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

Computer Sciences Commons™

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

Engineering

Institution
Keyword
Publication Year
Publication
Publication Type
File Type

Articles 2161 - 2190 of 17312

Full-Text Articles in Computer Sciences

การจำแนกและการประเมินประสบการณ์ผู้ใช้จากบทวิจารณ์ของผู้ใช้โมไบล์แอปพลิเคชันโดยใช้การเรียนรู้ของเครื่อง, จิราพร รามจุล Jan 2024

การจำแนกและการประเมินประสบการณ์ผู้ใช้จากบทวิจารณ์ของผู้ใช้โมไบล์แอปพลิเคชันโดยใช้การเรียนรู้ของเครื่อง, จิราพร รามจุล

Chulalongkorn University Theses and Dissertations (Chula ETD)

การทำความเข้าใจประสบการณ์ของผู้ใช้ เป็นสิ่งสำคัญต่อความสำเร็จและการพัฒนาอย่างต่อเนื่องของโมไบล์แอปพลิเคชัน งานวิจัยนี้นำเสนอวิธีการจำแนกบทวิจารณ์ของผู้ใช้ตามลักษณะของประสบการณ์ผู้ใช้ที่มีต่อโมไบล์แอปพลิเคชัน โดยใช้ทั้งอัลกอริทึมการเรียนรู้ของเครื่อง และการเรียนรู้เชิงลึก บทวิจารณ์ของผู้ใช้ถูกจำแนกตามมิติของประสบการณ์ผู้ใช้ในด้านการปฏิบัติและประสบการณ์ผู้ใช้ในด้านความเพลิดเพลิน ซึ่งประกอบด้วยลักษณะของประสบการณ์ผู้ใช้ทั้งหมด 8 รายการ ตามที่นิยามไว้ในแบบสอบถามประสบการณ์ผู้ใช้แบบสั้น ผลลัพธ์การจำแนกบทวิจารณ์ของผู้ใช้สามารถนำไปใช้ร่วมกับการวิเคราะห์ความรู้สึกจากบทวิจารณ์ เพื่อประเมินคะแนนประสบการณ์ผู้ใช้โดยรวมของโมไบล์แอปพลิเคชันได้อย่างอัตโนมัติ จากการทดลองประเมินประสิทธิภาพของโมเดลพบว่าเบิร์ต มีประสิทธิภาพดีกว่าซัพพอร์ตเวกเตอร์แมชีน แรนดอมฟอเรสต์ และ ลอจิสติกรีเกรสชัน โดยมีค่าความเที่ยง เท่ากับ 80%, ค่าเรียกคืน เท่ากับ 74%, ค่าเอฟวัน เท่ากับ 76%, ค่าความแม่น เท่ากับ 78% และค่าเอยูซี เท่ากับ 0.94 นอกจากนี้ค่าคะแนนประสบการณ์ผู้ใช้โดยรวมของโมไบล์แอปพลิเคชันที่คำนวณได้มีค่าสหสัมพันธ์เชิงบวกในระดับปานกลางถึงสูงเป็น 0.68 กับค่าคะแนนการจัดอันดับบนแอปสโตร์ ผลการศึกษานี้ชี้ให้เห็นถึงศักยภาพของการวิเคราะห์และประเมินคะแนนประสบการณ์ผู้ใช้อย่างอัตโนมัติในการเสริมสร้างคุณภาพของโมไบล์แอปพลิเคชันและความพึงพอใจของผู้ใช้

Go to article

การพัฒนาส่วนแบ็กเอนด์ของเว็บแอปพลิเคชันโดยใช้เฟรมเวิร์กโหนดเจเอสแบบอิงแบบจำลอง, วีรยุทธ กันภัย Jan 2024

การพัฒนาส่วนแบ็กเอนด์ของเว็บแอปพลิเคชันโดยใช้เฟรมเวิร์กโหนดเจเอสแบบอิงแบบจำลอง, วีรยุทธ กันภัย

Chulalongkorn University Theses and Dissertations (Chula ETD)

การพัฒนาซอฟต์แวร์แบบอิงแบบจำลอง ได้กลายเป็นแนวทางที่มีศักยภาพในการวิศวกรรมซอฟต์แวร์ ซึ่งใช้แบบจำลองเป็นองค์ประกอบหลักในการสนับสนุนการพัฒนาซอฟต์แวร์ รวมถึงการพัฒนาเว็บแอปพลิเคชัน งานวิจัยนี้นำเสนอการประยุกต์ใช้แนวคิดของการพัฒนาแบบอิงแบบจำลองกับการพัฒนาแบ็กเอนด์ด้วยโหนดเจเอสโดยเน้นทั้งกระบวนการวิศวกรรมไปข้างหน้า และวิศวกรรมย้อนกลับ โดยได้พัฒนายูเอ็มแอลโพรไฟล์สำหรับโหนดเจเอสที่รองรับทั้งฐานข้อมูลแบบซีเควลและโนซีเควลเพื่อใช้ในการสร้างแบบจำลองการออกแบบของเว็บแอปพลิเคชัน และมีเครื่องมือสำหรับการแปลงแบบจำลองเป็นโค้ดและโค้ดเป็นแบบจำลอง ผลการประเมินแนวทางที่นำเสนอผ่านกรณีศึกษา 3 กรณี พบว่ากระบวนการวิศวกรรมไปข้างหน้ามีผลของอัตราการแปลงแบบจำลองเป็นโค้ดที่สูง โดยเฉพาะในส่วนของ Model (86.18-94.53%) และ Route (70.73-90.52%) โดยมีประสิทธิภาพที่ดีสอดคล้องกันทั้งในกรณีของซีเควล (มายซีเควล) และ โนซีเควล (มองโกดีบี) ขณะที่กระบวนการวิศวกรรมย้อนกลับให้ผลลัพธ์ความถูกต้องของการแปลงโค้ดเป็นแบบจำลองถึง 100% สำหรับโค้ดแบ็กเอนด์ในแต่ละรูปแบบการพัฒนา การดำเนินการนี้ช่วยลดระยะเวลาในการพัฒนาโค้ดอย่างมีนัยสำคัญ พร้อมทั้งคงไว้ซึ่งเอกสารประกอบระบบผ่านการสร้างแบบจำลองโดยอัตโนมัติ ซึ่งเป็นแนวทางที่ใช้งานได้จริงสำหรับการพัฒนาและบำรุงรักษาแบ็กเอนด์ด้วยโหนดเจเอส

