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

Computer Sciences Commons™

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

2021

Discipline
Institution
Keyword
Publication
Publication Type
File Type

Articles 3211 - 3240 of 3475

Full-Text Articles in Computer Sciences

The Impact Of Arabic Part Of Speech Tagging On Sentiment Analysis: A New Corpus And Deep Learning Approach, Abdul Munem Nerabie, Manar Alkhatib, Sujith Samuel Mathew, May El Barachi, Farhad Oroumchian Jan 2021

The Impact Of Arabic Part Of Speech Tagging On Sentiment Analysis: A New Corpus And Deep Learning Approach, Abdul Munem Nerabie, Manar Alkhatib, Sujith Samuel Mathew, May El Barachi, Farhad Oroumchian

All Works

Sentiment Analysis is achieved by using Natural Language Processing (NLP) techniques and finds wide applications in analyzing social media content to determine people’s opinions, attitudes, and emotions toward entities, individuals, issues, events, or topics. The accuracy of sentiment analysis depends on automatic Part-of-Speech (PoS) tagging which is required to label words according to grammatical categories. The challenge of analyzing the Arabic language has found considerable research interest, but now the challenge is amplified with the addition of social media dialects. While numerous morphological analyzers and PoS taggers were proposed for Modern Standard Arabic (MSA), we are now witnessing an increased …

Go to article

A Novel Efficient Quantum Random Access Memory, Mohammed Zidan, Abdel-Haleem Abdel-Aty, Ashraf Khalil, Mahmoud Abdel-Aty, Hichem Eleuch Jan 2021

A Novel Efficient Quantum Random Access Memory, Mohammed Zidan, Abdel-Haleem Abdel-Aty, Ashraf Khalil, Mahmoud Abdel-Aty, Hichem Eleuch

All Works

Owing to the significant progress in manufacturing desktop quantum computers, the quest to achieve efficient quantum random access memory (QRAM) became inevitable. In this paper, we propose a novel efficient random access memory for quantum computers. The proposed QRAM has a fixed structure and can be used efficiently to store both known and unknown classical/quantum data. The storage capacity of the proposed QRAM is more efficient than that of the classical RAMs and can be used to store both classical and quantum information. Furthermore, the proposed model can access an arbitrary location in O(1) compared with other state-of-the-art models.

Go to article

A Data-Based Guiding Framework For Digital Transformation, Zakaria Maamar, Saoussen Cheikhrouhou, Said Elnaffar Jan 2021

A Data-Based Guiding Framework For Digital Transformation, Zakaria Maamar, Saoussen Cheikhrouhou, Said Elnaffar

All Works

This paper presents a framework for guiding organizations initiate and sustain digital transformation initiatives. Digital transformation is a long-term journey that an organization embarks on when it decides to question its practices in light of management, operation, and technology challenges. The guiding framework stresses out the importance of data in any digital transformation initiative by suggesting 4 stages referred to as collection, processing, storage, and dissemination. Because digital transformation could impact different areas of an organization for instance, business processes and business models, each stage suggests techniques to expose data. 2 case studies are adopted in the paper to illustrate …

Go to article

Using Deep Learning Technique For Price Action Analysis In Gold Trading, Kwan Boon-Long Jan 2021

Using Deep Learning Technique For Price Action Analysis In Gold Trading, Kwan Boon-Long

Chulalongkorn University Theses and Dissertations (Chula ETD)

We introduce a new structural deep learning model purposing is to be able to learn price action trading features that subjective traders are using to make trading decisions based on the visual recent and actual price movements, rather than relying solely on technical indicators. The model combines convolutional neural networks (CNN) and long short-term memory (LSTM) to improve the trend forecasting of gold prices for better trading signals compared to traditional strategies. As the gold price is a time series data, it is appropriate to apply CNN and LSTM for forecasting. The concept of our model is that CNN could …

Go to article

การแบ่งส่วนภาพเชิงความหมายด้วยเทคนิคการเรียนรู้เชิงลึกบนชุดข้อมูลภาพท้องถนนในกรุงเทพมหานคร, กฤษพล ธิติสิริเวช Jan 2021

การแบ่งส่วนภาพเชิงความหมายด้วยเทคนิคการเรียนรู้เชิงลึกบนชุดข้อมูลภาพท้องถนนในกรุงเทพมหานคร, กฤษพล ธิติสิริเวช

Chulalongkorn University Theses and Dissertations (Chula ETD)

