Computer Engineering Commons^™

การคาดการณ์ค่าดัชนีความแตกต่างของพืชและความชื้น โดยใช้เทคนิคการเรียนรู้ของเครื่องอย่างชาญฉลาด เพื่อการติดตามด้านการเกษตรและสิ่งแวดล้อม, ณุทยา เข็มเจริญ

Chulalongkorn University Theses and Dissertations (Chula ETD)

ปัจจุบัน ภัยแล้งและการเปลี่ยนแปลงสภาพภูมิอากาศส่งผลกระทบต่อผลผลิตทางการเกษตร โดยเฉพาะพืชเศรษฐกิจของไทยอย่างทุเรียน ซึ่งต้องอาศัยการติดตามสุขภาพพืชและการจัดการน้ำอย่างใกล้ชิด ข้อมูลจากภาพถ่ายดาวเทียม ดัชนีความแตกต่างของพืชและความชื้น จึงเป็นเครื่องมือสำคัญในการวิเคราะห์สภาพพื้นที่เพาะปลูก โครงงานนี้พัฒนาแบบจำลองการเรียนรู้ของเครื่องเพื่อพยากรณ์ทั้งสองดัชนีรายสัปดาห์ โดยใช้การเฉลี่ยและเติมค่าข้อมูลที่ขาดหายด้วยการถดถอยเชิงเส้น ก่อนนำไปฝึกแบบจำลองผสมระหว่างโครงข่ายคอนโวลูชัน และหน่วยความจำระยะสั้นแบบยาว ระบบถูกออกแบบให้ทำงานอัตโนมัติภายใต้แนวคิดการปฏิบัติการด้านการเรียนรู้ของเครื่อง แสดงผลผ่านเว็บแอปพลิเคชัน ติดตั้งและทดสอบบนเครื่องเซิร์ฟเวอร์

Automated Infinite Combos Detection System For Collectible Card Game, Amornpong Trakarnkulphun

Chulalongkorn University Theses and Dissertations (Chula ETD)

In Collectible Card Games, resources management is one of the most effective strategy. However, there are some combinations of cards which produce unlimited resources called infinite combos. Too-cheap infinite combos that can be played early in the game break game environment, because the player who executes the combo immediately wins. To solve the problem, game designers usually restrict a part of the combos from being played. Due to the large number of cards in the card pool, it is difficult to search for these combos and solve this problem before a release date of a card set. This research aims …

Quality Of Life Prediction For Driving Route Planning System Using Image Recognition And Deep Learning, Intouch Prakaisak

Chulalongkorn University Theses and Dissertations (Chula ETD)

Assessing travel-related Quality of Life (QoL) is a significant challenge due to its reliance on subjective human perception, which is difficult to measure. Traditional studies are often constrained by the limited scope of costly, manual data collection. The significant contribution of this research is the introduction of a new framework that can analyze tourist perception on a large and systematic scale. The novelty of this work lies in the utilization of Google Street View (GSV) as a large-scale visual data source, coupled with the use of a sequence-based model to analyze travel routes, which allows for the simulation of the …

Out-Of-Domain Tuberculosis Detection From Chest X-Ray Images Using Meta Learning With Soft Labels, Kanokphat Jinanarong

Chulalongkorn University Theses and Dissertations (Chula ETD)

Automated tuberculosis screening from chest x-ray images could greatly benefit regions with limited medical resources. However, currently available methods could not handle this problem well due to the difference in chest x-ray images in each region caused by the difference in machine and demographics, the possible noise in the available labels, and other reasons. We therefore propose a new machine learning algorithm that could detect tuberculosis with great accuracy on any other data sources by learning from completely different data sources. We used a model-agnostic meta-learning together with a soft label approach, utilizing the meta-gradient to dynamically adjust the soft …

Endoplanar: Deformable Planar-Based Gaussian Splatting For Surgical Scene Reconstruction, Thatphum Paonim

Chulalongkorn University Theses and Dissertations (Chula ETD)

