Computer Engineering Commons^™

Performance Evaluation Of An Edge Computing Implementation Of Hyperledger Sawtooth For Iot Data Security, Sean Connolly

Dissertations

Blockchain offers a potential solution to some of the security challenges faced by the internet-of-things (IoT) by using its practically immutable ledger to store data transactions. However, past applications of blockchain in IoT encountered limitations in the rate at which transactions were committed to the chain as new blocks. These limitations were often the result of the time-consuming and computationally expensive consensus mechanisms found in public blockchains. Hyperledger Sawtooth is an open-source private blockchain platform that offers an efficient proof-of-elapsed-time (PoET) consensus mechanism. Sawtooth has performed well in benchmarks against other blockchains. However, a performance evaluation for a practical application …

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

Dissertations

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

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

Department of Anthropology: Faculty Publications

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

กระบวนการและแบบจำลองสำหรับการคัดกรองเพื่อการจัดการคุณภาพข้อมูลในคราวด์ซอร์สซิงแพลตฟอร์ม, กฤตย์ กังวาลพงศ์พันธุ์

Chulalongkorn University Theses and Dissertations (Chula ETD)

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

การใช้รถโดยสารประจำทางเป็นโหนดที่ขอบในเครือข่ายยานพาหนะ, ณัฐนนท์ มานพ

Chulalongkorn University Theses and Dissertations (Chula ETD)

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

บทบัญญัติของกฎหมายที่ใช้บังคับในคดีละเมิด: การวิเคราะห์คำพิพากษาศาลไทยด้วยกระบวนการเรียนรู้เชิงลึก, ทวีศักดิ์ ชูศรี

Chulalongkorn University Theses and Dissertations (Chula ETD)

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

เทคนิคการเรียนรู้เชิงลึกสำหรับการรู้จำภาพวัสดุกระเป๋าถือแบรนด์เนมปลอม, พศสรัล อภิปวินท์วงศา

Chulalongkorn University Theses and Dissertations (Chula ETD)

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

ไวยากรณ์ไฮเพอร์แมพสำหรับแมพเชิงต้นไม้อันดับเคเชิงระนาบ, วรวุฒิ โคเมฆารัตน์

Chulalongkorn University Theses and Dissertations (Chula ETD)

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

การแปลงกระแสงานยอว์ลที่มีข้อจำกัดช่วงเวลาไปเป็นไทมด์ออโตมาตา, ณรงค์กร วงศ์สิทธิไพฑูรย์

Chulalongkorn University Theses and Dissertations (Chula ETD)

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

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

Chulalongkorn University Theses and Dissertations (Chula ETD)

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

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

Chulalongkorn University Theses and Dissertations (Chula ETD)

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

Leverage Graph Neural Network For Molecular Properties Prediction, Kamol Punnachaiya

Chulalongkorn University Theses and Dissertations (Chula ETD)

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

Service Placement Optimization For Location-Based Service, Karnkitti Kittikamron

Chulalongkorn University Theses and Dissertations (Chula ETD)

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

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

Chulalongkorn University Theses and Dissertations (Chula ETD)

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

Deep Reinforcement Learning For Electricity Energy Trading, Manassakan Sanayha

Chulalongkorn University Theses and Dissertations (Chula ETD)

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

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

Chulalongkorn University Theses and Dissertations (Chula ETD)

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

Formal Models For Consent Management In Healthcare Software System Development, Neda Peyrone

Chulalongkorn University Theses and Dissertations (Chula ETD)

In the era of data-driven opportunities, many businesses are missing the data-privacy challenge, which leads to risks in safeguarding their customers’ data. To empower individuals (data subjects) to control their data, the General Data Protection Regulation (GDPR) mandated businesses or organizations (data controllers) to protect individuals’ data (personal data) within data protection law. Nevertheless, many businesses still struggle to enhance and develop their software systems to comply with the GDPR because it is difficult to interpret and apply to software development practices. Besides, the processing of personal data begins when the data subject provides explicit consent to the data controller, …

