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

Computer Sciences Commons™

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

Discipline
Institution
Keyword
Publication Year
Publication
Publication Type
File Type

Articles 15931 - 15960 of 63035

Full-Text Articles in Computer Sciences

บทบัญญัติของกฎหมายที่ใช้บังคับในคดีละเมิด: การวิเคราะห์คำพิพากษาศาลไทยด้วยกระบวนการเรียนรู้เชิงลึก, ทวีศักดิ์ ชูศรี Jan 2022

บทบัญญัติของกฎหมายที่ใช้บังคับในคดีละเมิด: การวิเคราะห์คำพิพากษาศาลไทยด้วยกระบวนการเรียนรู้เชิงลึก, ทวีศักดิ์ ชูศรี

Chulalongkorn University Theses and Dissertations (Chula ETD)

การประมวลผลเอกสารทางกฎหมายโดยใช้การประมวลผลภาษาธรรมชาติเป็นงานวิจัยที่น่าสนใจในการศึกษาอย่างมาก เนื่องจากการกำหนดหมวดกฎหมายสำหรับคดีในศาลมักต้องมีการปรึกษาหารือกับทนายความซึ่งมีค่าบริการที่สูงมาก ทำให้ประชาชนทั่วไปไม่สามารถเข้าถึงการใช้บริการดังกล่าวได้ จึงเป็นจุดเริ่มต้นในการจัดทำงานวิจัยนี้ ด้วยการสร้างระบบที่สามารถดึงข้อมูลส่วนกฎหมายที่เหมาะสมตามข้อเท็จจริงที่เกี่ยวข้องของคดีในศาล เพื่อให้บรรลุงานวิจัยนี้ ทางคณะผู้วิจัยได้รวบรวมชุดข้อมูลที่ครอบคลุมของคดีในศาลฎีกาจากประเทศไทย รวมถึงดึงข้อเท็จจริงจากเอกสารของโจทก์และจำเลยโดยใช้การผสมผสานระหว่างการเรียนรู้ของเครื่องและระบบที่ใช้กฎเป็นพื้นฐานเพื่อการวิเคราะห์การประมวลผลภาษาธรรมชาติเพิ่มเติม แนวทางที่ของงานวิจัยนี้นำเสนอมุ่งเน้นไปที่ระบบค้นคืนมาตราที่เกี่ยวข้องด้วยข้อมูลชุดฝึกที่มีจำนวนน้อย โดยใช้ข้อเท็จจริงของโจทก์เป็นข้อมูลเข้า ซึ่งระบบนี้จะสามารถจัดการกับมาตราต่างๆ ของกฎหมาย รวมถึงส่วนที่ไม่ค่อยพบหรือไม่ได้อยู่ในชุดการฝึกอบรม โดยที่ระบบจะทำงานได้ดีกว่ามาตรฐานพื้นฐาน โดยสรุป การวิจัยนี้มีเป้าหมายเพื่อสร้างระบบดึงข้อมูลส่วนกฎหมายที่เหมาะสมตามข้อเท็จจริงที่เกี่ยวข้องของคดีในศาลที่เข้าถึงได้และแม่นยำมากขึ้น ทางคณะผู้วิจัยหวังว่าจะลดความจำเป็นในการปรึกษาทนายความที่มีค่าบริการที่สูง และมอบเครื่องมือที่มีค่าสำหรับผู้เชี่ยวชาญด้านกฎหมายและบุคคลที่เกี่ยวข้องในกระบวนการพิจารณาคดีในศาล

Go to article

เทคนิคการเรียนรู้เชิงลึกสำหรับการรู้จำภาพวัสดุกระเป๋าถือแบรนด์เนมปลอม, พศสรัล อภิปวินท์วงศา Jan 2022

เทคนิคการเรียนรู้เชิงลึกสำหรับการรู้จำภาพวัสดุกระเป๋าถือแบรนด์เนมปลอม, พศสรัล อภิปวินท์วงศา

Chulalongkorn University Theses and Dissertations (Chula ETD)

