Computer Sciences Commons^™

Large Language Model-Based Framework For Mental Health Support Conversation In Thai, Radchaneeporn Changpun

Chulalongkorn University Theses and Dissertations (Chula ETD)

As mental health support needs continue to rise in Thailand, access to professional care remains constrained. LLM-based chatbots present a scalable alternative, though most current systems are limited to single-turn, solution-focused interactions. This thesis introduces a Large Language Model-Based Framework for Mental Health Support Conversations in Thai, organizing dialogues around five fundamental mental health counseling stages: rapport building, problem identification, goal setting, working, and termination. Drawing from Person-Centered Therapy (PCT) and Acceptance and Commitment Therapy (ACT). The framework was assessed against three single-agent baseline models using LLM-simulated users, with positive user reaction rates evaluated by LLMs. Results demonstrated a 79.01% …

Diffusion Model-Based Synthetic Image Augmentation For Enhancing Vehicle Detection Model Performance, Pawaris Parnphotong

Chulalongkorn University Theses and Dissertations (Chula ETD)

A critical challenge for modern object detection models is the significant performance degradation encountered in adverse weather or poor lighting conditions. This issue primarily stems from the imbalance of training datasets, which are predominantly composed of normal daytime scenes, resulting in reduced robustness when models face challenging scenarios. Although traditional data augmentation techniques exist, they are limited to pixel-level adjustments and inherently restricted in generating data diversity. Consequently, this research proposes an approach utilizing diffusion models to generate realistic synthetic images that simulate new atmospheric and environmental conditions. To maximize the efficiency of synthetic data generation, we investigated a crucial …

A Hybrid Hardware Modeling, Simulation, And Generation Framework : A Case Study Of Risc-V Out-Of-Order Superscalar Cpu Design, Tanawin Devaveja

Chulalongkorn University Theses and Dissertations (Chula ETD)

We present Kathryn, a novel framework that simplifies hardware design through a hybrid design flow and an integrated hybrid simulation approach. As specialized hardware demand grows, managing design complexity, precise control flow, and parallelism control remains challenging. Kathryn alleviates these issues by abstracting control logic and still maintaining designers’ cycle-accurate control ability. Moreover, Kathryn provides hardware-aggregation features, helping designers manage complex hardware component structures. As a result, in a simple RISC-V design, the model written in Kathryn shows a 2.6x reduction in lines of code compared to those of Verilog. [1] Moreover, in an Out-of-Order design, the model on Kathryn …

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 …

Music Generation Using Large Language Models : A Case Study On Traditional Thai Music, Sutusta Kunasorn

Chulalongkorn University Theses and Dissertations (Chula ETD)

This study presents a framework for music generation using Large Language Models (LLMs), focusing on the creation of symbolic compositions in the style of traditional Thai music. The framework integrates prompting techniques, retrieval-augmented generation (RAG), and multi-agent collaboration to guide the model in producing melodies that reflect Thai musical characteristics. ABC notation is used as the primary representation, allowing LLMs to process musical structure in a text-based format. The system incorporates curated Thai musical examples and theoretical knowledge to support culturally informed generation, while multiple agents work together to compose, evaluate, and refine musical ideas using rubric-based criteria adapted from …

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

Chulalongkorn University Theses and Dissertations (Chula ETD)

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

การเพิ่มประสิทธิภาพการจัดตารางการอัดประจุรถยนต์ไฟฟ้าโดยอาศัยข้อมูลโปรไฟล์แบตเตอรี่และเทคนิคการเรียนรู้ของเครื่อง, กนกภรณ์ ปัญจันทร์สิงห์

Chulalongkorn University Theses and Dissertations (Chula ETD)

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

การสร้างแบบจำลองเชิงรูปนัยของกระแสงานบีพีเอ็มเอ็นสำหรับกระบวนการซิงโครนัสและอะซิงโครนัสที่มีข้อจำกัดช่วงเวลาโดยใช้เครือข่ายไทมด์ออโตมาตา, กิตติศักดิ์ เขตรการณ์