การแบ่งส่วนเชิงความหมายบนชุดข้อมูลภาพท้องถนนสามารถนำมาประยุกต์กับระบบขับเคลื่อนอัตโนมัติที่สามารถอำนวยความสะดวกแก่ผู้ขับขี่ และมีส่วนสำคัญในการลดอุบัติเหตุบนท้องถนน โดยระบบขับเคลื่อนอัตโนมัติที่ปลอดภัยนั้นจะต้องมีคุณสมบัติที่ดีคือสามารถทำงานได้อย่างแม่นยำในทุกภูมิประเทศ ซึ่งนำมาสู่ปัญหาในงานวิจัยนี้ โดยประการแรกการขาดแคลนชุดข้อมูลถนนประเทศไทยโดยเฉพาะในเมืองกรุงเทพมหานคร และประการที่สองสถาปัตยกรรมการเรียนรู้เชิงลึกโดยวิธีมาตรฐานนั้นยังให้ความแม่นยำไม่ได้มากพอที่จะนำไปประยุกต์กับระบบนี้ โดยวิทยานิพนธ์นี้จึงนำเสนอชุดข้อมูลถนนในกรุงเทพมหานครที่ประกอบด้วยภาพถ่ายนำเข้าและภาพผลเฉลยเป็นจำนวน 701 ภาพ ประกอบกับนำเสนอสถาปัตยกรรมใหม่ DeepLab-V3-A1 ด้วยการปรับปรุงโมเดล DeepLab-V3+ ด้วยการเพิ่มชั้นคอนโวลูชัน 1 x 1 ที่มีจำนวนแตกต่างกันในด้านดีโคตเดอร์ เพื่อเสริมประสิทธิภาพสถาปัตยกรรมต้นแบบ DeepLab-V3+ โดยชุดข้อมูลที่นำมาใช้วัดผลประกอบด้วยชุดข้อมูลถนนกรุงเทพมหานคร (The Bangkok Urbanscapes), The CamVid (ในเมืองเคมบริดจ์), และ The Cityscapes (50 เมืองจากยุโรปโดยเฉพาะในประเทศเยอรมัน) ผลการทดลองด้วยวิธีที่นำเสนอแสดงให้เห็นถึงประสิทธิภาพในการแบ่งส่วนภาพถ่ายเชิงความหมายได้ดีกว่าวิธีการมาตรฐานด้วยมาตรวัดเหล่านี้ Precision, Recall, F1 Score, และ Mean IoU

Go to article

Incorporating Context Into Non-Autoregressive Model Using Contextualized Ctc For Sequence Labelling, Burin Naowarat Jan 2021

Incorporating Context Into Non-Autoregressive Model Using Contextualized Ctc For Sequence Labelling, Burin Naowarat

Chulalongkorn University Theses and Dissertations (Chula ETD)

Connectionist Temporal Classification (CTC) loss has become widely used in sequence modeling tasks such as Automatic Speech Recognition (ASR) and Handwritten Text Recognition (HTR) due to its ease of use. CTC itself has no architecture constraints, but it is commonly used with recurrent models that predict letters based on histories in order to relax the conditional independent assumption. However, recent sequence models that incorporate CTC loss have been focusing on speed by removing recurrent structures, hence losing important context information. This thesis presents Contextualized Connectionist Temporal Classification (CCTC) loss, which induces prediction dependencies in non-recurrent and non-autoregressive neural networks for …

Go to article

A Rationale-Based Lifelong Learning Framework With Pseudo-Sample Replay Enhancement, Kasidis Kanwatchara Jan 2021

A Rationale-Based Lifelong Learning Framework With Pseudo-Sample Replay Enhancement, Kasidis Kanwatchara

Chulalongkorn University Theses and Dissertations (Chula ETD)

Lifelong learning (LL) is a machine learning paradigm in which a learner is sequentially trained on a stream of new tasks while preventing learned knowledge from being forgotten. To achieve lifelong language learning, pseudo-rehearsal methods leverage samples generated from a language model to refresh the knowledge of previously learned tasks. Without proper controls, however, these methods could fail to retain the knowledge of complex tasks with longer texts since most of the generated samples are low in quality. To overcome the problem, we propose three specific contributions. First, we utilize double language models, each of which specializes on a specific …

Go to article

Data Augmentation For Thai Natural Language Processing Using Different Tokenization, Patawee Prakrankamanant Jan 2021

Data Augmentation For Thai Natural Language Processing Using Different Tokenization, Patawee Prakrankamanant

Chulalongkorn University Theses and Dissertations (Chula ETD)

Tokenization is one of the most important data pre-processing steps in the text classification task and also one of the main contributing factors in the model performance. However, getting good tokenizations is non-trivial when the input is noisy, and is especially problematic for languages without an explicit word delimiter such as Thai. Therefore, we proposed an alternative data augmentation method to improve the robustness of poor tokenization by using multiple tokenizations. We evaluated the performance of our algorithms on different Thai text classification datasets. The results suggested our augmentation scheme makes the model more robust to tokenization errors and can …

Go to article

Demand Forecasting In Production Planning For Dairy Products Using Machine Learning And Statistical Methods, Chayuth Vithisoontorn Jan 2021

Demand Forecasting In Production Planning For Dairy Products Using Machine Learning And Statistical Methods, Chayuth Vithisoontorn

Chulalongkorn University Theses and Dissertations (Chula ETD)

Demand forecasting is an essential task in manufacturing of every industry. Efficient forecasting relieves the excessive stock and out-of-stock problem, reducing revenue loss. This research performs a direct multistep forecast approach of demand forecasting on 8 dairy products of 5 different dairy production plants with 5-year data. Widely used traditional statistical method and the state of the art deep learning method for sequence problems are picked. ARIMA and LSTM. The models are compared in many aspects, monthly observations against weekly observations, univariate against multivariate, and statistical against deep learning using model error and business metrics. The result shows that both …

Go to article

Performance Improvement Of Cms Simulation Via Loop Transformation, Teerit Ploensin Jan 2021

Performance Improvement Of Cms Simulation Via Loop Transformation, Teerit Ploensin

Chulalongkorn University Theses and Dissertations (Chula ETD)

