Computer Engineering Commons^™

Rodcast Interaction: A Novel Technique For Dense Virtual Reality Environments, Nevzat U. Demirseren

UNF Graduate Theses and Dissertations

Virtual Reality (VR) technologies continue to grow in popularity and application versatility, yet effective interaction within complex dense environments remains as a critical challenge. In particular, users with low level of VR experience often face decreased accuracy and dissatisfaction selecting occluded objects. A variety of interaction techniques to select and manipulate objects exist, but there is a research gap in understanding what kinds of techniques support users in dense environments. This study evaluates the user performance and preference in such environments. Three interaction techniques are examined in this study: Go-Go Hand, Flower Cone, and a proposed technique called RodCast Interaction. …

Solar Energy Prediction Using Advanced Hybrid Machine Learning Models, Jelawi A. Alqhtani

UNF Graduate Theses and Dissertations

Accurate short-term forecasting of solar power generation is critical for the reliable and cost-effective operation of renewable-based microgrids, where sudden weather-induced variability can compromise grid stability, battery scheduling, and energy trading decisions. Traditional physical and statistical models struggle to capture the complex non-linear relationships and localized weather effects, while individual deep learning architectures often exhibit systematic biases such as chronic under-prediction of peak generation. This thesis proposes a novel Cross-Feedback Ensemble framework that combines the complementary strengths of Long Short-Term Memory (LSTM), Gated Recurrent Unit (GRU), and one-dimensional Convolutional Neural Network (1D-CNN) models through an iterative cross-feedback mechanism and a …

Computational Pangenomics And Machine Learning For Genotype-Phenotype Analysis, Tejaswi Vemuri

UNF Graduate Theses and Dissertations

Phenotypes are the observable characteristics of an individual organism. Predicting quantitative phenotypes from genomic variation remains challenging when causal signals span both local motifs and distal regulatory contexts. Building on Frequented Regions (FRs)—subsequences conserved across genomes and extracted from a pangenome graph generated from a large collection of closely related species—we compare several modeling strategies across 35 Saccharomyces cerevisiae growth phenotypes: Random Forest (RF) on FR counts (called RFCounts), RF on FR sequences, 1D convolutional neural networks (CNN) on FR sequences, Long Short-Term Memory (LSTM) networks on FR sequences, a Genomewide Association Study (GWAS) baseline, and a sequence-based transformer model, …

Personalized Persuasion In The Digital Age: A Data-Driven Approach To Effective Communication, Annye Braca

Doctoral

This thesis investigates the potential of Machine Learning (ML) to personalize persuasive marketing messages. It explores the identification of individuals receptive to specific persuasion techniques based on their psychometric profiles. By developing ML models that incorporate these profiles, the thesis aims to predict the impact of tailored messages and improve the effectiveness of marketing communication.

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, …

Lara : A Light And Anti-Overfitting Retraining Approach For Unsupervised Time Series Anomaly Detection, Feiyi Chen, Zhen Qin, Mengchu Zhou, Yingying Zhang, Shuiguang Deng, Lunting Fan, Guansong Pang, Qingsong Wen

Research Collection School Of Computing and Information Systems

Most of current anomaly detection models assume that the normal pattern remains the same all the time. However, the normal patterns of web services can change dramatically and frequently over time. The model trained on old-distribution data becomes outdated and ineffective after such changes. Retraining the whole model whenever the pattern is changed is computationally expensive. Further, at the beginning of normal pattern changes, there is not enough observation data from the new distribution. Retraining a large neural network model with limited data is vulnerable to overfitting. Thus, we propose a Light Anti-overfitting Retraining Approach (LARA) based on deep variational …

Investigation Of A Busemann Intake At Negative Angle Of Attack, Mark E. Noftz, Andrew N. Bustard, Nicholas J. Bisek, Thomas J. Juliano, Joseph S. Jewell

