Open Access. Powered by Scholars. Published by Universities.®

Computer Engineering Commons™

Open Access. Powered by Scholars. Published by Universities.®

Computer Sciences

Institution
Keyword
Publication Year
Publication
Publication Type
File Type

Articles 1171 - 1200 of 13035

Full-Text Articles in Computer Engineering

Ml-Assisted Side Channel Security Approaches For Hardware Trojan Detection And Puf Modeling Attacks, Niraj Prasad Bhatta Jan 2024

Ml-Assisted Side Channel Security Approaches For Hardware Trojan Detection And Puf Modeling Attacks, Niraj Prasad Bhatta

Browse all Theses and Dissertations

Hardware components are becoming prone to threats with increasing technological advances. Malicious modifications to such components are increasing and are known as hardware Trojans. Traditional approaches rely on functional assessments and are not sufficient to detect such malicious actions of Trojans. Machine learning (ML) assisted techniques play a vital role in the overall detection and improvement of Trojan. Our novel approach using various ML models brings an improvement in hardware Trojan identification with power signal side channel analysis. This study brings a paradigm shift in the improvement of Trojan detection in integrated circuits (ICs). In addition to this, our further …

Go to article

Multi-Semantic-Stage Neural Networks For Robust And Interpretable Deep Learning, Christopher J. Menart Jan 2024

Multi-Semantic-Stage Neural Networks For Robust And Interpretable Deep Learning, Christopher J. Menart

Browse all Theses and Dissertations

Deep neural networks have great representational power. However, most deep neural nets today optimize directly for performance on a single task defined only by labeled training data. This excludes potential sources of knowledge and ways of learning which could improve their performance, and address challenges, such as explainability, which are pressing to the field. We propose a framework for neural network architecture which generalizes it to a graph of many semantically-meaningful variables. We call it the Multi-Semantic-Stage Neural Network (MSSNN). An MSSNN models its domain as a web of conditional probabilities, i.e. a collection of inter-related tasks which can learn …

Go to article

Pneumonia Detection With Limited And Imbalanced Data Using Energy-Based Out-Of-Distribution Technique, Jasbin Karki Jan 2024

Pneumonia Detection With Limited And Imbalanced Data Using Energy-Based Out-Of-Distribution Technique, Jasbin Karki

Browse all Theses and Dissertations

The automated detection of pneumonia through chest X-ray presents a critical challenge in medical diagnostics, particularly due to the restrictions of limited and imbalanced chest X-ray data for training AI models. Traditional methods that depend on softmax confidence scores can be overconfident even when generating erroneous outputs especially when they are processing completely new inputs, leading to unreliable diagnostic results. This research addresses challenges in AI models which aim to develop a robust pneumonia detection system using an Energy-Based Out-of-Distribution (OOD) technique that can work effectively even with limited and imbalanced data. The study focused on creating a more reliable …

Go to article

Test-Time Backdoor Attack Using Universal Perturbation, Jesse Alexander Smith Jan 2024

Test-Time Backdoor Attack Using Universal Perturbation, Jesse Alexander Smith

Browse all Theses and Dissertations

The rapid growth and widespread reliance on machine learning (ML) systems across critical applications such as healthcare, autonomous driving, and cybersecurity have un- derscored their transformative potential and heightened their susceptibility to adversarial attacks and vulnerabilities. This thesis investigates vulnerabilities in ML models, focusing on backdoor attacks, including naive backdoor attack, feature collision backdoor attack, hidden trigger backdoor attack, and test-time backdoor attack using universal perturbation technique. These methodologies demonstrate how adversaries can automate and conceal malicious behaviors to achieve specific objectives, posing significant challenges to ML model integrity and trustworthiness. The research provides a comprehensive analysis of the theoretical …

Go to article

Semantics-Aware Text-Guided Aerial Image Synthesis By Feature Augmented Diffusion Models, Douglas J. Townsell Jan 2024

Semantics-Aware Text-Guided Aerial Image Synthesis By Feature Augmented Diffusion Models, Douglas J. Townsell

Browse all Theses and Dissertations

Aerial imagery provides crucial insights for various fields, including remote monitoring, environmental assessment, and autonomous navigation. However, the availability of aerial image datasets is limited due to privacy concerns and imbalanced data distribution, impeding the development of robust deep learning models. While recent text-guided generative models have shown promise in synthesizing high-quality images, they fall short in handling the unique challenges of aerial imagery, including densely packed objects, intricate spatial relationships, and the absence of paired text-aerial image datasets. To tackle these limitations, we propose STARS, a groundbreaking framework for Semantic-aware Text-guided Aerial image Refinement and Synthesis. STARS introduces a …

Go to article

Graph-Centric Bot Detection: Addressing Extreme Data Imbalances, Heterophily, And Scarcity, Bradley T. Ashmore Jan 2024