Precise modeling of deformable anatomical structures from stereoscopic endoscopic footage plays a critical role in advancing surgical guidance and robotic automation within image-assisted medical procedures. Recent advances in Gaussian splatting have demonstrated real-time visualization capabilities with notable quality on endoscopic data; however, traditional 3D Gaussian representations introduce volumetric artifacts that compromise geometric fidelity and depth accuracy. We address these challenges through EndoPlanar, a deformable planar Gaussian framework that projects volumetric primitives onto planar surfaces. This planar formulation facilitates bias-free depth calculation and normal vector derivation—capabilities that remain elusive with standard ellipsoidal representations. We further incorporate a regularization mechanism to ensure …

Advancing Voice Spoofing Detection In Thai : A Comprehensive Dataset And Performance Analysis On Speaking Styles And Channel Effects, Ticho Urai

Chulalongkorn University Theses and Dissertations (Chula ETD)

Voice authentication is increasingly used in applications such as banking and call center verification, but it faces serious risks from spoofed voices. Recent advances in text-to-speech (TTS) and voice cloning make it possible to generate highly natural fake speech, creating an urgent need for robust anti-spoofing systems. While most prior work focuses on English, little research addresses the Thai language. To fill this gap, we present the Chula Spoofed Speech (CSS) dataset, a large-scale Thai corpus containing 1.3M utterances of both bona fide and synthetic speech. The synthetic samples are generated using five state-of-the-art TTS systems from the same utterances …

การเพิ่มประสิทธิภาพการจัดตารางการอัดประจุรถยนต์ไฟฟ้าโดยอาศัยข้อมูลโปรไฟล์แบตเตอรี่และเทคนิคการเรียนรู้ของเครื่อง, กนกภรณ์ ปัญจันทร์สิงห์

Chulalongkorn University Theses and Dissertations (Chula ETD)

งานวิจัยนี้มุ่งเพิ่มประสิทธิภาพการจัดตารางการอัดประจุรถยนต์ไฟฟ้าโดยอาศัยข้อมูลโปรไฟล์แบตเตอรี่และเทคนิคการเรียนรู้ของเครื่อง เพื่อแก้ปัญหาความไม่สอดคล้องระหว่างแผนการอัดประจุกับพฤติกรรมการอัดประจุจริงของผู้ใช้ โดยเริ่มจากการพัฒนาแบบจำลองการทำนาย (Predictive Model) เพื่อคาดการณ์ความต้องการพลังงาน ระยะเวลาการอัดประจุ และสถานะการประจุเริ่มต้นของแบตเตอรี่ (State of Charge: SOC) จากข้อมูลการอัดประจุในอดีต จากนั้นได้ทำการสร้างโปรไฟล์การอัดประจุของแบตเตอรี่ที่เป็นตัวแทนของรถยนต์แต่ละรุ่น เพื่อสะท้อนลักษณะการอัดประจุจริงทั้งในกรณีของเครื่องอัดประจุแบบกระแสสลับ (AC) และกระแสตรง (DC) แล้วนำข้อมูลดังกล่าวมาใช้ในการเพิ่มประสิทธิภาพการจัดตารางการอัดประจุของสถานีอัดประจุ ผลการจำลองแสดงให้เห็นว่าวิธีการที่เสนอ (Optimization with Battery Profile) ให้ประสิทธิภาพสูงกว่าวิธีการทั่วไปที่ไม่ใช้ข้อมูลโปรไฟล์แบตเตอรี่ โดยสามารถเพิ่มกำไรของสถานีได้สูงสุด 3,145.3 บาท และเพิ่มอัตราการใช้พลังงานของระบบได้ร้อยละ 4.8 ในกรณีที่มีสัดส่วนเครื่องอัดประจุ DC แตกต่างกัน อีกทั้งยังให้ผลลัพธ์ที่ดีอย่างต่อเนื่องภายใต้ข้อจำกัดกำลังพีคของสถานี โดยเพิ่มกำไรได้สูงสุด 3,649.25 บาท และเพิ่มอัตราการใช้ประโยชน์ของระบบได้ร้อยละ 9.6 สะท้อนถึงประสิทธิภาพของแนวทางที่เสนอในการจัดการพลังงานอย่างชาญฉลาดสำหรับสถานีอัดประจุรถยนต์ไฟฟ้าในอนาคต

การสร้างแบบจำลองเชิงรูปนัยของกระแสงานบีพีเอ็มเอ็นสำหรับกระบวนการซิงโครนัสและอะซิงโครนัสที่มีข้อจำกัดช่วงเวลาโดยใช้เครือข่ายไทมด์ออโตมาตา, กิตติศักดิ์ เขตรการณ์