Publications

A high-speed, shape-transitioned, inward-turning intake was tested in Purdue’s Boeing/AFOSR Mach 6 Quiet Tunnel. The inlet model, called the Indiana Inlet (INlet), had a total contraction ratio of 4.68:1 and a design point of Mach 6 at 0° angle of attack. The model was outfitted with a suite of high-frequency pressure transducers, and the external flowfield was imaged with high-speed schlieren photography. The INlet was tested under low freestream disturbance levels for a variety of freestream unit Reynolds numbers and at-4° angle of attack. An unsteady shockwave near the leading edge of the inlet forebody, indicative of boundary layer separation, …

Improving The Operator-Swarm Dynamic Under Mental Fatigue Constraints In Search And Rescue Operations, Jordan Morrow

Masters Theses

"Human-robot applications that allow for work to be done remotely are largely dependent on the lassitude of the operators. The exhaustion of these operators is a result of work completion and duration. Previous research attempts to evaluate the impact on reaction by quantiying human weariness. This paper examines how human weariness affects the human-robot dynamic in UAV-assisted search and rescue missions. An explanation of the connection between mental exhaustion and operator responsiveness over prolonged durations is provided by the search and rescue operations using UAV swarms (SAROUS) model. Through the use of artificial intelligence, SAROUS is modernized. This allows the …

Implication And Applications Of Machine Learning On Biomedical Images, Jason Hagerty

Doctoral Dissertations

Medical imaging ranges in modality including computer tomography imaging, x-ray imaging, digital microscopy, and macro-focus dermoscopy images. The latter two modalities are the focus of the presented work.

To perform a diagnostic evaluation on the captured dermoscopy image, it begins with what is usually a labor-intensive operation that requires an expert to perform the initial segmentation for localizing a region of interest (ROI). Once that ROI is obtained, a physician with years of training and experience will observe biological markers that can be used to visually differentiate whether a lesion is benign or malignant. A similar process is used for …

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 …

การศึกษาแบบแผนการเต้นของหัวใจระหว่างการวิ่ง โดยใช้การเรียนรู้ของเครื่องแบบไม่มีผู้สอนเพื่อการตรวจจับความผิดปกติ, ชวิน หังสสูต

Chulalongkorn University Theses and Dissertations (Chula ETD)

การศึกษานี้มีวัตถุประสงค์เพื่อวิเคราะห์รูปแบบการเต้นของหัวใจระหว่างการวิ่ง โดยใช้เทคนิคการตรวจจับความผิดปกติแบบไม่มีผู้สอน (Unsupervised Anomaly Detection - UAD) เพื่อการตรวจจับความผิดปกติ ปัญหาหลักในงานวิจัยนี้คือข้อจำกัดทางจริยธรรมในการรวบรวมข้อมูลภาวะวิกฤตเพื่อใช้สอนแบบจำลอง และความแปรปรวนของข้อมูลสรีรวิทยาที่สูงมากระหว่างบุคคลเพื่อแก้ไขปัญหานี้ งานวิจัยนี้ได้พัฒนาระบบเว็บแอปพลิเคชันสำหรับการรวบรวมและกำกับข้อมูล โดยผู้เชี่ยวชาญ และได้สร้างชุดข้อมูลอ้างอิงจากกลุ่มตัวอย่างนักวิ่ง 5 ท่าน จากนั้น ได้ดำเนินการศึกษาเชิงเปรียบเทียบแบบจำลอง UAD จำนวน 7 แบบจำลอง โดยใช้กลยุทธ์การเรียนรู้แบบจำเพาะบุคคล ภายใต้เงื่อนไข การกำหนดค่าไฮเปอร์พารามิเตอร์แบบคงที่ เพื่อจำลองสถานการณ์การใช้งานจริงแบบเริ่มต้น โดยปราศจากการปรับแต่งค่าล่วงหน้า และประเมินผลด้วยค่า F0.5-Score เพื่อเน้นความแม่นยำและลดการแจ้งเตือนที่ผิดพลาดผลการทดลองพบว่า เมื่อไม่มีการปรับจูนพารามิเตอร์ ประสิทธิภาพโดยรวมของทุกแบบจำลองลดลงอย่างมีนัยสำคัญ ซึ่งสะท้อนถึงความท้าทายในการสร้างแบบจำลองสากล อย่างไรก็ตาม แบบจำลอง Matrix Profile (MP) ในกลุ่มคลาสสิก พิสูจน์ให้เห็นถึงความทนทานสูงที่สุด โดยมีประสิทธิภาพเฉลี่ยสูงสุด (F0.5-Score 2.71%) และสามารถตรวจจับความผิดปกติได้ดีในรายบุคคล ในขณะที่แบบจำลองพื้นฐานล้มเหลวโดยสิ้นเชิง (0.00%) สำหรับกลุ่มการเรียนรู้เชิงลึก (USAD, LSTM-AE) พบว่ามีข้อจำกัดในการใช้งานแบบเริ่มต้น (Cold-start) โดยไม่สามารถตรวจจับความผิดปกติได้แม้จะมีปริมาณข้อมูลมาก หากปราศจากการปรับแต่งค่าพารามิเตอร์ ผลลัพธ์นี้ยืนยันว่าระบบเฝ้าระวังสุขภาพในอนาคตจำเป็นต้องมีกลไกการเรียนรู้แบบปรับตัว ร่วมด้วยเพื่อให้สามารถนำไปใช้งานจริงได้อย่างมีประสิทธิภาพ