Graph-Centric Bot Detection: Addressing Extreme Data Imbalances, Heterophily, And Scarcity, Bradley T. Ashmore

Browse all Theses and Dissertations

The digital landscape is ever-evolving. In recent years the amount of bot traffic, traffic generated by autonomous applications over the internet has increased significantly. Many bots perform useful and needed functions, however, malicious bots are known sources of both common and emerging security threats. Denial-of-Services (DoS), information theft, and credential stuffing have all been conducted by malicious software running on unknowingly infected machines. The dichotomy of useful bots operating in the same networks as malicious bots combined with novel bot attacks and an ever-increasing number of personal devices connecting to the Internet drives the need for continued advancement of malicious …

Go to article

A Trusted Adversarial Ml Countermeasure Approach For Secure And Resilient Ai-Driven Hardware Trojan Detection, Mohammed G M Alkurdi Jan 2024

A Trusted Adversarial Ml Countermeasure Approach For Secure And Resilient Ai-Driven Hardware Trojan Detection, Mohammed G M Alkurdi

Browse all Theses and Dissertations

Semiconductor microelectronics Integrated Circuits (ICs) are increasingly integrated into critical life applications including medical, aerospace, and Internet of things. Their increasing importance as a technology gave rise to critical concerns regarding their security. This has led to the focus of the research community on hardware Trojans, which are malicious modifications to the ICs with undesirable outcomes. Their detection is becoming increasingly critical, with many researchers proposing methods to do so such as reverse engineering, logic testing, and side-channel analysis. Many of these proposals utilize machine learning methods to detect these malicious modifications with high accuracy and confidence. However, machine learning …

Go to article

Cross-Layer Design Of Highly Scalable And Energy-Efficient Ai Accelerator Systems Using Photonic Integrated Circuits, Sairam Sri Vatsavai Jan 2024

Cross-Layer Design Of Highly Scalable And Energy-Efficient Ai Accelerator Systems Using Photonic Integrated Circuits, Sairam Sri Vatsavai

Theses and Dissertations--Electrical and Computer Engineering

Artificial Intelligence (AI) has experienced remarkable success in recent years, solving complex computational problems across various domains, including computer vision, natural language processing, and pattern recognition. Much of this success can be attributed to the advancements in deep learning algorithms and models, particularly Artificial Neural Networks (ANNs). In recent times, deep ANNs have achieved unprecedented levels of accuracy, surpassing human capabilities in some cases. However, these deep ANN models come at a significant computational cost, with billions to trillions of parameters. Recent trends indicate that the number of parameters per ANN model will continue to grow exponentially in the foreseeable …

Go to article

Context-Free Grammar Framework For Automatic Shooting Game Enemy Pattern Generation, Nitit Kaweeratanakit Jan 2024

Context-Free Grammar Framework For Automatic Shooting Game Enemy Pattern Generation, Nitit Kaweeratanakit

Chulalongkorn University Theses and Dissertations (Chula ETD)

This research proposes a framework for generating enemy patterns for SHMUPs game. It is directly based on a grammar derived from the enemy behavior of existing commercial SHMUPs, and implemented using a new description language called "Enemy Pattern Description Language" (EPDL). EPDL contains all information required to construct the enemy, with no requirement of external data content. The language is human-readable and can be connected to any game engine of choice using an EPDL interpreter. The interpreter itself consists of lexer and recursive descent parser. The results shown in this research is implemented in. "rdnh", a private fork of Touhou …

Go to article

การพยากรณ์การจ่ายยาของโรงพยาบาลโดยการเรียนรู้ของเครื่องและวิธีการวิเคราะห์เชิงสถิติ, วริศ ปุณณะหิตานนท์ Jan 2024

การพยากรณ์การจ่ายยาของโรงพยาบาลโดยการเรียนรู้ของเครื่องและวิธีการวิเคราะห์เชิงสถิติ, วริศ ปุณณะหิตานนท์

Chulalongkorn University Theses and Dissertations (Chula ETD)