High performance processor can tackle bottleneck issues by increasing vector lengths and leveling effectiveness of memory hierarchies to address these issue. Manual optimization of code is a difficult task when having multiple architecturedependent transformation. Our goal is to develop a tool that performs source code transformation based on loop optimization techniques, since a loop plays an important role in improving of performance in scientific simulation software. We implement an source-to-source transformation tool based libTooling, a Clang’s library, based on polyhedral model to simplify a loop transformation of CMSSW building pipeline. The tool also can be used for automatically transformation. The …

Go to article

Sentiment Analysis Of Messages On Twitter Related To Covid-19 Using Deep Learning Approach, Chotika Imvimol Jan 2021

Sentiment Analysis Of Messages On Twitter Related To Covid-19 Using Deep Learning Approach, Chotika Imvimol

Chulalongkorn University Theses and Dissertations (Chula ETD)

The widespread situation of the Coronavirus-19 (COVID-19) pandemic is a tangible and pressing concern. Many changes in terms of lifestyle are necessary to reduce the chance of infection. While citizens have gone through different emotions, they share their thoughts and interactions on social media, especially on Twitter. COVID-19 related messages can imply social emotion. This study performs sentiment analysis on tweets and annotated them into six classes of positive and negative feelings consisting of anger, disgust, fear, sadness, joy, and surprise. We analyzed both textual information and historical data. We collected 120,642 unique tweets datasets between 1 January 2020 and …

Go to article

Conformance Checking And Discovery Of Information Service Request Process, Liam Khaosanoi Jan 2021

Conformance Checking And Discovery Of Information Service Request Process, Liam Khaosanoi

Chulalongkorn University Theses and Dissertations (Chula ETD)

Process mining is a form of business process analysis. The approach could support organizations in retrieving structured process information by using recorded process data to discover, monitor and improve the processes. In this work, the process mining technology is applied for conformance checking and discovering an organization’s Information Service Request process in reality as a case study. Currently, the reference model was drawn as a simple flow using Microsoft Word. The proposed method starts with writing a VBA script to extract traces from the drawing that enables the generation of XES file used for modeling the reference process in Petri …

Go to article

Object Detection In Intelligent Billing System For Conveyor Belt Sushi Restaurant, Rangrak Maitriboriruks Jan 2021

Object Detection In Intelligent Billing System For Conveyor Belt Sushi Restaurant, Rangrak Maitriboriruks

Chulalongkorn University Theses and Dissertations (Chula ETD)

Organization must automate wherever and whenever they can, particularly during today’s global changes in daily lifestyles. Trends regarding the use of technology, especially AI has emerged as a key enabler for disruptive innovation. This thesis thus presents the application programming interface of object detector implemented with YOLOv4 and OpenCV for classifying the prices of sushi plates distinguished by colors. The object detector is part of the smart cross-platform mobile application to facilitate billing process for conveyor belt sushi business. The frontend is developed with Flutter to build single codebase for UIs. To handle the variants of image colors resulting from …

Go to article

Adaptive Image Preprocessing And Augmentation For Disease Screening On Multi-Source Chest X-Ray Datasets, Wasunan Chokchaithanakul Jan 2021

Adaptive Image Preprocessing And Augmentation For Disease Screening On Multi-Source Chest X-Ray Datasets, Wasunan Chokchaithanakul

Chulalongkorn University Theses and Dissertations (Chula ETD)

Research on deep learning models for chest radiology applications has increased attention by the public. However, most works focus on developing models using in-domain data, so the significant drawback, when applied in real-world scenarios, was the mismatched data with the training set. Consequently, some models perform inferior at the deployment stage. This work focused on the effects of dataset mismatch on chest radiography and analyzed the methods the overcome the mismatch issues. The lung balance contrast enhancement technique (lung BCET) automatically identifies the lung region and normalizes the image accordingly to improve the robustness of out-of-domain data developed. Additionally, augmentation …

Go to article

A Design Of Fpga Framework For Quantum Computing Simulation, Yaninee Jungjarassub Jan 2021

A Design Of Fpga Framework For Quantum Computing Simulation, Yaninee Jungjarassub

Chulalongkorn University Theses and Dissertations (Chula ETD)

​We use FPGA to optimize the simulation of quantum computing in two aspects. (a) The if-else state is used in place of tensor product calculation. This allows the tensor product of each quantum operator to be generated in a single clock cycle. (b) The pre-calculated lookup ROM is used for estimating the sine and cosine values. This facilitates the computation of quantum gates that are related to angle. To validate our work, we implement our design in VerilogHDL. The performance is evaluated using an FPGA simulator. The result shows a dramatic improvement in the simulation process comparing to those of …

Go to article

Cascading Model For Forex Market Forecasting Using Fundamental And Technical Indicator Data Based On Bert, Arisara Pornwattanavichai Jan 2021

Cascading Model For Forex Market Forecasting Using Fundamental And Technical Indicator Data Based On Bert, Arisara Pornwattanavichai

Chulalongkorn University Theses and Dissertations (Chula ETD)

The foreign exchange rate market is the world's biggest and most liquid financial market, and it's where all currency pairs' exchange rates are set. Since foreign exchange (Forex) rates play a critical role in financial technology and business, many researchers are now interested in forecasting them. The characteristics of Forex data, that include fluctuation, non-linearity, and random walk phenomena, make it difficult for forecasting. Several related studies integrate fundamental data (FD) and technical indicator data to generate Forex forecasting signals (TI). TI is a price pattern-based signal, whereas FD is an indicator of the country's economic conditions. Nevertheless, when it …