Go to article

การค้นหาค่าสัมประสิทธ์การปล่อยก๊าซเรือนกระจกบนพื้นฐานแบบจำลองภาษาขนาดใหญ่, สุชานันท์ กระบวนยุทธ Jan 2024

การค้นหาค่าสัมประสิทธ์การปล่อยก๊าซเรือนกระจกบนพื้นฐานแบบจำลองภาษาขนาดใหญ่, สุชานันท์ กระบวนยุทธ

Chulalongkorn University Theses and Dissertations (Chula ETD)

งานวิจัยนี้ดำเนินการเพื่อวิจัยแบบจำลองภาษาขนาดใหญ่และเทคนิคต่างๆ ที่ช่วยเพิ่มศักยภาพของโมเดลเหล่านี้ รวมถึงวิศวกรรมที่รวดเร็วและการขยายความรู้เฉพาะ การศึกษานี้เกี่ยวข้องกับการออกแบบและพัฒนา AI agent เพื่อส่งคืนค่าสัมประสิทธ์ปล่อยก๊าซเรือนกระจกโดยอ้างอิงจากฐานข้อมูลที่ดูแลโดยองค์การบริหารก๊าซเรือนกระจก (องค์การมหาชน) ของประเทศไทย งานวิจัยนี้จะใช้ RAG เพื่อค้นหาข้อมูลที่ถูกจัดเก็บไว้ซึ่งมีความคล้ายคลึงกันมากที่สุดกับข้อมูลรับเข้า จากนั้น AI Agent จะส่งคืนค่าคำตอบเพียงคำตอบเดียวเดียวของค่าสัมประสิทธิ์การปล่อยก๊าซเรือนกระจกที่เกี่ยวข้องกับกิจกรรมที่รับเข้ามา จากการประเมินประสิทธิภาพของ LLM ขนาดกลางและขนาดใหญ่ที่ถูกเลือกทั้งห้าแบบจำลองนั้นมีแนวโน้มที่ดี

Go to article

การอัตโนมัติกระแสงานของระบบการจัดการเนื้อหาด้วยพาวเวอร์ออโตเมต, อภิญญา แขนสูงเนิน Jan 2024

การอัตโนมัติกระแสงานของระบบการจัดการเนื้อหาด้วยพาวเวอร์ออโตเมต, อภิญญา แขนสูงเนิน

Chulalongkorn University Theses and Dissertations (Chula ETD)

งานวิจัยนี้นำเสนอการพัฒนาระบบอัตโนมัติกระแสงานของระบบจัดการเนื้อหา หรือ ซีเอ็มเอส โดยใช้ ไมโครซอฟต์ พาวเวอร์ ออโตเมต และ เอไอ บิวเดอร์ บูรณาการกับ สตราพี ซีเอ็มเอส และ แชร์พอยต์ เพื่อเพิ่มประสิทธิภาพ ลดความผิดพลาดจากการดำเนินงานด้วยมือ และยกระดับความคล่องตัวในองค์กร กระแสงานที่พัฒนาแชร์พอยต์ประกอบด้วยการบูรณาการเว็บฮุก ของ สตราพี ซีเอ็มเอส เพื่อเริ่มต้นกระบวนการอัตโนมัติ การตรวจสอบความถูกต้องของเนื้อหาด้วยเอไอ บิวเดอร์ การบันทึกข้อมูลเหตุการณ์และข้อผิดพลาดในแชร์พอยต์ อีกทั้งการแจ้งเตือนผ่านไมโครซอฟท์ ทีม นอกจากนี้ ยังมีการใช้ จีพีที 4.0 สำหรับการวิเคราะห์บันทึกข้อผิดพลาด เพื่อเสนอแนวทางแก้ไขและปรับปรุงกระบวนการ ผลการทดลองในธนาคารพาณิชย์ไทยแห่งหนึ่งแสดงให้เห็นว่าสามารถลดระยะเวลาในการจัดการเนื้อหาได้ร้อยละ 87.5 และลดข้อผิดพลาดจากการป้อนข้อมูลได้ร้อยละ 80 เมื่อเทียบกับการทำงานแบบเดิมด้วยมนุษย์ งานวิจัยนี้ได้เน้นให้เห็นถึงศักยภาพของการใช้เทคโนโลยีดิจิทัลที่นำไปสู่โซลูชันการอัตโนมัติระบบการจัดการเนื้อหาที่เป็นรูปธรรม

Go to article

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

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

Chulalongkorn University Theses and Dissertations (Chula ETD)

Drug discovery, crucial for identifying new potential drug candidates to treat diseases and improve health, is increasingly enhanced by deep learning approaches such as molecular generation models. However, creating drug candidates with desired properties, such as the quantitative estimate of drug-likeness (QED), synthetic accessibility (SA), and binding affinity (BA), remains a significant challenge, especially when training generative models for specific protein targets with limited pharmaceutical data. Addressing these challenges, this thesis presents Mol-Zero-GAN, a novel framework designed to generate drug candidates tailored to specific protein targets without additional data by employing zero-shot adaptation techniques and Bayesian optimization (BO). By fine-tuning …

Go to article

การใช้เหมืองกระบวนการข้อมูลแบบหลายชั้นสำหรับเพื่อวิเคราะห์วิถีการรักษาพยาบาลของผู้ป่วยโรคเบาหวาน, Kantapat Chaichareenon Jan 2024

การใช้เหมืองกระบวนการข้อมูลแบบหลายชั้นสำหรับเพื่อวิเคราะห์วิถีการรักษาพยาบาลของผู้ป่วยโรคเบาหวาน, Kantapat Chaichareenon

Chulalongkorn University Theses and Dissertations (Chula ETD)

This study addresses the challenge of chronic diseases like diabetes, requiring ongoing care. It aims to visualize revisit intervals affecting patient treatment using multi-level process mining and machine learning to identify factors causing missed appointments. Our research shows that patients with improvements have shorter revisit intervals than those deteriorating, with a P-value of 3.83x10%. A significant challenge is the high number of no-shows. Using PyCaret to compare 14 models, we found that the historical attendance of individual patients is a crucial factor in predicting no-shows, with an AUC score of 0.80 using the Gradient Boosting Clas-sifier. Our analysis suggests that …

Go to article

การออกแบบและพัฒนาบริการด้านความมั่นคงโดยใช้วิธีปฏิบัติด้านความมั่นคง ของระบบแบบไมโครเซอร์วิส, สฤษฐิ์ราช ทรัพย์สิน Jan 2024