Chulalongkorn University Theses and Dissertations (Chula ETD)

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

เครื่องมือสำหรับการตรวจสอบสินทรัพย์สารสนเทศจากแบบรูปความมั่นคง, ธีระยุทธ คชงาม

Chulalongkorn University Theses and Dissertations (Chula ETD)

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

ปัญญาประดิษฐ์ในบทบาทนักวิเคราะห์ข้อมูล : กรอบแนวคิดสำหรับการวิเคราะห์เชิงข้อมูลแบบอัตโนมัติด้วยแบบจำลองภาษาขนาดใหญ่และตัวแทนปัญญาประดิษฐ์, วิชญาดา เล้าสุบินประเสริฐ

Chulalongkorn University Theses and Dissertations (Chula ETD)

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

แบบจำลองเชิงรูปนัยของกระบวนการจัดการโครงการในมาตรฐาน Iso/Iec29110 โดยใช้คัลเลอร์เพทริเน็ต, วรันณ์ธร ศิริกระจาย

Chulalongkorn University Theses and Dissertations (Chula ETD)

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

ปัจจัยที่ส่งผลต่อความตั้งใจใช้งานโมไบล์แบงก์กิ้งอย่างต่อเนื่อง, รตน รัตนพรเจริญ

Chulalongkorn University Theses and Dissertations (Chula ETD)

การใช้บริการโมไบล์แบงก์กิ้ง ในประเทศไทยมีอัตราเติบโตอย่างต่อเนื่องภายใต้การสนับสนุนจากภาครัฐ แต่ในช่วงหลายปีที่ผ่านมากลับพบว่าผู้ใช้จำนวนมากยังคงใช้งานเพียงบางฟังก์ชันพื้นฐาน เช่น การโอน-จ่าย-รับเงิน เท่านั้น (ธนาคารแห่งประเทศไทย, 2567) และประสบการณ์กับมิจฉาชีพและความเชื่อมั่นในระบบก็ยังคงเป็นประเด็นสำคัญที่สะท้อนให้เห็นถึงพฤติกรรมหลังการยอมรับและใช้งานโมไบล์แบงกิ้งกับการเปิดใจใช้บริการการเงินดิจิทัลอื่น ๆ ของผู้ใช้บริการบริโภค ซึ่งยังขาดการศึกษาในเชิงลึกโดยเฉพาะด้านปัจจัยที่ส่งผลต่อความตั้งใจใช้งานอย่างต่อเนื่อง และการเปิดรับฟังก์ชันใหม่ทั้งจากผู้ให้บริการโมไบล์แบงกิ้งและผู้ให้บริการอื่น ๆ ภายใต้ บริบทของการรับรู้ประโยชน์, และคุณภาพการบริการงานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาปัจจัยที่ส่งผลต่อความตั้งใจใช้งานโมไบล์แบงก์กิ้งอย่างต่อเนื่อง ความตั้งใจใช้ฟังก์ชันที่ไม่เคยใช้งานและความตั้งใจใช้งานร่วมกับแอปพลิเคชันทางการเงินอื่น โดยอิงกรอบแนวคิดจากทฤษฎีความตั้งใจใช้งานต่อเนื่อง (Continuance Intention Model) รวมถึงการวิเคราะห์ผลจากประสบการณ์กับมิจฉาชีพต่างกัน กลุ่มตัวอย่างทั้งหมดจำนวน 434 คนถูกรวบรวมโดยการสุ่มแบบเจาะจง (Purposive Sampling) จากผู้ใช้โมไบล์แบงก์กิ้งในกรุงเทพมหานครและปริมณฑล ข้อมูลถูกวิเคราะห์ด้วยสถิติเชิงพรรณนาและการถดถอยเชิงพหุ (Multiple Regression Analysis)โดยผลการศึกษาพบว่า ปัจจัยด้านการรับรู้ประโยชน์ ความพึงพอใจ และความเชื่อมั่นในผู้ให้บริการ ส่งผลเชิงบวกต่อความตั้งใจในการใช้งานต่อเนื่องและการเปิดรับฟังก์ชันใหม่ทั้งจากธนาคารและผู้ให้บริการภายนอก ในขณะที่ประสบการณ์กับมิจฉาชีพมีแนวโน้มส่งผลให้ความตั้งใจใช้งาน แต่ไม่ส่งผลต่อการเปิดรับฟังก์ชันใหม่ การศึกษาปัจจัยด้านคุณภาพสารสนเทศทั้งสามมิติพบผลกระทบเชิงบวกต่อความพึงพอใจของผู้ใช้ และการศึกษาด้านความเชื่อมั่นพบผลกระทบเชิงบวกจากความสามารถ ความหวังดี และความซื่อสัตย์ของผู้ให้บริการ ผลการวิจัยนี้สามารถนำไปใช้พัฒนาแนวทางในการส่งเสริมการใช้งานฟังก์ชันของแอปพลิเคชันทางการเงินให้ครอบคลุมยิ่งขึ้น ทั้งในมิติการออกแบบระบบและผลิตภัณฑ์ทางการเงิน การสร้างความเชื่อมั่น และการออกนโยบายจัดการความเสี่ยงจากมิจฉาชีพ อีกทั้งยังสามารถขยายผลเชิงวิชาการในด้านการประยุกต์ใช้โมเดลพฤติกรรมผู้บริโภคในบริบทเทคโนโลยีทางการเงิน ซึ่งยังเป็นพื้นที่วิจัยที่เปิดกว้างและท้าทายในประเทศไทย