การปลอมแปลงสินค้าด้านแฟชั่นเป็นปัญหาที่เกิดขึ้นอย่างต่อเนื่องโดยเฉพาะกับกระเป๋าแบรนด์หรู เนื่องจากมีความยากลำบากต่อการตรวจสอบความแท้จริง โดยเฉพาะอย่างยิ่งกับการตรวจสอบสินค้ามือสองที่เคยผ่านการใช้งานมาแล้ว ซึ่งทำให้เกิดปัญหาการตรวจสอบกระเป๋าของแท้และของปลอมทั้งในผู้ซื้อและผู้ขายโดยเฉพาะในช่วงล็อคดาวน์ระหว่างเหตุการณ์โรคระบาด Covid-19 ที่จำกัดการเดินทาง งานวิจัยนี้เสนอการประยุกต์ใช้เทคนิคการเรียนรู้เชิงลึกโครงข่ายปราสาทคอนโวลูชัน เพื่อจำแนกภาพในระดับพิกเซล ร่วมกับการนำการสกัดคุณลักษณะสำคัญพื้นผิวแบบ LBP มาพัฒนาการเรียนรู้ของแบบจำลอง โดยใช้แบบจำลองวีจีจี 16 และ เดนซ์เน็ต121 โดยใช้ stratified 5-Fold cross validation เพื่อประเมินแบบจำลอง ซึ่งการเปรียบเทียบผลการทดลองของการใช้แบบจำลองพื้นฐาน และการใช้แบบจำลองพื้นฐานร่วมกับการสกัดคุณลักษณะสำคัญแบบ LBP ทั้งนี้แบบจำลอง โครงข่ายปราสาทแบบเดนซ์เน็ต121 ร่วมกับการสกัดคุณลักษณะสำคัญแบบ LBP ให้ค่าความแม่นยำสูงสุดที่ 95% จากการจำแนกภาพกระเป๋าของแท้ ของปลอม และวัสดุอื่น เป็นการจำแนกรูปภาพแบบหลายประเภท และเมื่อนำการสกัดคุณลักษณะแบบ LBP ร่วมกับแบบจำลองทำให้ค่าความแม่นยำการทำนายผลลัพธ์ที่สูงขึ้น

Go to article

ไวยากรณ์ไฮเพอร์แมพสำหรับแมพเชิงต้นไม้อันดับเคเชิงระนาบ, วรวุฒิ โคเมฆารัตน์ Jan 2022

ไวยากรณ์ไฮเพอร์แมพสำหรับแมพเชิงต้นไม้อันดับเคเชิงระนาบ, วรวุฒิ โคเมฆารัตน์

Chulalongkorn University Theses and Dissertations (Chula ETD)

วิศวกรและนักวิทยาศาสตร์ต่างเผชิญกับปัญหาที่มีโครงสร้างซับซ้อนมากยิ่งขึ้น และต้องการเครื่องมือทางคณิตศาสตร์ที่เหมาะสมเพื่ออธิบายปัญหาเหล่านี้ แม้กราฟจะเป็นเครื่องมือที่นิยมใช้แสดงระบบที่ซับซ้อน แต่ก็ยังขาดส่วนประกอบบางอย่างที่สำคัญต่อการรับรู้ความซับซ้อนของวัตถุทางเรขาคณิต ซึ่งสามารถแสดงแทนได้ด้วยแมพและไฮเพอร์แมพ เนื่องจากมีองค์ประกอบหลักที่เรียกว่า หน้า เพิ่มเติมจากส่วนประกอบพื้นฐานอื่น ๆ ในกราฟ จึงเป็นเครื่องมือที่ครอบคลุมและยืดหยุ่นยิ่งขึ้นในการแสดงและวิเคราะห์โครงสร้างเชิงเรขาคณิต งานวิจัยนี้จะเสนอแนวทางใหม่ในการผลิตแมพโดยใช้ไวยากรณ์ไฮเพอร์แมพ โดยปรับการดำเนินการต่าง ๆ ที่เกี่ยวข้องกับไฮเพอร์แมพให้นิยามบนจุดยอดและหน้า แทนวิธีการเดิมซึ่งนิยามบนจุดยอดและเส้นเชื่อม เพื่อให้มีความยืดหยุ่นในการควบคุมและจัดการเกี่ยวกับหน้าของไฮเพอร์แมพ เนื่องจากหน้ามีบทบาทสำคัญในการนิยามไฮเพอร์แมพ โดยเฉพาะอย่างยิ่งในกรณีของแมพเชิงระนาบ ไวยากรณ์ที่นำเสนอในงานนี้แสดงให้เห็นถึงความสามารถในการทำความเข้าใจและตรวจจับโครงสร้างย่อยของไฮเพอร์แมพ โดยยกตัวอย่างการสร้างแมพเชิงระนาบของกราฟเชิงต้นไม้อันดับเค (เมื่อเคเป็นจำนวนเต็มบวกที่มีค่าไม่เกินสาม) โดยใช้ไวยากรณ์ไฮเพอร์แมพที่มีเพียงกฎการผลิตเดียว ผลการวิจัยแสดงให้เห็นถึงศักยภาพในการนำไวยากรณ์ที่นำเสนอในงานนี้ไปใช้เป็นเครื่องมือในการศึกษาคุณสมบติและโครงสร้างของแมพเชิงระนาบ รวมถึงการนำไปประยุกต์ใช้ในสายงานต่าง ๆ เช่น วิทยาการคอมพิวเตอร์ ทอพอโลยี และทฤษฎีกราฟ