Go to article

Travel Time Prediction With Graph Neural Network: A Case Study In Bangkok Thailand, Sathita Buapang Jan 2021

Travel Time Prediction With Graph Neural Network: A Case Study In Bangkok Thailand, Sathita Buapang

Chulalongkorn University Theses and Dissertations (Chula ETD)

Traffic prediction is an essential and challenging task for traffic management and commercial purposes. Machine learning methods for traffic prediction usually treat traffic conditions as time-series due to obvious temporal patterns. Recently, spatial relationships among roads in a road network have also been used to improve traffic prediction. This study proposes a novel method to predict traffic conditions such as speed using a graph convolutional neural network with a spectral adjacency matrix (GCN-Spectral). Unlike a spatial adjacency matrix representing physical connections between road segments, a spectral matrix represents the correlation between road segments regarding traffic conditions. The GCN-Spectral model is …

Go to article

Pulmonary Lesion Classification Using Convolutional Neural Network For Endobronchial Ultrasonogram, Banphatree Khomkham Jan 2021

Pulmonary Lesion Classification Using Convolutional Neural Network For Endobronchial Ultrasonogram, Banphatree Khomkham

Chulalongkorn University Theses and Dissertations (Chula ETD)

This dissertation aims to develop a method to help classify pulmonary lesions from endobronchial ultrasonography images by proposing new features that are extracted from an EBUS image based on medical knowledge and a pulmonary lesion classification framework. The proposed features, namely the adaptive weighted-sum of the upper triangular gray-level co-occurrence matrix and the adaptive weighted-sum of the lower triangular gray-level co-occurrence matrix are used to determine heterogeneity, which is one of the most important characteristics of malignancy. The proposed features together with other standard features are used as input data for the proposed classification framework that uses the weighted ensemble …

Go to article

Thai Tokenizer Invariant Classification Based On Bi-Lstm And Distilbert Encoders, Noppadol Kongsumran Jan 2021

Thai Tokenizer Invariant Classification Based On Bi-Lstm And Distilbert Encoders, Noppadol Kongsumran

Chulalongkorn University Theses and Dissertations (Chula ETD)

Natural language processing (NLP) is a topic in artificial intelligence to teach computer to understand human language. Researchers can feed text of some particular language in any length and type such as characters, words, and sentences into the algorithm to extract a summarized context in terms of numbers. To accept a word array in Thai language, tokenization process is needed to split a text into words because each sentence is written consecutively without any space between words. In general, different tokenizers can produce different sets of words from a single sentence, resulting in uncontrolled accuracies in NLP and related tasks. …

Go to article

Warehouse Processes Improvement Using Lean Six Sigma And Rfid Technology, Pakkaporn Rungruengkultorn Jan 2021

Warehouse Processes Improvement Using Lean Six Sigma And Rfid Technology, Pakkaporn Rungruengkultorn

Chulalongkorn University Theses and Dissertations (Chula ETD)

The warehouse processes are critical to the success of every organization. Thus, a well-managed warehousing process increases an organization's efficiency. The objective of this thesis is to improve warehouse processes in garment manufacturing using Lean Six Sigma and RFID Technology to reduce waste time and non value-added activities of the current processes. Lean Six Sigma is business process improvement technique that combines the tools and principles of Lean and Six Sigma. The DMAIC methodology was employed in this research, which stands for Define, Measure, Analyze, Improve, and Control. Additionally, Model analysis, Value Stream Mapping (VSM), SIPOC charts, and Cause and …

Go to article

Classification Of Abusive Thai Messages In Social Networks Using Deep Learning, Ruangsung Wanasukapunt Jan 2021

Classification Of Abusive Thai Messages In Social Networks Using Deep Learning, Ruangsung Wanasukapunt

Chulalongkorn University Theses and Dissertations (Chula ETD)

Social media has improved on traditional news sources by allowing increased access to information. However, the anonymity social media provides can lead to abusive and hateful speech without detection or repercussion from individuals with malicious intentions. This research develops a binomial and a multinomial classification model for classifying Thai social media text for five categories of abusive content detection in social media that include Rude, Figurative, Dirty, Offensive and Non-Abusive. The experiments demonstrated that DistilBERT achieved the highest F1 score with 0.8510 for the binomial model and 0.9067 for the multinomial model. BiLSTM performed second best with an F1 score …

Go to article

Designing Answer Sets For Thai Advisory Chatbot With Different Talking Styles For Covid-19 Pandemic, Sakolwan Peetaneelavat Jan 2021

Designing Answer Sets For Thai Advisory Chatbot With Different Talking Styles For Covid-19 Pandemic, Sakolwan Peetaneelavat

Chulalongkorn University Theses and Dissertations (Chula ETD)

This research focuses on designing a set of answers for Thai advisory chatbot using a different conversational approach from conventional chatbot for COVID-19 pandemic in order to improve user’s chatbot experience. The research studies how to modify the underlying interactive chatbot language to suit those extrovert and introvert personalities. To evaluate the correctness of answer set design, the author builds two classification models based on Extroversion Text Classification Model (ETCM). Both models utilize the same Logistic Regression algorithm, but different feature selection techniques. The first model relies solely on Term Frequency-Inverse Document Frequency (TF-IDF) property. In contrast, the second model …