Motion Artifacts (Ma) At-Rest In Measured Arterial Pulse Signals: Time-Varying Amplitude In Each Harmonic And Non-Flat Harmonic-Ma Coupled Baseline, Md Mahfuzur Rahman, Mamun Hasan, Zhili Hao

Mechanical & Aerospace Engineering Faculty Publications

Motion artifacts (MA) cause great variability in a measured arterial pulse signal, and treatment of MA solely as a baseline drift (BD) fails to eliminate its effect on the measured signal. This paper presents a study on the effect of MA at rest (< 0.7 Hz) on measured arterial pulse signals using a microfluidic-based tactile sensor. By taking full account of the dynamic behavior of the transmission path from the true pulse signal in an artery to a measured pulse signal at the sensor, the tissue-contact-sensor (TCS) stack, an analytical model of MA in a measured pulse signal is developed. In this model, the TCS stack is treated as a 1DOF system for its dynamic behavior; MA is quantified as the displacement (i.e., BD) and time-varying system parameters (TVSP) of the TCS stack. The mathematical expression of MA in a measured pulse signal reveals that while BD remains as low-frequency additive noise, TVSP causes time-varying harmonics in a measured pulse signal. Further time-frequency analysis (TFA) of measured pulse signals validates the existence of TVSP and, for the first time, reveals its effect on a measured pulse signal: time-varying amplitude in each harmonic and non-flat harmonic-MA-coupled baseline.

A Two-Phase Learning Approach Integrated With Multi-Source Features For Cloud Service Qos Prediction, Fuzan Chen, Jing Yang, Haiyang Feng, Harris Wu, Minqiang Li

Information Technology & Decision Sciences Faculty Publications

Quality of Service (QoS) is a key factor for users when choosing cloud services. However, QoS values are often unavailable due to insufficient user evaluations or provider data. To address this, we propose a new QoS prediction method, Multi-source Feature Two-phase Learning (MFTL). MFTL incorporates multiple sources of features influencing QoS and uses a two-phase learning framework to make effective use of these features. In the first phase, coarse-grained learning is performed using a neighborhood-integrated matrix factorization model, along with a strategy for selecting high-quality neighbors for target users. In the second phase, reinforcement learning through a deep neural network …