ในปัจจุบันการพยากรณ์การจ่ายยาของโรงพยาบาลถือเป็นหัวใจสำคัญต่อการจัดการคลังยาและการสั่งซื้อยาเป็นอย่างมาก เนื่องจากการพยากรณ์ที่น้อยเกินไปทำให้ยาไม่เพียงพอส่งผลให้เกิดความล่าช้าภายในโรงพยาบาล ในขณะที่การพยากรณ์ที่มากเกินไปทำให้เปลืองพื้นที่ใช้สอยและอาจทำให้ยาเสื่อมสภาพหรือหมดอายุซึ่งส่งผลให้โรงพยาบาลสูญเสียรายได้ การมีแบบจำลองที่สามารถพยากรณ์ปริมาณการจ่ายยาให้ใกล้เคียงกับค่าจริงจะสามารถลดปัญหาการขาดแคลนยาในแต่ละห้องจ่ายยาหรือการที่ห้องจ่ายยามีการกักตุนตัวยาเกินความจำเป็น จากปัญหาที่กล่าวมาข้างต้น โครงงานมหาบัณฑิตนี้จึงถูกจัดทำขึ้นเพื่อนำเสนอแบบจำลองที่จะมาแทนค่าเฉลี่ยเคลื่อนที่แบบทั่วไปซึ่งจะช่วยให้โรงพยาบาลสามารถพยากรณ์ปริมาณการจ่ายยาแต่ละวันได้แม่นยำมากขึ้น โดยจะนำเทคนิคสำหรับพยากรณ์ข้อมูลที่อยู่ในรูปแบบของอนุกรมเวลามาประยุกต์ใช้กับข้อมูลการจ่ายยาย้อนหลังและข้อมูลการนัดหมายแพทย์ย้อนหลัง หลังจากนั้นจะนำผลลัพธ์ที่ได้มาคำนวณค่าเคลาดเคลื่อนด้วยค่าเฉลี่ยของเปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์และค่าเฉลี่ยสมมาตรของเปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์และนำผลที่ได้มาใช้ในการเลือกว่าแบบจำลองไหนให้ค่าคลาดเคลื่อนต่ำที่สุด ผลการทดลองพบว่าแบบจำลองซัพพอร์ตเวกเตอร์รีเกรสชันให้ค่าความคลาดเคลื่อนที่ต่ำกว่าค่าเฉลี่ยเคลื่อนที่แบบทั่วไป แบบจำลองที่ผู้จัดทำโครงงานนำเสนอสามารถนำไปประยุกต์ใช้กับการพยากรณ์การจ่ายยาเพื่อให้แต่ละห้องจ่ายยามียาสำหรับให้บริการในปริมาณที่เพียงพอต่อความต้องการ

Go to article

Uncertainty Quantification In Large Language Models Through Convex Hull Analysis, Ferhat Ozgur Catak, Murat Kuzlu Jan 2024

Uncertainty Quantification In Large Language Models Through Convex Hull Analysis, Ferhat Ozgur Catak, Murat Kuzlu

Engineering Technology Faculty Publications

Uncertainty quantification approaches have been more critical in large language models (LLMs), particularly high-risk applications requiring reliable outputs. However, traditional methods for uncertainty quantification, such as probabilistic models and ensemble techniques, face challenges when applied to the complex and high-dimensional nature of LLM-generated outputs. This study proposes a novel geometric approach to uncertainty quantification using convex hull analysis. The proposed method leverages the spatial properties of response embeddings to measure the dispersion and variability of model outputs. The prompts are categorized into three types, i.e., ’easy’, ’moderate’, and ’confusing’, to generate multiple responses using different LLMs at varying temperature settings. …

Go to article

Exploratory Prompting Of Large Language Models To Act As Co-Pilots For Augmenting Business Process Work In Document Classification, Jose Ramon Ilagan, Joseph Benjamin R. Ilagan, Claire Louisse Basallo, Zachary Matthew Alabastro Jan 2024

Exploratory Prompting Of Large Language Models To Act As Co-Pilots For Augmenting Business Process Work In Document Classification, Jose Ramon Ilagan, Joseph Benjamin R. Ilagan, Claire Louisse Basallo, Zachary Matthew Alabastro

Quantitative Methods and Information Technology Faculty Publications

Businesses deal with different types of documents containing unstructured documents. The data in these documents must be converted into digital forms other automated systems could only process. One generic use case is document classification, which usually involves manual transformation due to human understanding needed in the process. These documents go beyond those generated through regular business transactions and operations and also include web-based content such as online news, blogs, e-mails, and various digital libraries. Recent developments in robotic process automation (RPA) and artificial intelligence (AI) aim to automate the otherwise expensive, time-consuming, and repetitive manual steps. Through more powerful natural …

Go to article

Evaluating Computational Reproducibility Of Jupyter Notebooks Using Machine Learning And Natural Language Processing, A S M Shahadat Hossain Jan 2024

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 …

Go to article

Railroad Condition Monitoring Using Distributed Acoustic Sensing And Deep Learning Techniques, Md Arifur Rahman Jan 2024

Railroad Condition Monitoring Using Distributed Acoustic Sensing And Deep Learning Techniques, Md Arifur Rahman

College of Graduate Studies: Theses & Dissertations

Proper condition monitoring has been a major issue among railroad administrations since it might cause catastrophic dilemmas that lead to fatalities or damage to the infrastructure. Although various aspects of train safety have been conducted by scholars, in-motion monitoring detection of defect occurrence, cause, and severity is still a big concern. Hence extensive studies are still required to enhance the accuracy of inspection methods for railroad condition monitoring (CM). Distributed acoustic sensing (DAS) has been recognized as a promising method because of its sensing capabilities over long distances and for massive structures. As DAS produces large datasets, algorithms for precise …