Go to article

Considering Neighbor Projection On Neural Based Recommender Systems, Thitiporn Neammanee Jan 2021

Considering Neighbor Projection On Neural Based Recommender Systems, Thitiporn Neammanee

Chulalongkorn University Theses and Dissertations (Chula ETD)

Now, CF is applied with a neural network to make the model more flexible and more accurate. Different neighbors have a different influence on the target user, and different users usually have different rating patterns. Therefore, the proposed method needs to consider two major issues when applying CF with a neural network: the similarity levels between the neighbors and the target user and the user's rating pattern conversion. Thus, the proposed method consists of three main modules to solve the issues mentioned above: rating conversion, similarity module uses, and prediction module. In the experiment, the proposed method is evaluated and …

Go to article

Thai Variable-Length Question Classification For E-Commerce Platform Using Machine Learning With Topic Modeling Feature, Wasu Chunhasomboon Jan 2021

Thai Variable-Length Question Classification For E-Commerce Platform Using Machine Learning With Topic Modeling Feature, Wasu Chunhasomboon

Chulalongkorn University Theses and Dissertations (Chula ETD)

Nowadays, e-commerce platform continuously grows every year and becomes a part of our daily life. However, the application changes from time to time. Either new users or experienced users could face a problem. Several channels, which are FAQ, email, live chat, and call, are provided by e-commerce platform to cope with the problem. FAQ is usually ignored because it is hard to search for the desired answer. The rest channels are applicable. However, the huge number of users causes a bottleneck especially in the special events which delays the users to receive help because customer service agent can reply to …

Go to article

ผลของรูปแบบการนำเสนอบนอินสตาแกรมสตอรี่ ตัวชี้วัดประสิทธิภาพของอินสตาแกรมสตอรี่ที่มีต่ออัตราการคลิกผ่าน, นิรมล ระหว่างงาม Jan 2021

ผลของรูปแบบการนำเสนอบนอินสตาแกรมสตอรี่ ตัวชี้วัดประสิทธิภาพของอินสตาแกรมสตอรี่ที่มีต่ออัตราการคลิกผ่าน, นิรมล ระหว่างงาม

Chulalongkorn University Theses and Dissertations (Chula ETD)

งานวิจัยนี้มีวัตถุประสงค์ในการศึกษา 2 ประการคือ (1) เพื่อศึกษาเปรียบเทียบอัตราการคลิกผ่าน ของอินสตาแกรมสตอรี่ที่ใช้รูปแบบสื่อและการใช้ฟีเจอร์ที่แตกต่างกัน และ (2) เพื่อศึกษาตัวชี้วัดประสิทธิภาพในอินสตาแกรมสตอรี่ (Instagram Story Metric) ที่ส่งผลต่ออัตราการคลิกผ่าน ในการศึกษาครั้งนี้ผู้วิจัยใช้วิธีการทดลอง โดยสร้างโฆษณาบนอินสตาแกรมสตอรี่แบบปกติขึ้นมา 4 รูปแบบ ได้แก่ (1) รูปแบบภาพประกอบข้อความสั้น ที่ไม่มีการใส่สติกเกอร์ปฏิสัมพันธ์ (2) รูปแบบภาพประกอบข้อความสั้นที่มีการใส่สติกเกอร์ปฏิสัมพันธ์ (3) รูปแบบวิดีโอประกอบข้อความสั้นที่ไม่มีการใส่สติกเกอร์ปฏิสัมพันธ์ (4) รูปแบบวิดีโอประกอบข้อความสั้นที่มีการใส่สติกเกอร์ปฏิสัมพันธ์ จากนั้นเก็บข้อมูลการคลิกผ่าน (Clickthrough) และข้อมูลเบื้องลึก (Insight) ที่เกิดขึ้นหลังจากเผยแพร่อินสตาแกรมสตอรี่ไปแล้ว เพื่อทำการวิเคราะห์อัตราการคลิกผ่าน (Clickthrough Rate : CTR) อัตราการคงอยู่ (Retention Rate) อัตราการเข้าถึง (Reach Rate) อัตราการแตะไปข้างหน้า (Tap-forward Rate) อัตราการแตะย้อนกลับ (Tap-backward Rate) และอัตราการกดออก (Exit Rate) จากการศึกษาพบว่ารูปแบบการนำเสนอแบบภาพและวิดีโอ มีผลต่ออัตราการคลิกผ่านแตกต่างกัน การไม่ใช้และการใช้สติกเกอร์ปฏิสัมพันธ์ส่งผลต่ออัตราการคลิกผ่านแตกต่างกัน และมีปฏิสัมพันธ์ระหว่างรูปแบบสื่อการนำเสนอกับการเลือกไม่ใช้หรือเลือกใช้สติกเกอร์ที่มีผลต่ออัตราการคลิกผ่านแตกต่างกัน การเลือกใช้สติกเกอร์ปฏิสัมพันธ์ รูปแบบสื่อประเภทวิดีโอ อัตราการแตะย้อนกลับ (Tap-backward Rate) อัตราการคงอยู่ (Retention Rate) มีความสัมพันธ์กับอัตราการคลิกผ่าน มากไปหาน้อยตามลำดับ อัตราการกดออก (Exit Rate) อัตราการเข้าถึง (Reach Rate) และอัตราการแตะไปข้างหน้า (Tap-forward Rate) ไม่สามารถสรุปได้ว่ามีความสัมพันธ์กับอัตราการคลิกผ่านในการวิจัยครั้งนี้