A Spoofing Speech Detection Method Combining Multi-Scale Features And Cross-Layer Identification, Hongyan Yuan, Linjuan Zhang, Baoning Niu, Xianrong Zheng

Information Technology & Decision Sciences Faculty Publications

Pre-trained self-supervised speech models can extract general acoustic features, providing feature inputs for various speech downstream tasks. Spoofing speech detection, which is a pressing issue in the age of generative AI, requires both global information and local features of speech. The multi-layer transformer structure in pre-trained speech models can effectively capture temporal information and global context in speech, but there is still room for improvement in handling local features. To address this issue, a speech spoofing detection method that integrates multi-scale features and cross-layer information is proposed. The method introduces a multi-scale feature adapter (MSFA), which enhances the model’s ability …

Optimal Control Of Queueing Systems With Error-Prone Servers, Junqi Hu, Sigrún Andradóttir, Hayriye Ayhan

Information Technology & Decision Sciences Faculty Publications

Consider a Markovian tandem line with finite intermediate buffers and an equal number of stations and servers. Servers are flexible but noncollaborative, so that a job can be processed by at most one server at any time. When a job is being processed, it can be damaged and wasted depending on the proficiency of the server. We identify the dynamic server assignment policy that maximizes the long-run average throughput of the system with two stations and two servers. We find that the optimal policy is either a single or a double threshold policy on the number of jobs in the …

Investing In The Age Of Generative Ai: A Gpt-Based Sentiment Analysis Approach, Xianrong Zheng

Information Technology & Decision Sciences Faculty Publications

Generative AI, which ushers a new age of AI, comes with huge economic potential. To capitalize the AI boom, investors are interested in trading AI stocks. AI chatbots, which can identify and classify the sentiment from financial news, can be leveraged for investment. So, this paper proposes a GPT-based sentiment analysis approach for trading AI stocks. Also, natural experiments are conducted to evaluate its effectiveness. Initial results show that the approach achieves a good rate of return.

The Influence Of Shopping Context And Anthropocentric Bias On Consumer Preferences For Human And Ai Designers In Fashion, Dooyoung Choi, Ha Kyung Lee, Christina Soyoung Song, Ji Young Lee

Educational Leadership & Workforce Development Faculty Publications

This study explores how shopping contexts (hedonic vs. utilitarian) influence consumer preferences for AI- vs. human-designed fashion products. In Study 1, participants with hedonic motivations preferred human-designed items, while those with utilitarian motivations preferred AI-designed products, supporting the hypothesis that shopping context affects designer preferences. Study 2 further investigates the mediation of competence-warmth traits in designer preferences and the moderation of anthropocentric bias. It finds that hedonic shopping contexts increase the desire for warmth-related traits, leading to a preference for human designers, while utilitarian contexts favor competence-related traits and AI designs. Additionally, individuals with higher anthropocentric biases showed stronger preferences …

Procedural Terrain Generation: Noise Functions, Modern Methods, And Style Transfer, Hunter Barton

EWU Masters Thesis Collection

Procedural terrain generation, the algorithmic creation of digital terrain, finds use in multiple types of digital media. As the capabilities of modern computation increase, the ability to create more and more realistic terrains fully procedurally at scale improves. Modern methods of procedural generation have also overlapped with these advances, most notably advances in hardware. To account for this, a survey was done of modern methods for procedural terrain generation. Smooth procedural noise functions are one of the backbones of procedural terrain generation. Perlin noise, value noise, and fractal noise were explored in-depth. These noise functions were also tested for capabilities …

Death By Design: A Biological Approach To Container Security, Alexander Hunter Moomaw