Chulalongkorn University Theses and Dissertations (Chula ETD)

แบบจำลองบีพีเอ็มเอ็นมีบทบาทสำคัญในการออกแบบกระบวนการธุรกิจสมัยใหม่ที่มีการประมวลผลหลายส่วนพร้อมกันและรูปแบบการสื่อสารทั้งแบบซิงโครนัสและอะซิงโครนัส แต่ด้วยความเป็นแผนภาพเชิงกราฟิก บีพีเอ็มเอ็นไม่สามารถทวนสอบเชิงรูปนัยได้โดยตรง และมาตรฐานเดิมยังไม่รองรับการกำหนดข้อจำกัดช่วงเวลาให้กับกิจกรรม งานวิจัยนี้จึงเสนอการขยายบีพีเอ็มเอ็นเป็นแบบจำลองทีบีบีพี (Time-Bounded BPMN: TBBP) เพื่อรองรับการกำหนดข้อจำกัดช่วงเวลาต่ำสุด–สูงสุดของกิจกรรม พร้อมออกแบบแบบรูปสำหรับการสื่อสารแบบซิงโครนัสและอะซิงโครนัส รวมทั้งพัฒนากฎการแปลงทีบีบีพีไปเป็นไทมด์ออโตมาตาเพื่อทวนสอบด้วย UPPAAL และกฎการแปลงข้อคำถามจากตรรกศาสตร์เชิงเวลาแบบเมตริก (MTL) ไปเป็นตรรกศาสตร์เชิงเวลาแบบต้นไม้คำนวณแบบมีเงื่อนไขเวลา (TCTL) นอกจากนี้ได้พัฒนาเครื่องมือ TBBPTA Tool เพื่อแปลงไฟล์บีพีเอ็มเอ็น (XML) เป็นแบบจำลองไทมด์ออโตมาตา (XML) ที่สามารถนำเข้าสู่ UPPAAL เพื่อทวนสอบได้โดยอัตโนมัติ

เครื่องมือสำหรับการตรวจสอบสินทรัพย์สารสนเทศจากแบบรูปความมั่นคง, ธีระยุทธ คชงาม

Chulalongkorn University Theses and Dissertations (Chula ETD)

สินทรัพย์สารสนเทศมีความสำคัญอย่างยิ่งต่อการดำเนินงานและความสำเร็จขององค์กร หากสินทรัพย์เหล่านี้รั่วไหลหรือถูกเข้าถึงโดยบุคคลที่ไม่ได้รับอนุญาต อาจก่อให้เกิดความเสียหายอย่างมากหรือความสูญเสียทางความเชื่อมั่นได้ ด้วยเหตุนี้การจัดหาวิธีการที่เหมาะสมเพื่อทวนสอบการออกแบบระบบเพื่อรักษาความมั่นคงของสินทรัพย์สารสนเทศจึงเป็นสิ่งจำเป็น งานวิจัยนี้มุ่งเน้นการทวนสอบแบบจำลองการออกแบบความมั่นคงของระบบที่ออกแบบโดยนักออกแบบความมั่นคงของระบบ ด้วยการใช้แผนภาพคลาส ที่สร้างขึ้นจากรูปแบบความมั่นคงและงานวิจัยที่เกี่ยวข้อง เป็นโมเดลอ้างอิงการออกแบบโครงสร้างด้านความมั่นคง ขอบเขตของแบบรูปความมั่นคงที่ใช้ในงานวิจัยนี้ครอบคลุมความปลอดภัยและการจัดการความเสี่ยงขององค์กร, การระบุตัวตนและการพิสูจน์ตัวจริง, และการควบคุมการเข้าถึงพร้อมทั้งนำเสนอกลไกการทวนสอบระหว่างแผนภาพคลาสสองชุด ซึ่งประกอบด้วยแผนภาพที่ออกแบบโดยนักออกแบบระบบ และแผนภาพจากแบบจำลองโดยใช้อัลกอริทึมสองรายการ ได้แก่ อัลกอริทึมที่ใช้สำหรับตรวจสอบความครบถ้วนขององค์ประกอบภายในแต่ละคลาส และอัลกอริทึมที่ใช้สำหรับตรวจสอบความครบถ้วนของความสัมพันธ์ระหว่างคลาส นอกจากนี้ ยังได้พัฒนาเครื่องมือซอฟต์แวร์เพื่อสนับสนุนการทวนสอบแผนภาพคลาส ซึ่งผลลัพธ์ที่ได้จากการใช้งานเครื่องมือนี้คือ แสดงองค์ประกอบคลาสตามแบบจำลองที่ได้นำเสนอและสร้างที่ขาดหายไป พร้อมคำแนะนำและคำอธิบายที่เหมาะสมเพื่อช่วยสนับสนุนให้นักออกแบบระบบมีความเข้าใจในแนวคิดและการออกแบบความมั่นคงได้ดียิ่งขึ้น เครื่องมือที่นำเสนอได้ถูกทดสอบกับกรณีศึกษาระบบจัดการข้อมูลผู้ป่วย เพื่อยืนยันประสิทธิผลของเครื่องมือในการสนับสนุนการทวนสอบการออกแบบความมั่นคงของระบบ