Go to article

ผลของการคัดเลือกสนิปตัวแทนต่อการวิเคราะห์การได้มากขึ้นจากเซตของยีนในบาทวิถีการให้สัญญาณจากฐานข้อมูล Kegg ในการศึกษาความสัมพันธ์ทั้งจีโนม, เจษฎา วีรเดชกำพล Jan 2021

ผลของการคัดเลือกสนิปตัวแทนต่อการวิเคราะห์การได้มากขึ้นจากเซตของยีนในบาทวิถีการให้สัญญาณจากฐานข้อมูล Kegg ในการศึกษาความสัมพันธ์ทั้งจีโนม, เจษฎา วีรเดชกำพล

Chulalongkorn University Theses and Dissertations (Chula ETD)

วิทยานิพนธ์นี้นำเสนอการเปรียบเทียบระหว่างการวิเคราะห์บาทวิถีโดยใช้ข้อมูลสนิปทั้งหมดและข้อมูลสนิปตัวแทนจากการศึกษาความสัมพันธ์ทั้งจีโนม ชุดการวัดเปรียบเทียบสมรรถนะได้สร้างจากเจ็ดเซตข้อมูลกลุ่มกรณี-กลุ่มควบคุมจากการศึกษาความสัมพันธ์ทั้งจีโนมของเจ็ดโรคซับซ้อนโดย Wellcome Trust Case Control Consortium เจ็ดโรคซับซ้อนที่สนใจ ได้แก่ โรคอารมณ์สองขั้ว โรคหลอดเลือดแดงโคโรนารี โรคโครห์น ความดันเลือดสูง โรคข้ออักเสบรูมาตอยด์ เบาหวานชนิดที่ 1 และเบาหวานชนิดที่ 2 สนิปตัวแทนได้รับการคัดเลือกจากสนิปในตัวอย่างกลุ่มควบคุมโดยใช้ Tagger จากนั้นหนึ่งสนิปจะได้รับการคัดเลือกสำหรับใช้เป็นตัวแทนยีนโดยการหาค่าสูงสุดของค่าสถิติทดสอบแนวโน้มเอียงคอคราน-อาร์มิเทจเป็นเงื่อนไขการคัดเลือก ถึงแม้ว่ามีการคำนวณค่าสถิติทดสอบสำหรับแต่ละสนิป ค่าสถิติทดสอบสำหรับสนิปตัวแทนจะใช้เป็นค่าสถิติทดสอบสำหรับสนิปที่มีตัวแทนด้วย ส่งผลให้ข้อมูลสนิปที่มีตัวแทนไม่จำเป็นสำหรับการวิเคราะห์บาทวิถี การวิเคราะห์บาทวิถีกระทำโดยใช้ GSEA-SNP ซึ่งเป็นเทคนิคที่ได้รับการพัฒนาต่อจากเทคนิคการวิเคราะห์การได้มากขึ้นจากเซตของยีนหรือ GSEA และสามารถระบุว่า เซตของยีนในบาทวิถีสัมพันธ์กับโรคซับซ้อนหรือไม่ การวิเคราะห์บาทวิถีสนใจเฉพาะบาทวิถีการให้สัญญาณจาก Kyoto Encyclopedia of Genes and Genomes (KEGG) ดังนั้นจุดประสงค์ของการวัดเปรียบเทียบสมรรถนะคือการเปรียบเทียบสมรรถนะการระบุบาทวิถีเป้าหมายที่สัมพันธ์กับแต่ละโรคซับซ้อนจากบาทวิถีการให้สัญญาณทั้งหมด โดยรวมการวิเคราะห์บาทวิถีโดยใช้ข้อมูลสนิปทั้งหมดให้ผลการวิเคราะห์ไม่แตกต่างจากการวิเคราะห์บาทวิถีโดยใช้ข้อมูลสนิปตัวแทน ภายใต้เงื่อนไขการมีอยู่ของข้อมูลความไม่สัมพันธ์การเชื่องโยง ผลการศึกษาแสดงให้เห็นความเป็นไปได้ของการวิเคราะห์บาทวิถีโดยใช้เซตข้อมูลกลุ่มกรณี-กลุ่มควบคุมซึ่งการเก็บข้อมูลจีโนไทป์จะอาศัยสนิปตัวแทนจากการศึกษาความสัมพันธ์ทั้งจีโนม

Go to article

การตรวจจับสิ่งกีดขวางสำหรับเก้าอี้รถเข็นไฟฟ้าด้วยคอมพิวเตอร์วิทัศน์, เพ็ญพิชชา พัฒนจิตรศิลป์ Jan 2021

การตรวจจับสิ่งกีดขวางสำหรับเก้าอี้รถเข็นไฟฟ้าด้วยคอมพิวเตอร์วิทัศน์, เพ็ญพิชชา พัฒนจิตรศิลป์

Chulalongkorn University Theses and Dissertations (Chula ETD)