EWU Masters Thesis Collection

Microservice architectures are central to modern cloud computing and have become the dominant design pattern for scalable, distributed applications. Kubernetes is often the tool used for rapid deployment and orchestration of microservices. A known issue for large networks clusters is a malicious actor can compromise a vulnerable cluster in minutes. Their ability to quickly compromise vulnerable clusters highlights the urgent need for stronger security. This project views cluster defense through a preemptive security lens, introducing the Cluster Life cycle Management System (CLMS). Inspired by the biological process of apoptosis, CLMS systematically replaces aging containers and services to prevent exploitation of …

Artificial Intelligence In Achieving Sustainable Development: Expectations Of Undergraduate Students, Jinhee Kim

STEMPS Faculty Publications

While there has been ample discussion regarding Artificial Intelligence (AI)’s contributions and challenges on the development agenda at the policy level, little is known about how students translate the potential and barriers of AI in achieving Sustainable Development Goals (SDGs). Drawing upon various qualitative data, including class observation, focus group interviews, and learning activity outcomes generated by 240 students across 7 different majors, this case study explores the expected roles of AI as well as barriers to AI adoption for sustainable development perceived by undergraduate students. The study revealed that students anticipated AI to play diverse roles, including data analyst, …

Examining Non-Traditional Online Learners' Ownership Of Learning In The Context Of Chatgpt-Facilitated Design, Mohan Yang, Tian Luo, Kristin Herman, Belle Li, Shanan Chappell Moots, Noah Glaser, Shiyan Jiang

STEMPS Faculty Publications

Generative artificial intelligence (GenAI) offers potential solutions to educational challenges by personalizing learning experiences for diverse learners. However, it also introduces complexities around issues of ownership of learning. As an indicator of empowered learning, ownership is a multifaceted but underexplored concept. In this study, the authors adopted a mixed-methods multiple-case study design to explore non-traditional online students’ perceived ownership of learning when using ChatGPT for instructional design. The authors adopted the psychology ownership construct consisting of self-efficacy, accountability, belongingness, and self-identity as the theoretical framework. Findings revealed students’ prior AI experiences and educational levels played a significant role in their …

Neural Network Algorithm And Analysis For Multi-Label Ecg Data Classification, Akhil Raghava Kalal

Theses and Dissertations

Electrocardiogram (ECG) analysis is a fundamental diagnostic tool in cardiology, providing critical insights into cardiac function that directly impact patient care decisions and treatment outcomes. As healthcare systems face increasing demands, automated ECG interpretation using artificial intelligence offers promising solutions to improve diagnostic accuracy, reduce physicians workload, and enhance early detection of life threatening conditions.

This thesis compares two advanced deep learning architectures, CNN-GRU and Wide and Deep Transformer, for multi-label classification of 12-lead ECG data. Using data from the PhysioNet/Computing in Cardiology Challenge 2020, I evaluated both architectures across 27 different cardiac abnormalities. Results demonstrated that CNN-GRU architecture consistently …

The Impact Of Loss Function Topology On Gradient Descent, Robert B. Skudnig Jr.

Theses and Dissertations

Gradient descent is a popular optimization method that utilizes a model’s prediction error to iteratively improve its parameters for a given task. The functions that measure this error can be defined to align with the user’s goals and sometimes satisfy metric or norm properties. It is common for these functions to measure over Rn, but any differentiable space allows for gradient descent to occur. There has been some research investigating the influence of topological spaces on optimization methods, but it is a limited field of study. This thesis further explores this phenomenon by applying a transformation prediction model to multiple …

A Systematic Review And Taxonomy For Privacy Breach Classification: Trends, Gaps, And Future Directions, Clint Fuchs, John Hastings

Research & Publications

In response to the rising frequency and complexity of data breaches and evolving global privacy regulations, this study presents a comprehensive examination of academic literature on the classification of privacy breaches and violations between 2010-2024. Through a systematic literature review, a corpus of screened studies was assembled and analyzed to identify primary research themes, emerging trends, and gaps in the field. A novel taxonomy is introduced to guide efforts by categorizing research efforts into seven domains: breach classification, report classification, breach detection, threat detection, breach prediction, risk analysis, and threat classification. An analysis reveals that breach classification and detection dominate …