Go to article

การแปลงกระแสงานยอว์ลที่มีข้อจำกัดช่วงเวลาไปเป็นไทมด์ออโตมาตา, ณรงค์กร วงศ์สิทธิไพฑูรย์ Jan 2022

การแปลงกระแสงานยอว์ลที่มีข้อจำกัดช่วงเวลาไปเป็นไทมด์ออโตมาตา, ณรงค์กร วงศ์สิทธิไพฑูรย์

Chulalongkorn University Theses and Dissertations (Chula ETD)

กระแสงานยอว์ลเป็นหนึ่งในกระแสงานทางธุรกิจที่ทันสมัย กระแสงานยอว์ลให้การแสดงเป็นภาพขั้นตอนกระแสงานของงานทางธุรกิจที่เข้าใจง่าย สามารถกำหนดเวลาการทำงานของงานภายในกระแสงานยอว์ลได้ วิทยานิพนธ์ฉบับนี้จะเน้นให้นำกระแสงานยอว์ลทั่วไปมาเพิ่มขีดความสามารถโดยการเพิ่มข้อจำกัดแบบช่วงเวลาให้กับแต่ละสัญลักษณ์งานในกระแสงานยอว์ล ผ่านค่าเฉลี่ยของข้อจำกัดของช่วงเวลาในรูปของขอบเขตล่าง และขอบเขตบนของเวลาที่สามารถเสร็จสิ้นการทำงานถูกกำหนดให้กับงานทางธุรกิจแต่ละงานในกระแสงานเพื่อรับมือกับปัญหาที่ซับซ้อนมากขึ้นของประสิทธิภาพด้านเวลาในกระแสงานกระบวนการทางธุรกิจ ในการจำลองพฤติกรรมของกระแสงานยอว์ลที่มีข้อจำกัดช่วงเวลาจะถูกแปลงเป็นออโตมาตาที่กำหนดเวลาไว้ที่สอดคล้องกัน และจำลองโดยใช้เครื่องมือ UPPAAL วิทยานิพนธ์ฉบับนี้มีการเสนอชุดของกฎการแปลงเพื่อเป็นแนวทางในการแปลงของสัญลักษณ์ยอว์ลข้อจำกัดของช่วงเวลาให้อยู่ในรูปแบบของไทมด์ออโตมาตา และเสนอเว็บแอปพลิเคชันในการแปลงกระแสงานยอว์ลที่มีข้อจำกัดช่วงเวลาเป็นออโตมาตา โดยผลลัพธ์ที่เป็นไทมด์ออโตมาตาจะถูกแปลงอย่างถูกต้อง และจำลองโดยใช้เครื่องมือจำลอง UPPAAL