การออกแบบและพัฒนาบริการด้านความมั่นคงโดยใช้วิธีปฏิบัติด้านความมั่นคง ของระบบแบบไมโครเซอร์วิส, สฤษฐิ์ราช ทรัพย์สิน

Chulalongkorn University Theses and Dissertations (Chula ETD)

วิทยานิพนธ์นี้มีวัตถุประสงค์เพื่อนำเสนอการออกแบบและพัฒนาไมโครเซอร์วิสด้านความมั่นคง โดยการประยุกต์ใช้แบบรูปความมั่นคง แบบรูปไมโครเซอร์วิส และวิธีปฏิบัติด้านความมั่นคงของระบบแบบ ไมโครเซอร์วิส โดยเริ่มจากการศึกษาแบบรูปความมั่นคง 5 รายการ ได้แก่ แบบรูปการออกแบบและใช้รหัสผ่าน แบบรูปการให้อำนาจ แบบรูปการควบคุมการเข้าถึงเชิงบทบาท แบบรูปการกำหนดสิทธิ์ให้กับบทบาท และแบบรูปความมั่นคงหลายระดับ เพื่อนำมากำหนดเป็นรายการความต้องการของระบบสำหรับการออกแบบและพัฒนาไมโครเซอร์วิสด้านความมั่นคง ร่วมกับการประยุกต์ใช้แบบรูปไมโครเซอร์วิสและวิธีปฏิบัติ ด้านความมั่นคงของระบบแบบไมโครเซอร์วิส 28 รายการ ผู้วิจัยได้ทำการออกแบบสถาปัตยกรรมระบบของไมโครเซอร์วิสด้านความมั่นคง ออกแบบแผนภาพคลาสและความสัมพันธ์ระหว่างคลาส ออกแบบแผนภาพลำดับแสดงการทำงานร่วมกันของระบบไมโครเซอร์วิสด้านความมั่นคง จากนั้นทำการพัฒนาไมโครเซอร์วิสด้านความมั่นคงตามการออกแบบ และประยุกต์ใช้ ไมโครเซอร์วิสด้านความมั่นคงกับระบบผู้ป่วยนอกของโรงพยาบาล อีกทั้งได้ตรวจสอบความถูกต้อง ความเหมาะสม และคุณภาพของการออกแบบและพัฒนา ด้วยการประเมินการออกแบบและพัฒนา ไมโครเซอร์วิสด้านความมั่นคงโดยผู้เชี่ยวชาญ รวมถึงการวิเคราะห์แบบรูปที่ไม่ดีของการออกแบบระบบแบบไมโครเซอร์วิส ซึ่งระบบที่พัฒนาสามารถนำไปประยุกต์ใช้กับแอปพลิเคชันโดเมนที่ต้องการจัดการความมั่นคงของระบบ ซึ่งมีประโยชน์คือช่วยลดเวลาในการพัฒนา และเป็นการสนับสนุนการใช้ซ้ำไมโครเซอร์วิสด้านความมั่นคงที่พัฒนาขึ้น

Go to article

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

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

Chulalongkorn University Theses and Dissertations (Chula ETD)

A game story contains interactions between characters as well as the game world. Certain genres of games such as Visual Novels and Role-Playing Games rely on their stories to attract players. There were several proposed algorithms for story generation. They focused mainly on story generation for one main character. To our knowledge, there has not been a generator with support for multiple main characters, where each main character has their own storyline that could overlap with other main characters’ stories. With multiple main characters, players can see the game world through different viewpoints, thus getting more immersed into the game's …

Go to article

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

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

Chulalongkorn University Theses and Dissertations (Chula ETD)

This study presents a comprehensive approach to scene cut detection in videos using a combination of frame extraction and a Convolutional Neural Network (VGG16 model) with a Color Histogram method to prevent raw video file reconstruction. The main dataset contains 167,490 frames collected from various users on TikTok for the scene cut detection model development. However, since this research utilizes a modular design that consists of data preparation, data pre-processing, and model implementation stages, it promotes efficient use of resources and guarantees data safety. The results demonstrate that the model performs excellently in recognizing scene cuts. Specifically, video frames with …

Go to article

การแปลงแผนภาพเครื่องสถานะเชิงพร้อมกันให้เป็นนูเอ็สเอ็มวี, นนทวิชญ์ มากจันทร์ Jan 2024

การแปลงแผนภาพเครื่องสถานะเชิงพร้อมกันให้เป็นนูเอ็สเอ็มวี, นนทวิชญ์ มากจันทร์

Chulalongkorn University Theses and Dissertations (Chula ETD)

ระบบเชิงพร้อมกันเป็นระบบที่มีมากกว่าหนึ่งสายโยงใยซึ่งสามารถสลับกันทำงานระหว่างสายโยงใยโดยที่ไม่ต้องรอให้กระบวนการในสายโยงใยใดกระบวนการหนึ่งให้เสร็จสมบูรณ์ ซึ่งระบบเชิงพร้อมกันมักพบในระบบที่มีความซับซ้อน มีหลายงานที่ต้องดำเนินการและสายโยงใยที่ดำเนินงานนั้นอาจมีปฏิสัมพันธ์กัน เช่น เข้าถึงหน่วยความจำเดียวกัน เป็นต้น หนึ่งในวิธีที่สามารถอธิบายระบบเชิงพร้อมกันคือการใช้แผนภาพเครื่องสถานะซึ่งเป็นแผนภาพตามมาตรฐานยูเอ็มแอลรุ่น 2.5 แต่เนื่องจากแผนภาพเครื่องสถานะของระบบเชิงพร้อมกันไม่สามารถนำมาใช้ในการทวนสอบได้ เนื่องจากพฤติกรรมของระบบเชิงพร้อมกันมีรูปแบบเชิงไม่กำหนด งานวิจัยจึงเล็งเห็นประโยชน์ในการพัฒนาเครื่องมือแปลงแผนภาพเครื่องสถานะเป็นโค้ดนูเอ็สเอ็มวี ซึ่งเป็นการแปลงแผนภาพเครื่องสถานะของระบบเชิงพร้อมกันให้อยู่ในรูปของแบบจำลองเชิงรูปนัยให้สามารถทำการทวนสอบได้ โดยเปรียบเทียบและวิเคราะห์ระหว่างองค์ประกอบของแผนภาพเครื่องสถานะของระบบเชิงพร้อมกันตามมาตรฐานยูเอ็มแอลรุ่น 2.5 กับองค์ประกอบของนูเอ็สเอ็มวี แล้วนิยามกฏการแปลงแผนภาพเครื่องสถานะของระบบเชิงพร้อมกันให้เป็นนูเอ็สเอ็มวีเพื่อใช้ในการพัฒนาเครื่องมือการแปลง จากนั้นจึงพัฒนาเครื่องมือการแปลง สร้างแบบจำลองซึ่งเป็นกรณีศึกษาของระบบเชิงพร้อมกันที่อยู่ในรูปของแผนภาพเครื่องสถานะ สร้างข้อกำหนดเชิงรูปนัยที่ใช้ในการทวนสอบกรณีศึกษา และนำเครื่องมือการแปลงมาใช้ในการแปลงแบบจำลองกรณีศึกษาให้เป็นแบบจำลองเชิงรูปนัยนูเอ็สเอ็มวี แล้วทำการทวนสอบด้วยข้อกำหนดเชิงรูปนัยบนนูเอ็มเอ็มวี กระบวนการวิจัยและพัฒนาทั้งหมดที่กล่าวมาพบว่าผู้วิจัยสามารถแปลงแบบจำลองในรูปของแผนภาพเครื่องสถานะให้ป็นแบบจำลองเชิงรูปนัยและเห็นพฤติกรรมของการทำงานของระบบเชิงพร้อมกัน รวมถึงทวนสอบพฤติกรรมของระบบและได้ผลลัพธ์จากการทวนสอบที่เป็นไปตามข้อกำหนดเชิงรูปนัย