Novel Generative And Language Model Architectures With Applications, Edison Mucllari

Theses and Dissertations--Mathematics

This dissertation investigates novel architectures to address fundamental challenges in machine learning, particularly focusing on transformer models, recurrent neural networks, GAN and continual learning and their applications in natural language processing and computer vision. We propose the Neumann-Cayley Gated Recurrent Unit (NC-GRU), which leverages a Neumann series-based Scaled Cayley transformation to maintain orthogonal weight matrices, effectively mitigating exploding gradients problems while improving long-term memory retention across prediction tasks. We demonstrate the practical applications of NC-GRU by implementing our proposed architecture into an autoencoder to derive neural molecular fingerprints. Building upon these advancements, we turn our attention to the transformer architecture, …

Temporal Machine Learning For Predicting Accidents And Violations In The Mining Industry, Nathan T. Kelley

Theses and Dissertations--Mining Engineering

This thesis examines the predictive capability of a temporal machine learning model for forecasting future accidents and violations at individual mines, based on historical data. Mine accidents were categorized by accident classification and violations were categorized by the Part Section. The primary datasets utilized were the mine safety and health administration’s (MSHA’s) Accident Injuries and Violations datasets. The available datasets were cleaned and organized by mine type and commodity, then divided into separate subsets for training, validating, and testing. Different models, cutoff metrics, learning rates, number of hidden layers, data processing methods, data processing divisions, number of points observed …

Enhancing Public Health Surveillance: Development And Validation Of Machine Learning Models For Suspected Opioid Overdose Detection In Emergency Medical Services Data, Peter J. Rock

Theses and Dissertations--Clinical and Translational Science

The ongoing opioid overdose crisis in the United States requires timely and accurate surveillance systems to inform public health responses. Traditional public health surveillance methods rely on hospital discharge data and death certificates, which suffer from significant reporting delays and miss cases where patients refuse hospital transportation. Emergency Medical Services (EMS) data presents a promising alternative with advantages in timeliness and case ascertainment but lacks validated definitions for suspected opioid overdose (SOO).

This dissertation addresses this critical gap through the development, validation, and fairness assessment of machine learning models with natural language processing (ML-NLP) for identifying SOOs in EMS data. …

Neural And Computational Approach To Understanding Environmental Modulation Of Behavioral Identity In Zebrafish, John W. Hageter

Graduate Theses, Dissertations, and Problem Reports (ETD)

Organisms rely on behavior for survival. Animals engage in behaviors that allow for feeding, mating, exploring and navigating their environment among others. Necessary for these behaviors to develop are the environmental factors and underlying circuitry which make behavior possible. Specifically, how the environment guides underlying neural circuitry to develop unique facets or phenotypes of a larger behavior are key to understanding why unique behaviors exist. In this thesis, I build foundational evidence for determining these mechanisms through the use of the zebrafish local search behavior. This is a behavior that zebrafish employ following the loss of environmental illumination where they …

Utilizing Artificial Intelligence As A Strategic Risk Management Tool For Public Sector Operations And Auditing Processes, Oğuz Ümit Tamer, Bruce D. Mcdonald Iii, Farouk Hemici, Georgia Kontogeorga

School of Public Service Faculty Publications

Symbolizing a significant turning point in the historical landscape, AI is becoming an effective tool in today's public administration, not only for increasing capacity, quality, and speed in services, but also for strategic risk management. Regulators and algorithmic auditing play a central role in implementing fairness, transparency, and persistent controls against risks in AI systems. Discussing modern applications of AI, such as anomaly-based fraud detection, resource estimation, and continuous auditing, and their respective strengths and weaknesses, this study concludes that AI significantly enhances efficiency and oversight but also poses the risk of enshrining bias, opacity, and accountability gaps. By considering …