งานวิจัยนี้นำเสนอระบบตรวจจับสิ่งกีดขวางขณะถอยหลังสำหรับเก้าอี้รถเข็นไฟฟ้าด้วยเทคนิคคอมพิวเตอร์วิทัศน์ เพื่ออำนวยความสะดวกให้แก่ผู้พิการ และ ช่วยลดอุบัติเหตุที่อาจจะเกิดขึ้น ต้องมีการกำหนดระยะที่ต้องการให้ระบบทำการแจ้งเตือนเมื่อใกล้จะชนสิ่งกีดขวาง ซึ่งใช้กล้องจากสมาร์ทโฟนไปติดไว้ด้านหลังเก้าอี้รถเข็น จากนั้นใช้อัลกอริทึม YOLOv3 ในการตรวจจับสิ่งกีดขวางประเภทวัตถุ (object detection) แต่เนื่องจาก YOLOv3 ไม่สามารถตรวจจับสิ่งกีดขวางได้ทุกประเภท ในงานวิจัยนี้จึงได้มีการพัฒนาอัลกอริทึมที่ใช้ในการตรวจจับสิ่งกีดขวางที่เป็นเสา กำแพง หรือ ประตู เพิ่มเติมขึ้นมาด้วยวิธีการตรวจจับขอบภาพ (edge detection) เพื่อเพิ่มประสิทธิภาพในการตรวจจับสิ่งกีดขวางให้กับระบบ เมื่อมีการใช้งานร่วมกันระหว่าง 2 อัลกอริทึม ระบบจึงมีการเลือกใช้อัลกอริทึมในการตรวจจับสิ่งกีดขวางระหว่างวัตถุกับเส้นขอบ ซึ่งผลการทดลองพบว่า ระบบสามารถเลือกใช้อัลกอริทึมในการตรวจจับสิ่งกีดขวางได้ถูกต้องถึง 80% และ ทำการแจ้งเตือนก่อนชนได้แม่นยำสูงถึง 90% อีกทั้งระบบนี้ยังสามารถคำนวณเวลาก่อนชนได้ด้วย

Go to article

การคัดกรองวัณโรคด้วยวิธีการถ่ายทอดการเรียนรู้เชิงลึก, ชัยสิทธิ์ พัฒนาสุวรรณ Jan 2021

การคัดกรองวัณโรคด้วยวิธีการถ่ายทอดการเรียนรู้เชิงลึก, ชัยสิทธิ์ พัฒนาสุวรรณ

Chulalongkorn University Theses and Dissertations (Chula ETD)

วัณโรคเป็นปัญหาสาธารณสุขที่สำคัญ ควรมีการคัดกรองเชิงรุกเพื่อหาผู้ที่ติดเชื้อแยกออกมารักษาเพื่อไม่ให้โรคแพร่กระจาย โดยการพัฒนารูปแบบการเรียนรู้ของเครื่องเพื่อคัดกรองผู้ที่มีความเสี่ยง ซึ่งจะเป็นประโยชน์ต่อทั้งผู้ให้บริการด้านการดูแลสุขภาพและผู้ป่วย การประยุกต์ใช้เทคนิคการเรียนรู้เชิงลึกสำหรับการจำแนกภาพทางการแพทย์ได้รับการพัฒนาและเติบโตอย่างทวีคูณในช่วงไม่กี่ปีที่ผ่านมา คณะวิจัยได้เลือกใช้แบบจำลอง Convolution Neural Network (CNN) เนื่องจากเป็นหนึ่งในโมเดลที่มีชื่อเสียงและมีประสิทธิภาพสูงสำหรับงานในการแยกประเภทรูปภาพานวิจัยนี้นำเสนอโครงข่ายประสาทเทียมเพื่อจำแนกภาพทรวงอกออกเป็น 2 ประเภท คือ ภาพอกซเรย์ปอดปกติและปอดที่ติดเชื้อวัณโรค โดยมีแหล่งชุดข้อมูลภาพเอกซ์เรย์ทรวงอก 3 ชุด ได้แก่ Montgomery, Shenzen และกรองวัณโรค กรมควบคุมโรค นักวิจัยได้เปรียบเทียบสถาปัตยกรรมแบบจำลองการประมวลผลของ CNN ทั้ง 4 แบบเพื่อหาแบบจำลองที่ดีที่สุดที่เหมาะสำหรับการเอกซ์เรย์ทรวงอก โดยประเมินประสิทธิภาพแบบจำลองด้วยการใช้ Accuracy, Precision, Recall และ AUC ผลการศึกษานี้แสดงให้เห็นว่าแบบจำลอง DenseNet มีความแม่นยำมากกว่ารุ่นอื่นๆ และเราปรับแต่งแบบจำลองสำหรับเกณฑ์ที่ดีที่สุด และนำมาฝึกเพิ่มกับภาพเอกซเรย์ทรวงอกของกองวัณโรคของไทย เพื่อให้เหมาะกัยงานคัดกรองวัณโรคสำหรับคนไทย ความแม่นยำในการทำนายภาพเอกซเรย์ของ ปอดปกติและปอดที่ติดเชื้อวัณโรคในแบบจำลองที่ดีที่สุดคือ 91% และ AUC คือ 95% แบบจำลองที่ได้พัฒนาขึ้นมานี้จะช่วยผู้ให้บริการด้านสุขภาพในการคัดกรองวัณโรค สำหรับประชากรจำนวนมากในประเทศไทย