Go to article

Mediastinal Lymph Node Detection And Segmentation Using Deep Learning, Al-Akhir Nayan Jan 2022

Mediastinal Lymph Node Detection And Segmentation Using Deep Learning, Al-Akhir Nayan

Chulalongkorn University Theses and Dissertations (Chula ETD)

Automatic lymph node (LN) segmentation and detection for cancer staging are critical. In clinical practice, computed tomography (CT) and positron emission tomography (PET) imaging detect abnormal LNs. Despite its low contrast and variety in nodal size and form, LN segmentation remains a challenging task. Deep convolutional neural networks frequently segment items in medical photographs. Most state-of-the-art techniques destroy image's resolution through pooling and convolution. As a result, the models provide unsatisfactory results. Keeping the issues in mind, a well-established deep learning technique UNet++ was modified using bilinear interpolation and total generalized variation (TGV) based upsampling strategy to segment and detect …

Go to article

Recasnet: Reducing Mismatch Within The Two-Stage Mitosis Detection Framework, Chawan Piansaddhayanon Jan 2022

Recasnet: Reducing Mismatch Within The Two-Stage Mitosis Detection Framework, Chawan Piansaddhayanon

Chulalongkorn University Theses and Dissertations (Chula ETD)

Mitotic count (MC) is an important histological parameter for cancer diagnosis and grading, but the manual process to obtain this metric is tedious and not fully reproducible across different pathologists. To mitigate this problem, several deep learning models have been utilized to speed up the process. Typically, the problem is formulated as a two-stage deep learning pipeline: the detection stage for proposing the potential candidates for mitotic cells and the classification stage for refining prediction confidences from the former stage. However, this paradigm can lead to inconsistencies in the classification stage due to the poor prediction quality of the detection …

Go to article

Leverage Graph Neural Network For Molecular Properties Prediction, Kamol Punnachaiya Jan 2022

Leverage Graph Neural Network For Molecular Properties Prediction, Kamol Punnachaiya

Chulalongkorn University Theses and Dissertations (Chula ETD)

During the age of deep learning technologies, which have exhibited significant potential in reducing costs and expediting medical development, predicting molecular properties has become a prevalent task that capitalizes on the capabilities of deep learning. This thesis proposed a multimodal Graph Neural Network (GNN) model that utilizes the topology information obtained from molecular graphs through a baseline GNN, facilitating precise property predictions. The thesis improves the baseline CMPNN model by exploring various methods to address potential missing gaps. These methods include incorporating the multimodal module, such as a Bidirectional LSTM module capable of processing text sequences in SMILES format or …

Go to article

Service Placement Optimization For Location-Based Service, Karnkitti Kittikamron Jan 2022

Service Placement Optimization For Location-Based Service, Karnkitti Kittikamron

Chulalongkorn University Theses and Dissertations (Chula ETD)

Location-based service (LBS) is necessary and useful for several applications including navigation and games. These real-time applications require high accuracy and low delay. In general, the complexity of indoor localization algorithms used in LBS depends on the size of fingerprint data. This can lead to long delays when operating in large-scale areas. In this paper, we propose a novel optimization framework for edge service placement, aiming at minimizing the overall cost of edge computing deployment and service response time. Our placement strategy is used to solve the formulated edge node placement problems. The simulated annealing approach is then used in …

Go to article

Machine Learning For Wavelet-Based Valve Stiction Detection, Kris Prasopsanti Jan 2022

Machine Learning For Wavelet-Based Valve Stiction Detection, Kris Prasopsanti

Chulalongkorn University Theses and Dissertations (Chula ETD)

Valve stiction presents challenges in industrial process control, leading to oscillations and hindering the regulation of fluid flow. This thesis addresses the detection of valve stiction by exploring the limitations of current methods and proposes a novel approach that combines wavelet reconstruction and convolutional neural networks (CNN) to enhance stiction detection performance. The proposed method utilizes preprocessed process variable versus controller output (PV(OP)) plots as input to the CNN model, capitalizing on the distinctive characteristics of stiction. Training and evaluation employ both simulated and real-world data from the International Stiction Data Base (ISDB), with the F1 score serving as the …