Real-Time Gastric Intestinal Metaplasia Semantic Segmentation With Multiple Abnormalities Using Deep Learning Approach, Passin Pornvoraphat

Chulalongkorn University Theses and Dissertations (Chula ETD)

This thesis declares the segmentation of gastric intestinal metaplasia (GIM) in real-time. Recently, GIM segmentation of endoscopic images has been conducted to distinguish GIM from a healthy stomach. However, achieving real-time detection is difficult. Challenging conditions include multiple color modes (white light endoscopy and narrow-band imaging), other abnormal lesions (erosion and ulcer), noisy labels, etc. Herein, our model is based on BiSeNet and can overcome the many issues regarding GIM. Applying auxiliary head and loss boosts the performance on multiple color modes. In addition, pre-processing techniques, including location-wise negative sampling, jigsaw augmentation, and label smoothing, are utilized to improve detection …

แบบจำลองคุณภาพซอฟต์แวร์โอเพนซอร์ซเพื่อการวัดคุณภาพอย่างอัตโนมัติ, อัรกอม มะแดเฮาะ

Chulalongkorn University Theses and Dissertations (Chula ETD)

ปัจจุบันได้มีการนำเสนอแบบจำลองคุณภาพซอฟต์แวร์โอเพนซอร์ซหลายแบบจำลองเพื่อใช้ในการประเมินคุณภาพของซอฟต์แวร์โอเพนซอร์ซ แต่แบบจำลองเหล่านั้นมีข้อจำกัดเนื่องจากเป็นการประเมินตามความคิดส่วนตัวซึ่งต้องอาศัยผู้ใช้ในการประเมิน และแบบจำลองดังกล่าวต้องการข้อมูลจากหลากหลายแหล่ง เพื่อเสริมการประเมินคุณภาพซอฟต์แวร์โอเพนซอร์ซที่เป็นอยู่ให้ทำได้สมบูรณ์มากยิ่งขึ้น วิทยานิพนธ์นี้จึงได้นำเสนอแบบจำลองคุณภาพซอฟต์แวร์โอเพนซอร์ซใหม่ที่ชื่อว่าโอเอสเอส-เอคิวเอ็ม โดยมีเป้าหมายเพื่อการวัดคุณภาพซอฟต์แวร์โอเพนซอร์ซอย่างอัตโนมัติ แบบจำลองโอเอสเอส-เอคิวเอ็มได้นำเสนอตัววัดคุณภาพและเครื่องมืออัตโนมัติที่สามารถดึงข้อมูลเกี่ยวกับซอฟต์แวร์โอเพนซอร์ซจากกิตฮับ ซอร์ซโค้ด โซนาร์คิวบ์ และสแต็กเอกซ์เชนจ์ ทำให้สามารถกำหนดคะแนนคุณภาพของซอฟต์แวร์โอเพนซอร์ซได้ โอเอสเอส-เอคิวเอ็มได้รับการตรวจสอบจากวิศวกรซอฟต์แวร์ที่มีประสบการณ์ในการเลือกใช้ซอฟต์แวร์โอเพนซอร์ซ นอกจากนี้การจัดลำดับซอฟต์แวร์โอเพนซอร์ซโดยเครื่องมือโอเอสเอส-เอคิวเอ็มยังถูกนำไปเปรียบเทียบกับการจัดลำดับด้วยวิธีอื่น และพบว่าการจัดลำดับของโอเอสเอส-เอคิวเอ็มมีสหสัมพันธ์ระดับต่ำมากถึงปานกลางในทิศทางตรงกันข้ามกับวิธีจัดลำดับอื่น ๆ ตามความคิดเห็นและความนิยมของผู้ใช้ และมีสหสัมพันธ์ระดับปานกลางในทิศทางเดียวกันกับวิธีการจัดลำดับอื่นที่เน้นการตรวจสอบความมั่นคงที่ซอฟต์แวร์โดยตรง ทั้งนี้เนื่องจากโอเอสเอส-เอคิวเอ็มครอบคลุมปัจจัยคุณภาพหลายอย่างที่ไม่ได้ถูกพิจารณาโดยวิธีการจัดลำดับอื่น ๆ ดังกล่าว โอเอสเอส-เอคิวเอ็มจึงให้ข้อมูลด้านคุณภาพของซอฟต์แวร์โอเพนซอร์ซในเชิงลึกที่ดีกว่า