ปัญญาประดิษฐ์ในบทบาทนักวิเคราะห์ข้อมูล : กรอบแนวคิดสำหรับการวิเคราะห์เชิงข้อมูลแบบอัตโนมัติด้วยแบบจำลองภาษาขนาดใหญ่และตัวแทนปัญญาประดิษฐ์, วิชญาดา เล้าสุบินประเสริฐ

Chulalongkorn University Theses and Dissertations (Chula ETD)

การวิเคราะห์เชิงข้อมูลที่ดำเนินการโดยมนุษย์มีความท้าทาย เนื่องจากต้องใช้เวลา ทักษะเฉพาะทาง และทรัพยากรจำนวนมาก งานวิจัยนี้มีจุดมุ่งหมายเพื่อค้นหาวิธีในการใช้ปัญญาประดิษฐ์เชิงสร้างสรรค์เพื่อทำให้กระบวนการวิเคราะห์ข้อมูลเป็นแบบอัตโนมัติ โดยปฏิบัติตามวิธี 6 ขั้นตอน ได้แก่ ถาม เตรียม ประมวลผล วิเคราะห์ แบ่งปัน และดำเนินการ โดยไม่มีมนุษย์เข้ามาแทรกแซงตลอดกระบวนการวิเคราะห์ การดำเนินการเริ่มตั้งแต่ผู้ใช้ป้อนชุดข้อมูล วัตถุประสงค์ที่ต้องการ บริบทของข้อมูล และสมมติฐานที่มีอยู่ก่อน จากนั้นระบบจะสร้างคำสั่ง และดำเนินงานต่าง ๆ โดยอัตโนมัติผ่านตัวแทนปัญญาประดิษฐ์ที่ออกแบบเฉพาะทาง โดยตัวแทนเหล่านี้มีบทบาทในการวางแผนและกำหนดการดำเนินงาน โดยอาศัยแบบจำลองภาษาขนาดใหญ่ในการสร้างแนวคิดและใช้เหตุผลเพื่อกำหนดแนวทางการวางแผนและการดำเนินการ ผลการทดลองจาก 5 ชุดข้อมูลในสาขาที่แตกต่างกัน ได้แก่ การศึกษา สุขภาพ ธุรกิจ สิ่งแวดล้อม และเศรษฐกิจ แสดงให้เห็นว่า ผลการประเมินตามเกณฑ์คะแนนการวิเคราะห์เชิงข้อมูลเฉลี่ย 8.1 – 9.4 จากคะแนนเต็ม 10 โดยมีความสอดคล้องระหว่างผลการประเมินโดยแบบจำลองภาษาขนาดใหญ่และมนุษย์เฉลี่ย 0.94 – 0.97 มีเวลาในการดำเนินงานเฉลี่ย 1.8 - 6.6 นาที มีข้อผิดพลาดเฉลี่ย 0.2 - 1.8 ครั้ง และมีความสามารถในการทำงานต่าง ๆ เช่น ประมวลผลโค้ด คำนวณสถิติหรือสร้างแบบจำลองการเรียนรู้ของเครื่อง และแสดงผลภาพได้ งานวิจัยนี้ชี้ให้เห็นถึงศักยภาพของแบบจำลองภาษาขนาดใหญ่ในการทำหน้าที่เป็นนักวิเคราะห์ข้อมูลเสมือน และสามารถต่อยอดระบบวิเคราะห์เชิงข้อมูลแบบอัตโนมัติในสาขาต่าง ๆ ได้ในอนาคต