Go to article

Assessing Performance Optimization Strategies In Cloud-Native Environments Through Containerization And Orchestration Analysis, Daniel E. Ukene Jan 2024

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 …

Go to article

Ensemble Learning With Sleep Mode Management To Enhance Anomaly Detection In Iot Environment, Khawlah Harahsheh, Rami Al-Naimat, Malek Alzaqebah, Salam Shreem, Esraa Aldreabi, Chung-Hao Chen Jan 2024

Ensemble Learning With Sleep Mode Management To Enhance Anomaly Detection In Iot Environment, Khawlah Harahsheh, Rami Al-Naimat, Malek Alzaqebah, Salam Shreem, Esraa Aldreabi, Chung-Hao Chen

Electrical & Computer Engineering Faculty Publications

The rapid proliferation of Internet of Things (IoT) devices has underscored the critical need for energy-efficient cybersecurity measures. This presents the dual challenge of maintaining robust security while minimizing power consumption. Thus, this paper proposes enhancing the machine learning performance through Ensemble Techniques with Sleep Mode Management (ELSM) approach for IoT Intrusion Detection Systems (IDS). The main challenge lies in the high-power consumption attributed to continuous monitoring in traditional IDS setups. ELSM addresses this challenge by introducing a sophisticated sleep-awake mechanism, activating the IDS system only during anomaly detection events, effectively minimizing energy expenditure during periods of normal network operation. …

Go to article

การจำแนกและการประเมินประสบการณ์ผู้ใช้จากบทวิจารณ์ของผู้ใช้โมไบล์แอปพลิเคชันโดยใช้การเรียนรู้ของเครื่อง, จิราพร รามจุล Jan 2024

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

Go to article

การพัฒนาส่วนแบ็กเอนด์ของเว็บแอปพลิเคชันโดยใช้เฟรมเวิร์กโหนดเจเอสแบบอิงแบบจำลอง, วีรยุทธ กันภัย Jan 2024

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

Go to article

การค้นหาค่าสัมประสิทธ์การปล่อยก๊าซเรือนกระจกบนพื้นฐานแบบจำลองภาษาขนาดใหญ่, สุชานันท์ กระบวนยุทธ Jan 2024

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

Go to article

การอัตโนมัติกระแสงานของระบบการจัดการเนื้อหาด้วยพาวเวอร์ออโตเมต, อภิญญา แขนสูงเนิน Jan 2024

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

Go to article

Zero-Shot Adaptation Of Molecular Generative Adversarial Network For Specific Protein Targets, Ravipas Aphikulvanich Jan 2024

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 …

Go to article

การใช้เหมืองกระบวนการข้อมูลแบบหลายชั้นสำหรับเพื่อวิเคราะห์วิถีการรักษาพยาบาลของผู้ป่วยโรคเบาหวาน, Kantapat Chaichareenon Jan 2024

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 …

Go to article

การออกแบบและพัฒนาบริการด้านความมั่นคงโดยใช้วิธีปฏิบัติด้านความมั่นคง ของระบบแบบไมโครเซอร์วิส, สฤษฐิ์ราช ทรัพย์สิน Jan 2024

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

Go to article

Affinity-Based Multi-Character Storyboard Generation Using Rewrite Rules, Ram Sukkirtkijpibul Jan 2024

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 …

Go to article

Scene Cut Detection In Short Videos Using Pre-Processing Techniques And Convolutional Neural Networks, Nina Lawankowit Jan 2024

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 …

Go to article

การแปลงแผนภาพเครื่องสถานะเชิงพร้อมกันให้เป็นนูเอ็สเอ็มวี, นนทวิชญ์ มากจันทร์ Jan 2024

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

Go to article

การสร้างแอนิเมชัน 3 มิติ ของใบหน้าขณะพูดภาษาไทยสําหรับใช้ในการพัฒนาเกม, ภัทรานิษฐ์ มุสิกะประยูร Jan 2024

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

Go to article

การปรับปรุงประสิทธิภาพและยกระดับระบบบริการทางการเงินผ่านการบูรณาการ Olap และ Oltp, ชนม์ชนก วงศ์อภัย Jan 2024

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

Go to article

การพัฒนาระบบสำหรับการวิเคราะห์ความต้องการด้านความสามารถของผู้จัดการโครงการซอฟต์แวร์ในประเทศไทยตามกรอบงานพัฒนาความสามารถด้านการจัดการโครงการ, ธัญญา ธารากุล Jan 2024

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

Go to article

Improved Sequence Embeddings For Peptide-Class I Mhc Binding Prediction, Patiphan Wongklaew Jan 2024

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 …

Go to article

First Prev Next Last