Go to article

การสร้างแอนิเมชัน 3 มิติ ของใบหน้าขณะพูดภาษาไทยสําหรับใช้ในการพัฒนาเกม, ภัทรานิษฐ์ มุสิกะประยูร Jan 2024

การสร้างแอนิเมชัน 3 มิติ ของใบหน้าขณะพูดภาษาไทยสําหรับใช้ในการพัฒนาเกม, ภัทรานิษฐ์ มุสิกะประยูร

Chulalongkorn University Theses and Dissertations (Chula ETD)

โครงงานมหาบัณฑิตนี้จึงเสนอวิธีการสร้างแอนิเมชัน 3 มิติ ของใบหน้าขณะพูดภาษาไทยสำหรับใช้ในการพัฒนาเกม ในการสร้างแบบจำลองเพื่อทำนายการเคลื่อนไหวของใบหน้าขณะพูดภาษาไทย ได้ใช้ชุดข้อมูลออดิโอวิชวล TSynC-3miti: Audiovisual Speech Synthesis Database from Found Data ร่วมกับแนวคิดจาก งานวิจัย A Decision Tree Framework for Spatiotemporal Sequence Prediction ที่ได้เสนอวิธีการสำหรับการทำนายลำดับข้อมูลที่มีจำนวนมิติสูงและต่อเนื่อง โดยใช้เทคนิคการแบ่งย่อยด้วยหน้าต่างเลื่อนร่วมกับวิธีการรวมกลุ่มของต้นไม้ตัดสินใจ ซึ่งสามารถนำมาประยุกต์ใช้ในการสร้างแอนิเมชันสำหรับการพูดได้ ในการทำนายการเคลื่อนไหวของใบหน้าขณะพูดภาษาไทยในโครงงานมหาบัณฑิตนี้ จะใช้ข้อมูลนำเข้าเป็นลำดับของสัญลักษณ์โฟเนติก จากจึงต้องมีการเตรียมชุดข้อมูลใหม่จากชุดข้อมูลออิดิโอวิชวล TSynC-3miti จากนั้นนำชุดข้อมูลไปฝึกสอนโมเดล และพัฒนาเครื่องมือที่ใช้ในการสร้างแอนิเมชัน โดยเป็นรูปแบบของส่วนเสริมสำหรับใช้ในเกมเอนจิน Unreal Engine โดยรับอินพุตเป็นข้อความภาษาไทย และจะได้ค่าการเคลื่อนไหวใบหน้ามาอ้างอิงบนใบหน้าของตัวละครในแต่ละช่วงเวลา ผลลัพธ์ของการทำงานของส่วนเสริมนี้จะได้เป็นแอนิเมชัน 3 มิติของโมเดลตัวละคร MetaHuman ที่สามารถพูดภาษาไทยได้อย่างสมจริง โดยผลการทดสอบพบว่าแอนิเมชันมีความสมจริงจากมุมมองทั้งหน้าตรงและหน้าเอียง โดยมุมมองหน้าเอียงดูสมจริงมากกว่า และการออกเสียงแต่ละโฟเนติกมีความสมจริงเช่นกัน

Go to article

การปรับปรุงประสิทธิภาพและยกระดับระบบบริการทางการเงินผ่านการบูรณาการ Olap และ Oltp, ชนม์ชนก วงศ์อภัย Jan 2024

การปรับปรุงประสิทธิภาพและยกระดับระบบบริการทางการเงินผ่านการบูรณาการ Olap และ Oltp, ชนม์ชนก วงศ์อภัย

Chulalongkorn University Theses and Dissertations (Chula ETD)

