Open Access. Powered by Scholars. Published by Universities.®
Physical Sciences and Mathematics Commons™
Open Access. Powered by Scholars. Published by Universities.®
Articles 1 - 3 of 3
Full-Text Articles in Physical Sciences and Mathematics
การเปรียบเทียบวิธีบูตสแตรปในการประมาณช่วงความเชื่อมั่นของค่าสัมประสิทธิ์การถดถอยเชิงเส้นที่มีมิติสูง, ภูวกร นิธิศนทีกุล
การเปรียบเทียบวิธีบูตสแตรปในการประมาณช่วงความเชื่อมั่นของค่าสัมประสิทธิ์การถดถอยเชิงเส้นที่มีมิติสูง, ภูวกร นิธิศนทีกุล
Chulalongkorn University Theses and Dissertations (Chula ETD)
งานวิจัยฉบับนี้มีวัตถุประสงค์เพื่อศึกษาและเปรียบเทียบช่วงความเชื่อมั่นสำหรับค่าสัมประสิทธิ์การถดถอยโดยแนวทางบูตสแตรปที่แตกต่างกัน (1) วิธีสุ่มตัวแปรตามและตัวแปรอิสระ (2) วิธีสุ่มส่วนเหลือ และ (3) วิธีสุ่มค่าถ่วงน้ำหนัก ผู้วิจัยได้จำลองชุดข้อมูลขนาดมิติต่ำและมิติสูงขึ้น และ นำมาวิเคราะห์เปรียบเทียบด้วยวิธีบูตสแตปที่แตกต่างกัน 3 วิธี โดยการวัดค่าเฉลี่ยเปอร์เซ็นต์ช่วงความเชื่อมั่นที่ครอบคลุมค่าสัมประสิทธิ์การถดถอยค่าจริง ค่าเฉลี่ยความกว้าง ค่าเฉลี่ยอัตราผลบวกเทียม และค่าเฉลี่ยอัตราผลลบเทียม ระหว่าง 1,000 ข้อมูล การวิเคราะห์ของเราพบว่าบูตสแตรปที่ใช้สุ่มตัวแปรตามและตัวแปรอิสระดีที่สุดในแง่ของทั้งค่าเฉลี่ยเปอร์เซ็นต์ช่วงความเชื่อมั่นที่ครอบคลุมค่าสัมประสิทธิ์การถดถอยค่าจริงและค่าเฉลี่ยอัตราผลบวกเทียม บูตสแตรปที่ใช้สุ่มส่วนเหลือดีที่สุดในแง่ของค่าเฉลี่ยความกว้าง และบูตสแตรปที่ใช้สุ่มค่าถ่วงน้ำหนักดีที่สุดในแง่ของค่าเฉลี่ยอัตราผลลบเทียม
การประยุกต์ใช้ตัวแบบซัพพอร์ตเวกเตอร์แมชชีนและตัวแบบโครงข่ายประสาทเทียมร่วมกับวิธีการทำให้เรียบแบบเอ็กซ์โปเนนเชียล, แซนนี่ ชัว
Chulalongkorn University Theses and Dissertations (Chula ETD)
การพยากรณ์อนุกรมเวลาเป็นการคาดคะเนผลลัพธ์จากข้อมูลในอตีต เพื่อเป็นแนวทางในการวางแผนการดำเนินงานด้านต่าง ๆ ในอนาคต งานวิจัยฉบับนี้ได้รวบรวมข้อมูลอนุกรมเวลาจากแหล่งข้อมูลต่าง ๆ ในประเทศไทยจำนวน 40 ชุด ทั้งปริมาณการผลิตสินค้า มูลค่าการจำหน่ายสินค้า ปริมาณเชื้อเพลิง ปริมาณน้ำในเขื่อน และจำนวนผู้ใช้บริการรถไฟฟ้า ซึ่งมีรูปแบบแนวโน้มและฤดูกาลของข้อมูลอนุกรมเวลาที่หลากหลาย สำหรับศึกษาการประยุกต์วิธีการทำให้เรียบแบบเอ็กซ์โปเนนเชียล (ES) ในการพยากรณ์ และเปรียบเทียบความแม่นยำของผลการพยากรณ์อนุกรมเวลาที่ได้จาก 3 ตัวแบบ คือ วิธีทำให้เรียบแบบเอ็กซ์โปเนนเชียล (ES), ตัวแบบผสมระหว่างตัวแบบ ES