A Proportionality-Based Framework For Government Regulation Of Digital Tracing Apps In Times Of Emergency, Sharon Bassan

Dickinson Law Review (2017-Present)

Times of emergency present an inherent conflict between the public interest and the preservation of individual rights. Such times require granting emergency powers to the government on behalf of the public interest and relaxing safeguards against government actions that infringe rights. The lack of theoretical framework to assess governmental decisions in times of emergency leads to a polarized and politicized discourse about potential policies, and often, to public distrust and lack of compliance.

Such a discourse was evident regarding Digital Tracing Apps (“DTAs”), which are apps installed on cellular phones to alert users that they were exposed to people who …

Meltpondnet: A Swin Transformer U-Net For Detection Of Melt Ponds On Arctic Sea Ice, Ivan Sudakow, Vijayan K. Asari, Ruixu Liu, Denis Demchev

Electrical and Computer Engineering Faculty Publications

High-resolution aerial photographs of Arctic region are a great source for different sea ice feature recognition, which are crucial to validate, tune, and improve climate models. Melt ponds on the surface of melting Arctic sea ice are of particular interest as they are sensitive and valuable indicators and are proxy to the processes in the Arctic climate system. Manual analysis of this remote sensing data is extremely difficult and time-consuming due to the complex shapes and unpredictable boundaries of the melt ponds, and that leads to the necessity for automatizing the processes. In this study, we propose a robust and …

Circuit Optimization Techniques For Efficient Ex-Situ Training Of Robust Memristor Based Liquid State Machine, Alex Henderson, Christopher Yakopcic, Cory Merkel, Steven Harbour, Tarek M. Taha, Hananel Hazan

Electrical and Computer Engineering Faculty Publications

Spiking neural network hardware offers a high performance, power-efficient and robust platform for the processing of complex data. Many of these systems require supervised learning, which poses a challenge when using gradient-based algorithms due to the discontinuous properties of SNNs. Memristor based hardware can offer gains in portability, power reduction, and throughput efficiency when compared to pure CMOS. This paper proposes a memristor-based spiking liquid state machine (LSM). The inherent dynamics of the LSM permit the use of supervised learning without backpropagation for weight updates. To carry out the design space evaluation of the LSM for optimal hardware performance, several …

On The Dimensionality And Utility Of Convolutional Autoencoder’S Latent Space Trained With Topology-Preserving Spectral Eeg Head-Maps, Arjun Vinayak Chikkankod, Luca Longo

Articles

Electroencephalography (EEG) signals can be analyzed in the temporal, spatial, or frequency domains. Noise and artifacts during the data acquisition phase contaminate these signals adding difficulties in their analysis. Techniques such as Independent Component Analysis (ICA) require human intervention to remove noise and artifacts. Autoencoders have automatized artifact detection and removal by representing inputs in a lower dimensional latent space. However, little research is devoted to understanding the minimum dimension of such latent space that allows meaningful input reconstruction. Person-specific convolutional autoencoders are designed by manipulating the size of their latent space. A sliding window technique with overlapping is employed …

Backlog Burner: An Adventure Into Automated Scheduling, Anjolaoluwa J. Olubusi

Senior Independent Study Theses

The focus of this independent study is to explain the nurse scheduling problem (NSP) and use it as a basis to create an automated scheduling program. The nurse scheduling problem is an operational research problem that sets to find an optimal hospital schedule that fulfills the needs of the hospital and the personal requests of the nurses. The majority of solutions for the nurse scheduling problem are often designed within a hospital setting. The objective of this independent study is to use the solutions of the nurse scheduling problem to develop an automated scheduling program for the College of Wooster …