ระบบการเงินในปัจจุบันต้องเผชิญกับการจัดการข้อมูลจำนวนมากในแต่ละวัน เช่น การสั่งซื้อสินค้า การชำระเงิน และการเติมเงินเข้าสู่ระบบ ซึ่งต้องดำเนินการด้วยความรวดเร็วและความถูกต้องแม่นยำ ระบบดั้งเดิมที่ใช้ฐานข้อมูลประเภท OLTP ได้รับการออกแบบมาเพื่อรองรับการประมวลผลธุรกรรมแบบเรียลไทม์ แต่เมื่อปริมาณข้อมูลเพิ่มมากขึ้น ระบบเริ่มประสบกับข้อจำกัดในด้านประสิทธิภาพ การใช้ทรัพยากรสูง และความซับซ้อนในการตรวจสอบข้อมูล โดยเฉพาะอย่างยิ่งเมื่อต้องรองรับการทำงานพร้อมกันของหลายบริการ ทำให้ระบบต้องรับภาระที่มากขึ้นและส่งผลให้เกิดความล่าช้าในการเรียกดูข้อมูล โครงการนี้จึงมุ่งเน้นการออกแบบและพัฒนาระบบใหม่ที่ผสานความสามารถในการวิเคราะห์ข้อมูลเชิงลึกเข้ากับการประมวลผลธุรกรรมแบบเรียลไทม์ เพื่อลดข้อจำกัดด้านประสิทธิภาพและปรับปรุงการจัดการข้อมูลขนาดใหญ่ ระบบที่ออกแบบใหม่นี้จะช่วยเพิ่มศักยภาพในการวิเคราะห์ข้อมูลที่ซับซ้อน ช่วยให้การจัดทำรายงานและการตรวจสอบธุรกรรมเป็นไปอย่างมีประสิทธิภาพและรวดเร็ว โดยระบบสามารถดึงข้อมูลเชิงลึกเพื่อใช้ในการวิเคราะห์และการตัดสินใจได้อย่างแม่นยำ แนวทางการบูรณาการระหว่างการประมวลผลแบบ OLTP และการจัดการข้อมูลแบบ OLAP ที่นำเสนอในโครงการนี้ ไม่เพียงแต่ช่วยลดภาระการทำงานของฐานข้อมูล แต่ยังทำให้การวิเคราะห์ข้อมูลที่มีความซับซ้อนสูงสามารถทำได้อย่างรวดเร็วและมีประสิทธิภาพมากยิ่งขึ้น นอกจากนี้ โครงการยังได้พัฒนาแอปพลิเคชันสำหรับการเรียกดูข้อมูลโดยอิงจากแบบจำลองข้อมูล (Data Model) ซึ่งช่วยให้ผู้ใช้งานสามารถจัดการและวิเคราะห์ข้อมูลได้เองผ่านส่วนต่อประสานที่ใช้งานง่าย ไม่จำเป็นต้องมีความเชี่ยวชาญด้านฐานข้อมูล แอปพลิเคชันนี้ช่วยให้ผู้ใช้สามารถมองเห็นภาพรวมของข้อมูล เลือกวิเคราะห์ในเชิงลึก และสร้างรายงานได้อย่างคล่องตัว จากการศึกษาและทดลองพบว่าการใช้งานฐานข้อมูลประเภท OLAP ร่วมกับ OLTP ช่วยเพิ่มความสามารถในการเรียกดูข้อมูลที่มีปริมาณมากและซับซ้อนได้อย่างรวดเร็วมากขึ้นโดยที่ไม่จำเป็นต้องเปลี่ยนแปลงโครงสร้างของฐานข้อมูลดังเดิมที่เป็นประเภท OLTP ดังนั้นโครงการนี้จึงสามารถแก้ไขปัญหาที่พบในระบบเดิม ด้วยระบบที่สามารถดึงข้อมูลขนาดใหญ่ได้อย่างรวดเร็วและมีประสิทธิภาพสูง พร้อมแอปพลิเคชันที่ช่วยให้ผู้ใช้งานสามารถวิเคราะห์ข้อมูลได้ด้วยตนเอง เพิ่มขีดความสามารถในการตัดสินใจเชิงกลยุทธ์ ตอบสนองต่อความต้องการทางธุรกิจได้อย่างแม่นยำและคล่องตัว

Go to article

การพัฒนาระบบสำหรับการวิเคราะห์ความต้องการด้านความสามารถของผู้จัดการโครงการซอฟต์แวร์ในประเทศไทยตามกรอบงานพัฒนาความสามารถด้านการจัดการโครงการ, ธัญญา ธารากุล Jan 2024

การพัฒนาระบบสำหรับการวิเคราะห์ความต้องการด้านความสามารถของผู้จัดการโครงการซอฟต์แวร์ในประเทศไทยตามกรอบงานพัฒนาความสามารถด้านการจัดการโครงการ, ธัญญา ธารากุล

Chulalongkorn University Theses and Dissertations (Chula ETD)

อาชีพการบริหารโครงการในประเทศไทยได้รับความสนใจอย่างมาก โดยมีบุคคลจำนวนมากที่ประกอบอาชีพนี้อยู่ในปัจจุบันและอีกหลายคนที่ต้องการเข้ามาทำงานในสายอาชีพนี้ ความท้าทายหลักที่บุคลากรเหล่านี้พบคือการขาดแหล่งข้อมูลที่สามารถให้ความรู้เกี่ยวกับเส้นทางการเติบโตในอาชีพ โดยเฉพาะอย่างยิ่งในด้านทักษะและความสามารถที่จำเป็นต่อความสำเร็จในการทำงาน งานวิจัยนี้มุ่งเน้นแก้ไขปัญหาดังกล่าวโดยใช้กรอบการพัฒนาความสามารถของผู้จัดการโครงการ หรือ เฟรมเวิร์กพีเอ็มซีดี (Project Manager Competency Development Framework หรือ PMCD Framework) ซึ่งได้รับการสนับสนุนจากสถาบันการจัดการโครงการ หรือ PMI ที่แบ่งความสามารถออกเป็น 3 ด้าน ได้แก่ ความสามารถเชิงความรู้ (Knowledge Competence) ความสามารถเชิงปฏิบัติการ (Performance Competence) และความสามารถทางบุคลากร (Personal Competence) โครงงานนี้มีวัตถุประสงค์เพื่อพัฒนาเว็บแอปพลิเคชันที่ช่วยให้ผู้ที่สนใจในสายอาชีพผู้จัดการโครงการสามารถค้นคืนความสามารถที่เป็นที่ต้องการในตลาดงานของประเทศไทยในเอกสารรับสมัครงานได้ โดยใช้คำค้นสารสนเทศที่อ้างอิงมาจากพีเอ็มซีดีและพจนานุกรมของกูเกิล และนำผลลัพธ์ที่ได้มาทำการวิเคราะห์ว่าความสามารถใดเป็นที่ต้องการของผู้จ้างงาน ผลลัพธ์ที่ได้จากการวิเคราะห์ข้อมูลนี้จะทำให้ทราบถึงความต้องการด้านความสามารถของผู้จัดการโครงการซอฟต์แวร์ในประเทศไทย ได้ให้ข้อมูลเกี่ยวกับความสามารถที่สำคัญและจำเป็นต่อสายอาชีพผู้จัดการโครงการ ซึ่งจะช่วยให้ผู้ที่ประกอบอาชีพการจัดการโครงการและผู้ที่มีความสนใจจะเข้ามาประกอบอาชีพในสายงานนี้ได้มีแนวทางที่ชัดเจนในการพัฒนาตนเองต่อไปอย่างถูกต้องและสอดคล้องกับความต้องการของตลาดแรงงานได้อย่างมีประสิทธิภาพ

Go to article

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

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

Chulalongkorn University Theses and Dissertations (Chula ETD)