แบบจำลองเชิงรูปนัยของกระบวนการจัดการโครงการในมาตรฐาน Iso/Iec29110 โดยใช้คัลเลอร์เพทริเน็ต, วรันณ์ธร ศิริกระจาย

Chulalongkorn University Theses and Dissertations (Chula ETD)

วิทยานิพนธ์นี้นำเสนอแนวทางการตรวจสอบความถูกต้องเชิงรูปแบบ (Formal Verification) ร่วมกับกรอบการประเมินผลผ่านระบบเว็บแอปพลิเคชันสำหรับองค์กรขนาดเล็กประเมินตนเอง เพื่อสนับสนุนการปฏิบัติตามกระบวนการบริหารโครงการ (Project Management: PM) ของมาตรฐาน ISO/IEC 29110 สำหรับองค์กรขนาดเล็กมาก (Very Small Entities: VSEs) โดยใช้แบบจำลอง Colored Petri Nets (CPNs) ในการนิยามและจำลองกระบวนการหลักของ PM ได้แก่ การวางแผน การดำเนินโครงการ การควบคุม และการปิดโครงการ พร้อมทั้งตรวจสอบคุณสมบัติที่สำคัญของกระบวนการเหล่านี้อย่างเป็นระบบและระบบเว็บแอปพลิเคชันถูกพัฒนาขึ้นเพื่ออำนวยความสะดวกในการเก็บรวบรวมข้อมูล เรียกใช้การจำลอง และนำเสนอผลการประเมิน ข้อมูลที่ได้รับจากผู้ใช้จะถูกแปลงให้อยู่ในรูปของโทเคน เพื่อนำไปประเมินผ่านแบบจำลอง CPN และเชื่อมโยงผลลัพธ์กับระดับการปฏิบัติตามมาตรฐานในแต่ละกระบวนการของ ISO/IEC 29110 PM การทดลองใช้งานระบบยืนยันถึงความถูกต้อง ความสามารถในการตรวจสอบย้อนกลับ และประสิทธิภาพในการดำเนินงานของระบบที่นำเสนอ การผสานรวมระหว่างแบบจำลองเชิงรูปแบบกับระบบอัตโนมัติผ่านเว็บแอปพลิเคชันนี้ เป็นทางเลือกที่มีความยืดหยุ่นและเชื่อถือได้ โดยช่วยเสริมสร้างความเข้มงวดในการตรวจสอบ การประเมินกระบวนการอย่างเป็นระบบ และรองรับการนำไปใช้งานจริงผ่านส่วนติดต่อผู้ใช้ที่เข้าใจง่ายและเหมาะสมกับองค์กรพัฒนาซอฟต์แวร์ขนาดเล็กก่อนรับการตรวจสอบจากผู้ตรวจสอบ

Toward Precise Long-Range Underwater Acoustic Geo-Positioning: Utilizing Vehicle Data And Deepening The Gnss Analogy Through Uncertainty Modeling, Isaac B. Salazar

Open Access Master's Theses

Electromagnetic signals, such as those used by Global Navigation Satellite Systems (GNSS), attenuate dramatically underwater, but acoustic signals can travel hundreds of kilometers, and can be used for positioning in much the same way. Concepts from GNSS can be applied to the subsurface context, as at a basic level, the principles of geo-positioning are identical. Key challenges in translating satellite positioning models to the underwater acoustic domain include differences in signal type as well as instrumentation and propagation environment. Acoustic signals travel at much slower speeds and are subject to significant environmental variability due to complex ocean dynamics. Here, the …

Exploring Area And Performance Benefits Of Programmable Logic Integrated Cpu Core, Jonathan Pollard

Open Access Master's Theses

This work proposes replacing fully static ASIC functional units with programmable functional units that leverage tightly integrated programmable logic within CPU cores. The programmable units can be configured to match the execution behavior of a specific workload while still allowing the CPU to remain general-purpose across all workloads. This approach reduces the total area required for functional units without sacrificing performance. We evaluate two configurations: an Ideal implementation, where programmable and ASIC functional units have equal area, and an Area-Larger implementation, where programmable units occupy twice the area of their ASIC counterparts. To establish feasibility, we first conduct binary instrumentation …