Go to article

Deep Reinforcement Learning For Electricity Energy Trading, Manassakan Sanayha Jan 2022

Deep Reinforcement Learning For Electricity Energy Trading, Manassakan Sanayha

Chulalongkorn University Theses and Dissertations (Chula ETD)

The deregulation and liberalization of the energy market in the 1990s prompted short-term electricity trading, allowing energy markets to produce net output over a range of time periods as a result of this decentralized system, most commonly minutes to days ahead of time. The energy industry urgently requires a system that has undergone substantial modernization in place to handle a variety of issues, including the current climate, renewable resources, and the energy framework. In this dissertation, we investigate a deep reinforcement learning framework for both wholesale and local energy trading, which probes the challenge of RL to optimize the real-world …

Go to article

Real-Time Image Classification For Malignant Biliary Strictures On Cholangioscopy Images Based On Deep Learning Approach, Passakron Phuangthongkham Jan 2022

Real-Time Image Classification For Malignant Biliary Strictures On Cholangioscopy Images Based On Deep Learning Approach, Passakron Phuangthongkham

Chulalongkorn University Theses and Dissertations (Chula ETD)

It is challenging to determine if the cause of bile duct strictures is benign or malignant. Currently, endoscopists may more precisely inspect the bile duct thanks to computerized single-operator cholangioscopy. As a result, lesions in the bile duct can be seen with the naked eye. However, endoscopists continue to diagnose patients differently. Consequently, a biopsy is typically regarded as the gold standard. The necessity to repeat operations results from a biopsy sample mistake that results in a false-negative cancer diagnosis. In this study, we suggest a convolutional neural network developed particularly for real-time malignant biliary stricture classification. Our approach, which …

Go to article

Formal Models For Consent Management In Healthcare Software System Development, Neda Peyrone Jan 2022

Formal Models For Consent Management In Healthcare Software System Development, Neda Peyrone

Chulalongkorn University Theses and Dissertations (Chula ETD)

In the era of data-driven opportunities, many businesses are missing the data-privacy challenge, which leads to risks in safeguarding their customers’ data. To empower individuals (data subjects) to control their data, the General Data Protection Regulation (GDPR) mandated businesses or organizations (data controllers) to protect individuals’ data (personal data) within data protection law. Nevertheless, many businesses still struggle to enhance and develop their software systems to comply with the GDPR because it is difficult to interpret and apply to software development practices. Besides, the processing of personal data begins when the data subject provides explicit consent to the data controller, …

Go to article

Real-Time Gastric Intestinal Metaplasia Semantic Segmentation With Multiple Abnormalities Using Deep Learning Approach, Passin Pornvoraphat Jan 2022

Real-Time Gastric Intestinal Metaplasia Semantic Segmentation With Multiple Abnormalities Using Deep Learning Approach, Passin Pornvoraphat

Chulalongkorn University Theses and Dissertations (Chula ETD)

This thesis declares the segmentation of gastric intestinal metaplasia (GIM) in real-time. Recently, GIM segmentation of endoscopic images has been conducted to distinguish GIM from a healthy stomach. However, achieving real-time detection is difficult. Challenging conditions include multiple color modes (white light endoscopy and narrow-band imaging), other abnormal lesions (erosion and ulcer), noisy labels, etc. Herein, our model is based on BiSeNet and can overcome the many issues regarding GIM. Applying auxiliary head and loss boosts the performance on multiple color modes. In addition, pre-processing techniques, including location-wise negative sampling, jigsaw augmentation, and label smoothing, are utilized to improve detection …

Go to article

Multi-Agent Deep Reinforcement Learning For Cryptocurrency Trading, Kittiwin Kumlungmak Jan 2022

Multi-Agent Deep Reinforcement Learning For Cryptocurrency Trading, Kittiwin Kumlungmak

Chulalongkorn University Theses and Dissertations (Chula ETD)