The binding of a peptide antigen to a class I major histocompatibility complex (MHC) protein is considered an essential process by which the immune system monitors infected cells. This mechanism has facilitated the development of peptide-based vaccines aimed at stimulating the patient's immune response for cancer treat-ment. Accurate prediction of peptide-MHC binding is therefore crucial for prioritizing optimal peptides tailored to individual patients. Nevertheless, many MHC alleles lack sufficient experimental data on peptide-MHC binding, which potentially constrains the accuracy of existing prediction models. This study introduces an enhanced iteration of MHCSeqNet, an open-source deep learning model which utilizes sequence data …

Go to article

Improving Thai-Dialect Automatic Speech Recognition With Curriculum Learning, Artit Suwanbandit Jan 2024

Improving Thai-Dialect Automatic Speech Recognition With Curriculum Learning, Artit Suwanbandit

Chulalongkorn University Theses and Dissertations (Chula ETD)

Automatic Speech Recognition (ASR) has been the foremost feature and integrated in many real-world usages for decades. The novel deep learning approaches prevail in the ASR field as a model architecture. However, ASR still struggles with low-resource data, especially in the Thai dialectal language. Transfer learning is the conventional approach in the machine learning field for escalating the performance of low-resource settings. In the scenario that additional fine-tuning tasks are not achievable, exerting all efficiency of target data is an accountability. To overcome stagnation, we proposed transfer-based curriculum learning for low-resource dialectal ASR, Phonemetically-induced subword Out-of-vocabulary rate (PhIS-OOV), and Model …

Go to article

Grammatical Error Correction In Thai Sentences For Deaf Students, Supachan Traitruengsakul Jan 2024

Grammatical Error Correction In Thai Sentences For Deaf Students, Supachan Traitruengsakul

Chulalongkorn University Theses and Dissertations (Chula ETD)

Deaf students encounter challenges in written communication due to errors such as insertion, deletion, disorder, misusage, and misspellings. Grammatical error correction (GEC) technology can help mitigate these issues. However, existing GEC models are primarily trained on online resources from second-language hearing learners. In contrast, sentences written by deaf students suffer from a variety of errors not typically found elsewhere. To address this issue, we create the Thai Deaf Corpus (TDC), focusing on identifying and analyzing errors among deaf students in grades 7-12 across four deaf schools. Additionally, we introduce a two-stage system for the Thai-GEC model, automatically detecting and correcting …

Go to article

การสร้างเทสต์สคริปต์ของโรบอทเฟรมเวิร์คจากยูสเซอร์สตอรีและซีนาริโอ สำหรับการทดสอบเว็บแอปพลิเคชัน, กฤชวัฒน์ เวชสาร Jan 2024

การสร้างเทสต์สคริปต์ของโรบอทเฟรมเวิร์คจากยูสเซอร์สตอรีและซีนาริโอ สำหรับการทดสอบเว็บแอปพลิเคชัน, กฤชวัฒน์ เวชสาร

Chulalongkorn University Theses and Dissertations (Chula ETD)

กระบวนการพัฒนาซอฟต์แวร์ด้วยสกรัมเฟรมเวิร์กและแนวคิดบีเฮฟเวียร์ดริเวนดีเวลลอปเมนต์ (BDD) เป็นกระบวนการที่ได้รับความนิยมในปัจจุบัน โดยความต้องการของผู้ใช้จะถูกเก็บรวบรวมและถ่ายทอดผ่านยูสเซอร์สตอรีและซีนาริโอ ซึ่งทำหน้าที่เป็นทั้งตัวอย่างและเกณฑ์การยอมรับ การแบ่งการพัฒนาออกเป็นช่วงเล็ก ๆ ช่วยลดเวลาและต้นทุนในการพัฒนา อย่างไรก็ตาม กระบวนการที่มีการพัฒนาเป็นช่วงสั้น ๆ อย่างต่อเนื่องนี้สร้างความท้าทายสำหรับการทดสอบ โดยเฉพาะการทดสอบเชิงถดถอย แม้ว่าการทดสอบแบบอัตโนมัติจะถูกนำมาใช้เพื่อลดภาระ แต่การเขียนเทสต์สคริปต์ด้วยตนเองยังคงมีความเสี่ยงที่จะเกิดข้อผิดพลาดและขาดประสิทธิภาพ ส่งผลให้การทดสอบเชิงถดถอยที่สำคัญมักถูกเลื่อนออกไปจนไม่สามารถตรวจพบข้อผิดพลาดได้ทันการณ์ งานวิจัยนี้นำเสนอแนวทางการแก้ปัญหาด้วยการสร้างเทสต์สคริปต์สำหรับโรบอทเฟรมเวิร์กโดยอัตโนมัติจากยูสเซอร์สตอรีและซีนาริโอ โดยใช้ XML เพื่อกำหนดโครงสร้างส่วนต่อประสานผู้ใช้ของหน้าเว็บ ช่วยให้สามารถจัดเตรียมเทสต์สคริปต์ได้ตั้งแต่ขั้นตอนการออกแบบ นอกจากตัวอย่างในซีนาริโอแล้ว ยังใช้ XML Schema Definition (XSD) เพื่อสร้างชุดข้อมูลสำหรับการทดสอบเพิ่มเติมโดยอัตโนมัติ การพารามิเตอร์ไรซ์เทสต์สคริปต์ช่วยรวบรวมกรณีทดสอบที่มีขั้นตอนร่วมกัน แต่ใช้ชุดข้อมูลต่างกันไว้ในสคริปต์เดียวกัน ซึ่งช่วยลดความซับซ้อนและภาระในการบำรุงรักษา เครื่องมือที่พัฒนาขึ้นตามแนวทางนี้สามารถลดความยุ่งยากในการจัดการเทสต์สคริปต์และเพิ่มประสิทธิภาพในการทดสอบเชิงถดถอยได้อย่างมีนัยสำคัญ และช่วยสนับสนุนการตรวจพบข้อผิดพลาดตั้งแต่ช่วงแรกของกระบวนการพัฒนา

Go to article

Ai And Ml-Based Risk Assessment Of Chemicals: Predicting Carcinogenic Risk From Chemical-Induced Genomic Instability, Ajay Vikram Singh, Preeti Bhardwaj, Peter Laux, Prachi Pradeep, Madleen Busse, Andreas Luch, Akihiko Hirose, Christopher J. Osgood, Michael W. Stacey Jan 2024