The Coral Carousel: A Device And Method For In-Situ Propagation Of Deep-Sea Corals, Gregory Bales

Open Access Master's Theses

The research described herein covers the development of a tool station for performing in-situ propagation of corals using a work class ROV. This includes a system for manipulating coral fragments and affixing them to a cement base plug. To validate this tool station, testing was performed both in the lab as well as at depth in the Gulf of Mexico. As restoration of shallow-water corals has grown in popularity, many techniques have been developed for propagation. However, it is difficult or inappropriate to directly apply these techniques to deep-sea corals. While some forms of diving are capable of approaching the …

Tracking Control Of A String Actuated Soft Trunk Robot Using State-Space Modeling, Jacob Trivisonno

Open Access Master's Theses

Soft robots, primarily composed of compliant materials, exhibit highly complex and nonlinear dynamics, making precise control a significant challenge. Traditional control methods often struggle with these complexities, requiring more advanced and data-driven methods. In our previous work, “Automatic Control of a Soft Trunk Robot Actuated by Strings” [1], a proportional controller was developed to drive the steady-state tracking error to zero. While this method was effective, it required time-consuming manual tuning and was not easily adaptable to physical modifications of the robot.

To address these limitations, this research implements gain-scheduled feedback control with state-space models calculated through a multiple linear …

Optical-Link-Aware Online Waypoint Planner For Asv-Auv Systems, Ansel R. Austin

Open Access Master's Theses

The growing demand for ocean mapping and survey missions has increased interest in reliable AUV-ASV platforms. In such systems, reliable communication between the AUV and ASV is critical for monitoring the AUV's status and offloading large data products such as multi-beam sonar point clouds. While the range of acoustic telemetry can span several kilometers, its bandwidth is inadequate for transmitting high-volume data streams (such as images and point clouds). Underwater optical communication modems, in contrast, provide a relatively high bandwidth but are hindered by rapid attenuation in turbid water and a narrow field of view. This thesis introduces an online, …

Earthquake Wrangler: Leveraging Ios Technology For Earthquake Detection And Early Warning Application To Enhance Public Safety., Luis F. Salome

Theses and Dissertations--Civil Engineering

Earthquakes are devastating natural phenomena and generate secondary hazards such as tsunamis, landslides and fires. Their catastrophic impacts span both developed nations including the United States, Japan, Turkey, and Italy and developing countries such as El Salvador, Haiti, Nepal and the Philippines, where disparities in early warning infrastructure remain important. Seismic events start with stress waves generated by tectonic plate motion, with body waves (P- waves and S-waves) and surface Rayleigh and love waves that carry energy through the earth. While some regions have adopted advanced early warning systems based on seismic hazard models and strong ground motion analysis, others …

Augmenting Machine Learning Technique Through Natural Language, Tasmia Tasrin

Theses and Dissertations--Computer Science

While artificial intelligence (AI) and machine learning (ML) have proven effective at addressing many of the challenges that we face in our everyday lives, there are many situations in which these methods struggle. Examples include environments where AI or ML systems must perform complex behaviors or those where rewards are difficult to calculate. To address this limitation, interactive machine learning (IML) techniques have been introduced, which incorporate machine-understandable human feedback into traditional ML approaches. This feedback is often given as a discrete, positive or negative numeric value. This feedback is typically provided as often as possible to convey a dense …

Integrated Compliant Structure For A Hand Exoskeleton, Tristan R. Koopman

Honors Undergraduate Theses

This thesis presents the design and prototyping of a wearable hand exoskeleton that integrates a flexible structural framework to assist with hand movement while maintaining comfort and anatomical conformity. The goal was to create a device that supports tendon-driven actuation through a compliant structure, combining elements of rigidity and flexibility to match the natural geometry and motion of the human hand. Traditional hand exoskeletons often trade off motion for structure or vice versa. This project aims to bridge that gap with a hybrid compliant design that balances flexibility and support. The design process followed an iterative approach involving rapid prototyping …

Cognitive Map Generation For Vision And Language Navigation, Alexander Sandoval Mesa

Dissertations and Theses

Visual-Language Navigation (VLN) presents significant challenges for autonomous agents, such as robots and virtual assistants, particularly in complex, dynamic environments where the seamless integration of visual perception and natural language understanding is critical. Traditional VLN systems often struggle with effectively aligning language instructions and visual scene understanding, limiting their adaptability and navigation efficiency.

