต่อไปอย่างถูกต้องและสอดคล้องกับความต้องการของตลาดแรงงานได้อย่างมีประสิทธิภาพ

Improved Sequence Embeddings For Peptide-Class I Mhc Binding Prediction, Patiphan Wongklaew

Chulalongkorn University Theses and Dissertations (Chula ETD)

The binding of a peptide antigen to a class I major histocompatibility complex (MHC) protein is considered an essential process by which the immune system monitors infected cells. This mechanism has facilitated the development of peptide-based vaccines aimed at stimulating the patient's immune response for cancer treat-ment. Accurate prediction of peptide-MHC binding is therefore crucial for prioritizing optimal peptides tailored to individual patients. Nevertheless, many MHC alleles lack sufficient experimental data on peptide-MHC binding, which potentially constrains the accuracy of existing prediction models. This study introduces an enhanced iteration of MHCSeqNet, an open-source deep learning model which utilizes sequence data …

Improving Thai-Dialect Automatic Speech Recognition With Curriculum Learning, Artit Suwanbandit

Chulalongkorn University Theses and Dissertations (Chula ETD)

Automatic Speech Recognition (ASR) has been the foremost feature and integrated in many real-world usages for decades. The novel deep learning approaches prevail in the ASR field as a model architecture. However, ASR still struggles with low-resource data, especially in the Thai dialectal language. Transfer learning is the conventional approach in the machine learning field for escalating the performance of low-resource settings. In the scenario that additional fine-tuning tasks are not achievable, exerting all efficiency of target data is an accountability. To overcome stagnation, we proposed transfer-based curriculum learning for low-resource dialectal ASR, Phonemetically-induced subword Out-of-vocabulary rate (PhIS-OOV), and Model …

Grammatical Error Correction In Thai Sentences For Deaf Students, Supachan Traitruengsakul

Chulalongkorn University Theses and Dissertations (Chula ETD)

Deaf students encounter challenges in written communication due to errors such as insertion, deletion, disorder, misusage, and misspellings. Grammatical error correction (GEC) technology can help mitigate these issues. However, existing GEC models are primarily trained on online resources from second-language hearing learners. In contrast, sentences written by deaf students suffer from a variety of errors not typically found elsewhere. To address this issue, we create the Thai Deaf Corpus (TDC), focusing on identifying and analyzing errors among deaf students in grades 7-12 across four deaf schools. Additionally, we introduce a two-stage system for the Thai-GEC model, automatically detecting and correcting …

การสร้างเทสต์สคริปต์ของโรบอทเฟรมเวิร์คจากยูสเซอร์สตอรีและซีนาริโอ สำหรับการทดสอบเว็บแอปพลิเคชัน, กฤชวัฒน์ เวชสาร

Chulalongkorn University Theses and Dissertations (Chula ETD)

กระบวนการพัฒนาซอฟต์แวร์ด้วยสกรัมเฟรมเวิร์กและแนวคิดบีเฮฟเวียร์ดริเวนดีเวลลอปเมนต์ (BDD) เป็นกระบวนการที่ได้รับความนิยมในปัจจุบัน โดยความต้องการของผู้ใช้จะถูกเก็บรวบรวมและถ่ายทอดผ่านยูสเซอร์สตอรีและซีนาริโอ ซึ่งทำหน้าที่เป็นทั้งตัวอย่างและเกณฑ์การยอมรับ การแบ่งการพัฒนาออกเป็นช่วงเล็ก ๆ ช่วยลดเวลาและต้นทุนในการพัฒนา อย่างไรก็ตาม กระบวนการที่มีการพัฒนาเป็นช่วงสั้น ๆ อย่างต่อเนื่องนี้สร้างความท้าทายสำหรับการทดสอบ โดยเฉพาะการทดสอบเชิงถดถอย แม้ว่าการทดสอบแบบอัตโนมัติจะถูกนำมาใช้เพื่อลดภาระ แต่การเขียนเทสต์สคริปต์ด้วยตนเองยังคงมีความเสี่ยงที่จะเกิดข้อผิดพลาดและขาดประสิทธิภาพ ส่งผลให้การทดสอบเชิงถดถอยที่สำคัญมักถูกเลื่อนออกไปจนไม่สามารถตรวจพบข้อผิดพลาดได้ทันการณ์ งานวิจัยนี้นำเสนอแนวทางการแก้ปัญหาด้วยการสร้างเทสต์สคริปต์สำหรับโรบอทเฟรมเวิร์กโดยอัตโนมัติจากยูสเซอร์สตอรีและซีนาริโอ โดยใช้ XML เพื่อกำหนดโครงสร้างส่วนต่อประสานผู้ใช้ของหน้าเว็บ ช่วยให้สามารถจัดเตรียมเทสต์สคริปต์ได้ตั้งแต่ขั้นตอนการออกแบบ นอกจากตัวอย่างในซีนาริโอแล้ว ยังใช้ XML Schema Definition (XSD) เพื่อสร้างชุดข้อมูลสำหรับการทดสอบเพิ่มเติมโดยอัตโนมัติ การพารามิเตอร์ไรซ์เทสต์สคริปต์ช่วยรวบรวมกรณีทดสอบที่มีขั้นตอนร่วมกัน แต่ใช้ชุดข้อมูลต่างกันไว้ในสคริปต์เดียวกัน ซึ่งช่วยลดความซับซ้อนและภาระในการบำรุงรักษา เครื่องมือที่พัฒนาขึ้นตามแนวทางนี้สามารถลดความยุ่งยากในการจัดการเทสต์สคริปต์และเพิ่มประสิทธิภาพในการทดสอบเชิงถดถอยได้อย่างมีนัยสำคัญ และช่วยสนับสนุนการตรวจพบข้อผิดพลาดตั้งแต่ช่วงแรกของกระบวนการพัฒนา