Ai And Ml-Based Risk Assessment Of Chemicals: Predicting Carcinogenic Risk From Chemical-Induced Genomic Instability, Ajay Vikram Singh, Preeti Bhardwaj, Peter Laux, Prachi Pradeep, Madleen Busse, Andreas Luch, Akihiko Hirose, Christopher J. Osgood, Michael W. Stacey

Biological Sciences Faculty Publications

Chemical risk assessment plays a pivotal role in safeguarding public health and environmental safety by evaluating the potential hazards and risks associated with chemical exposures. In recent years, the convergence of artificial intelligence (AI), machine learning (ML), and omics technologies has revolutionized the field of chemical risk assessment, offering new insights into toxicity mechanisms, predictive modeling, and risk management strategies. This perspective review explores the synergistic potential of AI/ML and omics in deciphering clastogen-induced genomic instability for carcinogenic risk prediction. We provide an overview of key findings, challenges, and opportunities in integrating AI/ML and omics technologies for chemical risk assessment, …

Go to article

Learning Social Fairness Preferences From Non-Expert Stakeholder Opinions In Kidney Placement, Mukund Telukunta, Sukruth Rao, Gabriella Stickney, Venkata Sriram Siddardh Nadendla, Casey I. Canfield Jan 2024

Learning Social Fairness Preferences From Non-Expert Stakeholder Opinions In Kidney Placement, Mukund Telukunta, Sukruth Rao, Gabriella Stickney, Venkata Sriram Siddardh Nadendla, Casey I. Canfield

Computer Science Faculty Research & Creative Works

Modern kidney placement incorporates several intelligent recommendation systems which exhibit social discrimination due to biases inherited from training data. Although initial attempts were made in the literature to study algorithmic fairness in kidney placement, these methods replace true outcomes with surgeons' decisions due to the long delays involved in recording such outcomes reliably. However, the replacement of true outcomes with surgeons' decisions disregards expert stakeholders' biases as well as social opinions of other stakeholders who do not possess medical expertise. This paper alleviates the latter concern and designs a novel fairness feedback survey to evaluate an acceptance rate predictor (ARP) …

Go to article

Multimodal Fusion For Audio-Image And Video Action Recognition, Muhammad B. Shaikh, Douglas Chai, Syed M. S. Islam, Naveed Akhtar Jan 2024

Multimodal Fusion For Audio-Image And Video Action Recognition, Muhammad B. Shaikh, Douglas Chai, Syed M. S. Islam, Naveed Akhtar

Research outputs 2022 to 2026

Multimodal Human Action Recognition (MHAR) is an important research topic in computer vision and event recognition fields. In this work, we address the problem of MHAR by developing a novel audio-image and video fusion-based deep learning framework that we call Multimodal Audio-Image and Video Action Recognizer (MAiVAR). We extract temporal information using image representations of audio signals and spatial information from video modality with the help of Convolutional Neutral Networks (CNN)-based feature extractors and fuse these features to recognize respective action classes. We apply a high-level weights assignment algorithm for improving audio-visual interaction and convergence. This proposed fusion-based framework utilizes …

Go to article

A Chinese Power Text Classification Algorithm Based On Deep Active Learning, Song Deng, Qianliang Li, Renjie Dai, Siming Wei, Di Wu, Yi He, Xindong Wu Jan 2024

A Chinese Power Text Classification Algorithm Based On Deep Active Learning, Song Deng, Qianliang Li, Renjie Dai, Siming Wei, Di Wu, Yi He, Xindong Wu

Computer Science Faculty Publications

The construction of knowledge graph is beneficial for grid production, electrical safety protection, fault diagnosis and traceability in an observable and controllable way. Highly-precision text classification algorithm is crucial to build a professional knowledge graph in power system. Unfortunately, there are a large number of poorly described and specialized texts in the power business system, and the amount of data containing valid labels in these texts is low. This will bring great challenges to improve the precision of text classification models. To offset the gap, we propose a classification algorithm for Chinese text in the power system based on deep …

Go to article

Triphlapan: Predicting Hla Molecules Binding Peptides Based On Triple Coding Matrix And Transfer Learning, Meng Wang, Chuqi Lei, Jianxin Wang, Yaohang Li, Min Li Jan 2024

Triphlapan: Predicting Hla Molecules Binding Peptides Based On Triple Coding Matrix And Transfer Learning, Meng Wang, Chuqi Lei, Jianxin Wang, Yaohang Li, Min Li

Computer Science Faculty Publications

Human leukocyte antigen (HLA) recognizes foreign threats and triggers immune responses by presenting peptides to T cells. Computationally modeling the binding patterns between peptide and HLA is very important for the development of tumor vaccines. However, it is still a big challenge to accurately predict HLA molecules binding peptides. In this paper, we develop a new model TripHLApan for predicting HLA molecules binding peptides by integrating triple coding matrix, BiGRU + Attention models, and transfer learning strategy. We have found the main interaction site regions between HLA molecules and peptides, as well as the correlation between HLA encoding and binding …

Go to article

Adaptive Neh With Constrained Nearest Neighbor Subtours For The Electric Vehicle Routing Problem With Time Windows, Andrew Struthers Jan 2024

Adaptive Neh With Constrained Nearest Neighbor Subtours For The Electric Vehicle Routing Problem With Time Windows, Andrew Struthers

All Master's Theses

The development of electric vehicles is currently considered one of the most innovative areas in manufacturing. Largely driven by the desire to reduce greenhouse emissions, electric vehicles are seen as a viable alternative to internal combustion engine cars. Starting from consumer cars, a dedicated effort is being made to translate this into commercial vehicles for freight and delivery. This research introduces a novel adaptive Nawaz, Enscore, Ham (NEH) algorithm with constrained nearest neighbor subtour (NEH-NN). This algorithm is tested on the standard benchmark problems in literature and used as a seed solution for the Genetic Algorithm (GA). The performance and …

Go to article

Toward Inclusivity: Rethinking Islamophobic Content Classification In The Digital Age, Esraa Aldreabi, Mukul Dev Chhangani, Khawlah M. Harahsheh, Justin M. Lee, Chung-Hao Chen Jan 2024

Toward Inclusivity: Rethinking Islamophobic Content Classification In The Digital Age, Esraa Aldreabi, Mukul Dev Chhangani, Khawlah M. Harahsheh, Justin M. Lee, Chung-Hao Chen