This thesis proposes a novel Cognitive Map-based framework that addresses these challenges by transforming natural language navigation instructions into structured graph representations. The Cognitive Map consists of nodes representing waypoints, landmarks, decision points, and edges encoding spatial relationships and navigational actions. These maps are generated using Large …

Efficient And Test-Time Adaptive Visual Object Tracking In The Wild, Ram J. Zaveri

Graduate Theses, Dissertations, and Problem Reports (ETD)

Tracking a single object, given the location at the first frame, has been an ongoing challenge in the vision community for decades. Most recent approaches provide reasonably good performance, especially when benchmarked on in-distribution (ID) datasets, i.e., on the testing portion of the same datasets used for training. However, they incur high computational costs and hardware constraints, making their deployment in the wild for mobile, autonomous, and IoT applications still challenging. Efficient visual trackers address the efficiency aspect of such bottlenecks; however, they tend to overfit to their training distributions and lack generalization abilities, resulting in them performing well on …

Flower Cluster Matching Utilizing The Unscented Transform For Robotic Pollination, Andy Chu

Graduate Theses, Dissertations, and Problem Reports (ETD)

The use of automated systems for agriculture is integral to keeping the food supply secure. Both industry and academia are exploring and applying methods to increase the yield of plants in environments ranging from outdoor fields to greenhouses. Specifically, many automated systems use continuous monitoring of plants to track plant health and yield. The use of computer vision is necessary when it comes to precision operations that use robotics. Today, robots are trained to weed, harvest, and pollinate. To accomplish these tasks autonomously, a lot of data is needed, which is where spatial-temporal observations of the plants are being recorded …

Toward General Purpose Llms: From Domain Alignment To Multimodal And Multi-Agent Systems, Thang Nguyen

Dartmouth College Master’s Theses

Large Language Models have shown remarkable capabilities, but their generalization across domains, modalities, and collaborative settings remains limited. This work explores how LLMs can be adapted along three dimensions: domain specialization, multimodal processing, and multi-agent reasoning. First, we introduce a reward-guided retrieval mechanism that fine-tunes the retrieval component of a language model using preference-based supervision, improving response relevance in specialized domains. Building on this, we design a multi-agent framework for complex information-seeking tasks, where distinct agents handle query clarification, evidence extraction, and answer synthesis, enabling robust reasoning without additional model training. Extending beyond language, we investigate how LLMs can operate …

Time Series Forecasting With Lstm: An Extensive Content Analysis, Andri Pranolo, Xiaofeng Zhou, Yingchi Mao

Knowledge Engineering and Data Science

This paper presents a comprehensive bibliometric and content review of the trend, architecture, and application of long short-term memory (LSTM) models for time series forecasting. The study aims to provide insights into the overall statistics and distribution of papers focused on LSTM for forecasting. Additionally, the research questions address the most highly cited papers based on LSTM approaches in forecasting, the most productive journals in this field, and identifying trends, gaps, summary tasks and their performance, datasets availability, and future research directions for LSTM in forecasting. This paper is a comprehensive review of LSTM for forecasting from 2017 to 2023 …

Mapping Of Product Sales Potential Based On Brands In The East Kalimantan Region Using Hybrid Analytical Framework, Achmad F O Gaffar Mr, Mulyanto Mulyanto Mr, Arief Bw Putra Mr, Muhammad Taufiq Sumadi Mr, Emmilya Umma Aziza Gaffar

Knowledge Engineering and Data Science

In geographically dispersed markets, operational costs should be reflected in sales planning to support accurate performance evaluation. However, such considerations are often neglected in practice. This study proposes a hybrid analytical framework to map brand-based product sales potential, with and without operational cost consideration, using historical sales data from PT Karya Inti Total Anugerah (PT KITA) in East Kalimantan. The framework integrates spatial, statistical, and machine learning techniques. Principal Component Analysis (PCA) is used to reduce the dimensionality of variables related to travel distance, total sales, and units sold, where travel distance represents the primary contributor to operational costs. K-Means …