ร่วมกับตัวแบบโครงข่ายประสาทเทียม (ES+ANN) และตัวแบบผสมระหว่างตัวแบบ ES ร่วมกับตัวแบบซัพพอร์ทเวกเตอร์แมชชีน (ES+SVM) โดยมีเกณฑ์รากของค่าคลาดเคลื่อนกำลังสองเฉลี่ย (Root Mean Square Error : RMSE) เป็นเกณฑ์ในการเปรียบเทียบความแม่นยำของตัวแบบ ผลการศึกษาพบว่าตัวแบบผสมระหว่างตัวแบบ ES ร่วมกับตัวแบบโครงข่ายประสาทเทียม (ES+ANN) มีความแม่นยำในการพยากรณ์อนุกรมเวลามากที่สุดสำหรับข้อมูลทั้ง 40 ชุด
การศึกษาเปรียบเทียบการจำแนกประเภทข้อมูลคลื่นไฟฟ้าหัวใจด้วยการเรียนรู้เชิงลึกสำหรับข้อมูลคลื่นไฟฟ้าหัวใจที่มีสิ่งแปลกปน, ณัฏฐชัย บวรมงคลศักดิ์
การศึกษาเปรียบเทียบการจำแนกประเภทข้อมูลคลื่นไฟฟ้าหัวใจด้วยการเรียนรู้เชิงลึกสำหรับข้อมูลคลื่นไฟฟ้าหัวใจที่มีสิ่งแปลกปน, ณัฏฐชัย บวรมงคลศักดิ์
Chulalongkorn University Theses and Dissertations (Chula ETD)
งานวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบตัวแบบในการจำแนกประเภทข้อมูลคลื่นไฟฟ้าหัวใจโดยใช้ตัวแบบการเรียนรู้เชิงลึก 3 ตัวแบบได้แก่ (1)โครงข่ายประสาทเทียมแบบเพอร์เซ็ปตรอนหลายชั้น (MLPs) (2)โครงข่ายคอนโวลูชันเต็มรูป (FCNs) และ (3)โครงข่ายแบบเรสซิดวลหรือเรสเนท (ResNet) ชุดข้อมูลที่ใช้ทดสอบประกอบด้วย 2 ส่วนได้แก่ ส่วนของข้อมูลจำลอง และส่วนของข้อมูลจริงใช้ข้อมูลจากฐานข้อมูล MIT-BIH Arrythmia ในแต่ละชุดข้อมูลจะทำการเพิ่มสิ่งแปลกปนในข้อมูล 4 แบบได้แก่ Wandering baseline, Muscle tremor, AC interference และ Motion artifacts และเปรียบเทียบประสิทธิภาพของแต่ละตัวแบบด้วยวิธีครอสวาลิเดชัน แบ่งข้อมูลเป็น 10 ส่วนแล้วพิจารณา ค่าความถูกต้อง ค่าความแม่นยำ และค่าความครบถ้วน สำหรับส่วนของข้อมูลจำลอง พบว่าเมื่อพิจารณาค่าความถูกต้องแล้ว ในภาพรวมตัวแบบ MLPs มีค่าเฉลี่ยที่ต่ำกว่า FCNs และ ResNet ค่อนข้างเยอะ ในขณะที่ตัวแบบ FCNs และ ResNet ได้ผลออกมาค่อนข้างดี และได้ผลลัพธ์ใกล้เคียงกันในข้อมูลแต่ละชุด ในชุดข้อมูลที่มีสิ่งแปลกปนประเภท Wandering baseline ค่าเฉลี่ยมีค่าลดลงสำหรับตัวแบบ MLPs ในชุดข้อมูลที่มีสิ่งแปลกปนประเภท Muscle tremor และ AC interference ไม่พบว่าค่าเฉลี่ยลดลงอย่างชัดเจนในทุกกรณี และในชุดข้อมูลที่มีสิ่งแปลกปนประเภท Motion artifacts พบว่าค่าเฉลี่ยลดลงเล็กน้อยเมื่อใช้ตัวแบบ MLPs สำหรับค่าความแม่นยำและค่าความครบถ้วนพบว่ามีทิศทางเดียวกับค่าความถูกต้อง สำหรับข้อมูลจริง ในภาพรวมมีความใกล้เคียงกับผลการศึกษาในส่วนของข้อมูลจำลอง แต่ในชุดข้อมูลที่มีสิ่งแปลกปน Wandering baseline พบว่าประสิทธิภาพลดลงในทุกตัวแบบ