Electrical & Computer Engineering Faculty Publications

In this paper, we implement a comprehensive three-class system to categorize social media discussions about Islam and Muslims, enhancing the typical binary approach. These classes are: I) General Discourse About Islam and Muslims, II) Criticism of Islamic Teachings and Figures, and III) Comments Against Muslims. These categories are designed to balance the nuances of free speech while protecting diverse groups like Muslims, ex-Muslims, LGBTQ+ communities, and atheists. By utilizing machine learning and employing transformer-based models, we analyze the distribution and characteristics of these classes in social media content. Our findings reveal distinct patterns of user engagement with topics related to …

Go to article

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

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

Electrical & Computer Engineering Faculty Publications

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

Go to article

Accelerating Cavity Fault Prediction Using Deep Learning At Jefferson Laboratory, Md M. Rahman, A. Carpenter, K. Iftekharuddin, C. Tennant Jan 2024

Accelerating Cavity Fault Prediction Using Deep Learning At Jefferson Laboratory, Md M. Rahman, A. Carpenter, K. Iftekharuddin, C. Tennant

Electrical & Computer Engineering Faculty Publications

Accelerating cavities are an integral part of the continuous electron beam accelerator facility (CEBAF) at Jefferson Laboratory. When any of the over 400 cavities in CEBAF experiences a fault, it disrupts beam delivery to experimental user halls. In this study, we propose the use of a deep learning model to predict slowly developing cavity faults. By utilizing pre-fault signals, we train a long short-term memory-convolutional neural network binary classifier to distinguish between radio-frequency (RF) signals during normal operation and RF signals indicative of impending faults. We optimize the model by adjusting the fault confidence threshold and implementing a multiple consecutive …

Go to article

Predictions Of Lattice Parameters In Niti High-Entropy Shape-Memory Alloys Using Different Machine Learning Models, Tu-Ngoc Lam, Jiajun Jiang, Min-Cheng Hsu, Shr-Ruei Tsai, Mao-Yuan Luo, Shuo-Ting Hsu, Wen-Jay Lee, Chung-Hao Chen, E-Wen Huang Jan 2024

Predictions Of Lattice Parameters In Niti High-Entropy Shape-Memory Alloys Using Different Machine Learning Models, Tu-Ngoc Lam, Jiajun Jiang, Min-Cheng Hsu, Shr-Ruei Tsai, Mao-Yuan Luo, Shuo-Ting Hsu, Wen-Jay Lee, Chung-Hao Chen, E-Wen Huang

Electrical & Computer Engineering Faculty Publications

This work applied three machine learning (ML) models—linear regression (LR), random forest (RF), and support vector regression (SVR)—to predict the lattice parameters of the monoclinic B19′ phase in two distinct training datasets: previously published ZrO₂-based shape-memory ceramics (SMCs) and NiTi-based high-entropy shape-memory alloys (HESMAs). Our findings showed that LR provided the most accurate predictions for ac, am, bm, and cm in NiTi-based HESMAs, while RF excelled in computing βm for both datasets. SVR disclosed the largest deviation between the predicted and actual values of lattice parameters for both training datasets. A combination approach …

Go to article

Scene Classification Of Remote Sensing Image Based On Multi-Path Reconfigurable Neural Network, Wenyi Hu, Chunjie Lan, Tian Chen, Shan Liu, Lirong Yin, Lei Wang Jan 2024

Scene Classification Of Remote Sensing Image Based On Multi-Path Reconfigurable Neural Network, Wenyi Hu, Chunjie Lan, Tian Chen, Shan Liu, Lirong Yin, Lei Wang

Electrical & Computer Engineering Faculty Publications

Land image recognition and classification and land environment detection are important research fields in remote sensing applications. Because of the diversity and complexity of different tasks of land environment recognition and classification, it is difficult for researchers to use a single model to achieve the best performance in scene classification of multiple remote sensing land images. Therefore, to determine which model is the best for the current recognition classification tasks, it is often necessary to select and experiment with many different models. However, finding the optimal model is accompanied by an increase in trial-and-error costs and is a waste of …

Go to article

An Enhanced Real-Time Intrusion Detection Framework Using Federated Transfer Learning In Large-Scale Iot Networks, Khawlah Harahsheh, Malek Alzaqebah, Chung-Hao Chen Jan 2024

An Enhanced Real-Time Intrusion Detection Framework Using Federated Transfer Learning In Large-Scale Iot Networks, Khawlah Harahsheh, Malek Alzaqebah, Chung-Hao Chen

Electrical & Computer Engineering Faculty Publications

The exponential growth of Internet of Things (IoT) devices has introduced critical security challenges, particularly in scalability, privacy, and resource constraints. Traditional centralized intrusion detection systems (IDS) struggle to address these issues effectively. To overcome these limitations, this study proposes a novel Federated Transfer Learning (FTL)-based intrusion detection framework tailored for large-scale IoT networks. By integrating Federated Learning (FL) with Transfer Learning (TL), the framework enhances detection capabilities while ensuring data privacy and reducing communication overhead. The hybrid model incorporates convolutional neural networks (CNNs), bidirectional gated recurrent units (BiGRUs), attention mechanisms, and ensemble learning. To address the class imbalance, Synthetic …

Go to article

Advancing Chronic Kidney Disease Prediction Through Machine Learning And Deep Learning With Feature Analysis, Shiddarth Dey Tusar, S. M. Ahad Ali Chowdhury, Md. Jalal Uddin Chowdhury, Rana M. Pir, H. M. Nur A. Alam, Muhammad Rezaur Rahman, Md. Nural Absar Siddiky, Muhammad Enayetur Rahman Jan 2024

Advancing Chronic Kidney Disease Prediction Through Machine Learning And Deep Learning With Feature Analysis, Shiddarth Dey Tusar, S. M. Ahad Ali Chowdhury, Md. Jalal Uddin Chowdhury, Rana M. Pir, H. M. Nur A. Alam, Muhammad Rezaur Rahman, Md. Nural Absar Siddiky, Muhammad Enayetur Rahman

Electrical & Computer Engineering Faculty Publications

Chronic Kidney Diesease (CKD) is a significant health issue, ranking as the fourth leading cause of mortality worldwide. The traditional diagnosis and treatment process, reliant on medical experts, is time-consuming. Therefore, thereis an urgent need for more efficient diagnostic methods to improve patient outcomes and reduce mortality rates. In this study, we employ Machine Learning (ML) and Deep Learning (DL) techniques to predict CKD based on important features. Feature analysis was performed using a correlation matrix and the LASSO algo-rithm to identify the most relevant features for model training. We evaluated several ML and DL classifiers, including Logistic Regression (LR), …

Go to article

First Prev Next Last