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

Design And Evaluation Of A Thai Speech Emotion Recognition Corpus With Ambiguous Annotations, Chompakorn Chaksangchaichot

Chulalongkorn University Theses and Dissertations (Chula ETD)

THAI-SER is the first large-scale Thai speech emotion recognition corpus, comprising 41.6 hours (27,854 utterances) from 100 recordings across diverse environments (Zoom and studio). The data includes both scripted and improvised speech by 200 professional actors (112 females, 88 males, aged 18–55), covering five emotions: neutral, angry, happy, sad, and frustrated. Utterances were labeled via crowdsourcing, with rigorous quality control ensuring a majority agreement score above 0.71. Annotation reliability, measured by Krippendorff’s alpha, reached 0.692 (above the 0.667 threshold), and human emotion recognition accuracy reached 0.772 after filtering. We also report benchmark results from models trained and evaluated on both …

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

Computer Vision-Based Framework For Data Extraction From Heterogeneous Financial Tables: A Comprehensive Approach To Unlocking Financial Insights, Iftakhar Ali Khandokar, Priya Deshpande

Electrical and Computer Engineering Faculty Research and Publications

Information extraction from financial document images is crucial in computer vision and NLP, as financial data often exists in image or PDF format, enabling organizations to analyze and make informed business decisions using OCR advancements. The table contents of financial document images are one of the prominent structures to confine important portions of data of the document and many Deep learning-based methods have been proposed to detect Table regions inside document images. The shortcomings of the current approach are that it is bounded within the detection of the table region and struggles in cases such as handling different layouts and …

Research On Data Organization Methods And Key Technologies For Product-Oriented Smart Steel Bar Processing Systems, Peijun Zhang, Lianxia Ma, Chunlei Zhang, Xinwu Zan

ASEAN Journal on Science and Technology for Development

This paper addresses the issues in the data organization logic of existing intelligent steel bar processing systems, which are centered on construction projects. It investigates product-oriented data organization methods and the key technologies of logical correspondence between steel bar product identification codes and physical entities. The paper analyzes the product-oriented data organization logic and presents the corresponding data organization architecture. It also examines the feature extraction of steel bar product information classification and coding, as well as the dynamic completeness of the coding rule system. The paper provides a construction method for steel bar product identification codes and designs partial …

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. …