Go to article

แบบจำลองตรวจจับความฟุ้งซ่านจากไฟฟ้าคลื่นสมอง, ชุติมณฑน์ รุ่งศิลป์ Jan 2021

แบบจำลองตรวจจับความฟุ้งซ่านจากไฟฟ้าคลื่นสมอง, ชุติมณฑน์ รุ่งศิลป์

Chulalongkorn University Theses and Dissertations (Chula ETD)

การศึกษาเรื่องความฟุ้งซ่านได้รับความนิยมแพร่หลายเนื่องจากความฟุ้งซ่านเกี่ยวเนื่องกับปัญหาทางอารมณ์และสภาพจิตใจที่ไม่มีสุข การศึกษานี้จึงมีความสนใจที่จะพัฒนาแบบจำลองการเรียนรู้ของเครื่องสำหรับฝังในอุปกรณ์พกพาที่สามารถจัดหมวดหมู่ความฟุ้งซ่าน เพื่อช่วยให้ผู้คนสามารถติดตามความคิดของตนเองได้ ในการศึกษานี้ใช้เครื่องวัดสัญญาณไฟฟ้าคลื่นสมองชนิดจำนวนอิเล็กโทรดน้อย เพื่อบันทึกข้อมูลสภาวะสมองที่จะใช้ในการสร้างแบบจำลองทำนาย เพราะความสะดวกและเป็นความมิตรต่อผู้ใช้งาน โดยการศึกษาส่วนใหญ่ของการเรียนรู้ของเครื่องโดยใช้สัญญาณไฟฟ้าคลื่นสมองนั้นให้ผลลัพธ์ดีในระดับบุคคล แต่ในระดับกลุ่มมีเพียงบางการศึกษาที่ทำการพัฒนาแบบจำลอง ด้วยเหตุนี้จุดประสงค์ของการวิจัยนี้คือแบบจำลองระดับกลุ่มที่มีความแม่นยำสูง ดังนั้นจึงเลือกใช้การทวนสอบชนิด Leave One Participant Out Cross Validation (LOPOCV) เพื่อประเมินความถูกต้องของแบบจำลอง ผลการศึกษาพบว่าการใช้เทคนิค baseline normalization ในขั้นตอนคัดเลือกคุณลักษณะช่วยเพิ่มประสิทธิภาพ และแบบจำลองที่ใช้คือ ซพพอร์ตเวกเตอร์ แมชชีน ที่มีความแม่นยำของโมเดลที่ดีสุดเป็น 75.6 เปอร์เซนต์

Go to article

การสร้างคำถามภาษาไทยโดยใช้ Mt5, ณัฎฐนิช วิวัฒน์บุตรสิริ Jan 2021

การสร้างคำถามภาษาไทยโดยใช้ Mt5, ณัฎฐนิช วิวัฒน์บุตรสิริ

Chulalongkorn University Theses and Dissertations (Chula ETD)

มีงานวิจัยเกี่ยวกับเรื่องการสร้างคำถามอยู่จำนวนมากในขอบเขตภาษาอังกฤษแต่แทบไม่มีงานวิจัยเรื่องการสร้างคำถามในภาษาไทย มีชุดข้อมูลคำถาม-คำตอบในขอบเขตของภาษาอังกฤษมากกว่า 1 ล้านคู่คำถาม-คำตอบซึ่งมีจำนวนมากเมื่อเปรียบเทียบกับในขอบเขตของภาษาไทยที่มีอยู่เพียงประมาณ 12,000 คู่ งานวิจัยนี้ขอนำเสนอวิธีพัฒนาการสร้างคำถามอัตโนมัติจากบทความโดยไม่ต้องมีคำตอบในการสร้างคำถาม ภายใต้เงื่อนไขการฝึกสอนจากชุดข้อมูลที่มีอยู่อย่างจำกัด โดยแบบจำลองการสร้างคำถามอัตโนมัติซึ่งฝึกสอนโดยแบบจำลองที่ผ่านการเรียนรู้มาก่อน MT5 จากชุดข้อมูลที่มนุษย์สร้างขึ้น สามารถสร้างคำถามจากชุดข้อมูลภาษาไทยที่เมื่อประเมินอัตโนมัติโดยวัดจากคะแนน BLEU-1 ได้คะแนน 56.19 เราจึงนำเสนอวิธีการเพิ่มประสิทธิภาพการสร้างคำถามจากการสังเคราะห์ข้อมูลและกลไกที่นำเสนอเพิ่มเติมโดยยังคงใช้เพียงแบบจำลองที่ผ่านการเรียนรู้มาก่อน MT5 ซึ่งแบบจำลองที่ผ่านการพัฒนาแล้วมีคะแนน BLEU-1 ถึง 59.03 มากกว่าแบบจำลองที่ผ่านมา นอกจากนี้ผลการประเมินประสิทธิภาพของคำถามโดยมนุษย์ยังแสดงคะแนนด้านความไพเราะ 4.40 คะแนน, ด้านความเกี่ยวข้องกับบทความ 4.65 คะแนนและด้านการตอบคำถามได้จากบทความ 4.7 คะแนนจากทั้งหมด 5 คะแนน

Go to article

First Prev Next Last