Cognitive Eeg Differentiation With Hypnosis-Based Noise Reduction And K-Harmonic Means For Personalized Brainwave Modeling, Ahmad Azhari, Dimas Chaerul Ekty Saputra

Knowledge Engineering and Data Science

This study investigates the integration of hypnosis-based noise reduction and K-Harmonic Means (KHM) clustering for personalized brainwave modeling using Electroencephalography (EEG) data. EEG signals were collected from 100 participants using a Neurosky Mindset sensor at the FP1 (prefrontal) location, with each subject performing nine standardized cognitive tasks such as breathing, memory recall, and mathematical problem-solving. Hypnosis was applied not as a filtering method but as a behavioral protocol to standardize subject conditions and minimize physiological and environmental noise. The EEG signals were sampled at 128 Hz and analyzed using KHM clustering with K=4K = 4K=4, resulting in a Silhouette Score …

Ahp–Python Framework For Multicriteria Modeling Of Rice Production In Asean, Mayang Anglingsari Putri, Risqy Siwi Pradini, Anuraga Jayanegara, Alexander Dimas Yonanta Putra

Knowledge Engineering and Data Science

Rice production is a key indicator of food security and agricultural stability in Southeast Asia, especially among Association of Southeast Asian Nations (ASEAN) countries. Despite shared regional goals, disparities in rice production remain, and previous studies mainly rely on descriptive statistics, lacking structured multicriteria decision-making frameworks and computational tools for cross-country comparisons. This study addresses these gaps by proposing an integrated Analytic Hierarchy Process (AHP)–Python framework to evaluate and rank ASEAN rice production from 2013 to 2022. Three criteria are used: Total Production Volume (K1), Production Growth Trend (K2), and Recent Year Performance (K3), capturing both long-term consistency and short-term …

Stable Numerical Solution Of An Elliptic Pde Inverse Problem Subject To Incomplete Boundary Conditions, Qasim Abd Ali Tayyeh

Knowledge Engineering and Data Science

This study addresses the challenging problem of solving inverse elliptic Partial Differential Equations (PDE) with incomplete boundary data, data available only on a part of the domain boundary. The aim is to develop a robust, effective numerical framework that consistently recovers parameters and/or sources from incomplete, ill-posed data. In the case of a variational problem discretized by the Finite Element Method (FEM) and solved by an adjoint-based optimization strategy, the framework uses Tikhonov regularization. Morozov's Discrepancy Principle is used to determine regularization parameters that achieve the best balance between accuracy and stability. Even with 5% noise in the measurement data, …

Assessing Deep Learning Models And Hyperparameter Optimization For Stable Time-Series Electricity Load Forecasting, Sukma Patrya, Aji Prasetya Wibawa, Aripriharta Aripriharta

Knowledge Engineering and Data Science

Long-term electricity load forecasting plays an important role in ensuring system reliability, optimizing energy management, and making operational plans in face of continuously rising electricity demands. This study suggests a complete deep learning method for univariate forecasting of future electricity loads based on climatology and electricity consumption data for the period between 2019 and 2023. The initial dataset was cleaned, normalized, and partitioned chronologically into train/test datasets. Four train/test split cases (20/80, 40/60, 60/40, 80/20) were considered to explore the impact of different levels of historical data availability on the performance of the suggested framework from data-poor to data-rich situations. …

Classification Of Indonesian Sign Language (Sibi) Using Data Mining Algorithms K-Nearest Neighbor And Random Forest, Muhammad Zaki Wirawan, Achmad Afif, Anik Nur Handayani, Imanuel Hitipeuw, Osamu Fukuda

Knowledge Engineering and Data Science

This study aims to address the communication hallenges faced by the Indonesian deaf community by developing an automatic classification model for Sistem Bahasa Isyarat Indonesia (SIBI) using data mining techniques. The main objective is to identify a practical algorithm for recognizing SIBI hand gestures to enhance accessibility and inclusiveness in digital communication. A comprehensive dataset consisting of 32,850 gesture samples representing SIBI alphabet signs was collected and processed through feature extraction, data cleaning, and normalization using Z-Transform and Min-Max methods. Two classification algorithms, K-Nearest Neighbor (KNN) and Random Forest, were implemented and evaluated using metrics such as accuracy, precision, recall, …