Modeling Cognitive Load As A Self-Supervised Brain Rate With Electroencephalography And Deep Learning, Luca Longo

Articles

The principal reason for measuring mental workload is to quantify the cognitive cost of performing tasks to predict human performance. Unfortunately, a method for assessing mental workload that has general applicability does not exist yet. This is due to the abundance of intuitions and several operational definitions from various fields that disagree about the sources or workload, its attributes, the mechanisms to aggregate these into a general model and their impact on human performance. This research built upon these issues and presents a novel method for mental workload modelling from EEG data employing deep learning. This method is self-supervised, employing …

Introduction To The Special Issue On Gala Conf 2021, Francesca De Rosa, Jannicke Baalsrud Hauge, Pierpaolo Dondio, Isa Marfizi-Schottman, Margarida Romero, Francesco Bellotti

Articles

This special issue of the International Journal of Serious Games is dedicated to the selected best papers of the 2021 edition of the GALA conference. This edition was organized by Francesca De Rosa and her team at NATO Centre for Maritime Research and Experimen-tation (CMRE), La Spezia, Italy. Because of the Covid-19 pandemic, it was held online, for the second year. The three papers published in this special issue were first selected for a content exten-sion, so to make them suitable as journal papers, then underwent the regular IJSG peer-review process, which, on the other hand, discarded other three selected …

The Association Between Ambient Uvb Dose And Anca‑Associated Vasculitis Relapse And Onset, Jennifer Scott, Enock Havyarimana, Albert Navarro-Gallinad, Arthur White, Jason Wyse, Jos Van Geffen, Michiel Van Weele, Antonia Buettner, Tamara Wanigasekera, Cathal Walsh, Louis Aslett, John Kelleher, Julie Power, James Ng, Declan O’Sullivan, Lucy Hederman, Neil Basu, Mark A. Little, Lina Zgaga

Articles

The aetiology of ANCA-associated vasculitis (AAV) and triggers of relapse are poorly understood. Vitamin D (vitD) is an important immunomodulator, potentially responsible for the observed latitudinal differences between granulomatous and non-granulomatous AAV phenotypes. A narrow ultraviolet B spectrum induces vitD synthesis (vitD-UVB) via the skin. We hypothesised that prolonged periods of low ambient UVB (and by extension vitD deficiency) are associated with the granulomatous form of the disease and an increased risk of AAV relapse.

Development Of An Explainability Scale To Evaluate Explainable Artificial Intelligence (Xai) Methods, Stephen Mccarthy

Dissertations

Explainable Artificial Intelligence (XAI) is an area of research that develops methods and techniques to make the results of artificial intelligence understood by humans. In recent years, there has been an increased demand for XAI methods to be developed due to model architectures getting more complicated and government regulations requiring transparency in machine learning models. With this increased demand has come an increased need for instruments to evaluate XAI methods. However, there are few, if none, valid and reliable instruments that take into account human opinion and cover all aspects of explainability. Therefore, this study developed an objective, human-centred questionnaire …

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

Dissertations

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

Eager Scheduling Of Dependent Instructions, Kurush Kasad

Dissertations, Master's Theses and Master's Reports

Modern superscalar processors are able to potentially issue and execute multiple instructions per cycle. Several techniques over the years have focused on increasing the Instruction Level Parallelism (ILP) that a processor can exploit. However, there are many limitations of ILP that hinder performance, chief of them being the chain of dependencies between instructions that stops instructions from being executed in parallel.

We propose a new micro-architecture design which extends the superscalar pipeline with a data-flow pipeline where the dataflow part identifies immediately dependent instructions and executes them early. The dataflow pipeline is able to identify redundant instructions, track changes in …