Reinforcement learning has emerged as a promising approach for enhancing profitability in cryptocurrency trading. However, the inherent volatility of the market, especially during bearish periods, poses significant challenges in this domain. Existing literature addresses this issue through the adoption of single-agent techniques such as deep Q-network (DQN), advantage actor-critic (A2C), and proximal policy optimization (PPO), or their ensembles. Despite these efforts, the mechanisms employed to mitigate losses during bearish market conditions within the cryptocurrency context lack robustness. Consequently, the performance of reinforcement learning methods for cryptocurrency trading remains constrained within the current literature. To overcome this limitation, we present a …

Go to article

Corporate Credit Rating Prediction Using Deep Learning, Napasorn Thavichaigarn Jan 2022

Corporate Credit Rating Prediction Using Deep Learning, Napasorn Thavichaigarn

Chulalongkorn University Theses and Dissertations (Chula ETD)

Corporate credit rating has an important role in reducing asymmetric information between investors and borrowers and assisting investors as a signal of the entities’ performance and creditworthiness for making appropriate investment decisions in a company’s assets. The economic distress has negatively affected various businesses and resulted in company rating transitions. This led to a problem in adjusting investment strategy and a serious loss as there is a lack of time between officially announced credit rating transitions and real transition. This study provides alternative methods for credit rating prediction by applying machine learning models; Support Vector Machine (SVM), Linear Regression, and …

Go to article

แบบจำลองคุณภาพซอฟต์แวร์โอเพนซอร์ซเพื่อการวัดคุณภาพอย่างอัตโนมัติ, อัรกอม มะแดเฮาะ Jan 2022

แบบจำลองคุณภาพซอฟต์แวร์โอเพนซอร์ซเพื่อการวัดคุณภาพอย่างอัตโนมัติ, อัรกอม มะแดเฮาะ

Chulalongkorn University Theses and Dissertations (Chula ETD)

ปัจจุบันได้มีการนำเสนอแบบจำลองคุณภาพซอฟต์แวร์โอเพนซอร์ซหลายแบบจำลองเพื่อใช้ในการประเมินคุณภาพของซอฟต์แวร์โอเพนซอร์ซ แต่แบบจำลองเหล่านั้นมีข้อจำกัดเนื่องจากเป็นการประเมินตามความคิดส่วนตัวซึ่งต้องอาศัยผู้ใช้ในการประเมิน และแบบจำลองดังกล่าวต้องการข้อมูลจากหลากหลายแหล่ง เพื่อเสริมการประเมินคุณภาพซอฟต์แวร์โอเพนซอร์ซที่เป็นอยู่ให้ทำได้สมบูรณ์มากยิ่งขึ้น วิทยานิพนธ์นี้จึงได้นำเสนอแบบจำลองคุณภาพซอฟต์แวร์โอเพนซอร์ซใหม่ที่ชื่อว่าโอเอสเอส-เอคิวเอ็ม โดยมีเป้าหมายเพื่อการวัดคุณภาพซอฟต์แวร์โอเพนซอร์ซอย่างอัตโนมัติ แบบจำลองโอเอสเอส-เอคิวเอ็มได้นำเสนอตัววัดคุณภาพและเครื่องมืออัตโนมัติที่สามารถดึงข้อมูลเกี่ยวกับซอฟต์แวร์โอเพนซอร์ซจากกิตฮับ ซอร์ซโค้ด โซนาร์คิวบ์ และสแต็กเอกซ์เชนจ์ ทำให้สามารถกำหนดคะแนนคุณภาพของซอฟต์แวร์โอเพนซอร์ซได้ โอเอสเอส-เอคิวเอ็มได้รับการตรวจสอบจากวิศวกรซอฟต์แวร์ที่มีประสบการณ์ในการเลือกใช้ซอฟต์แวร์โอเพนซอร์ซ นอกจากนี้การจัดลำดับซอฟต์แวร์โอเพนซอร์ซโดยเครื่องมือโอเอสเอส-เอคิวเอ็มยังถูกนำไปเปรียบเทียบกับการจัดลำดับด้วยวิธีอื่น และพบว่าการจัดลำดับของโอเอสเอส-เอคิวเอ็มมีสหสัมพันธ์ระดับต่ำมากถึงปานกลางในทิศทางตรงกันข้ามกับวิธีจัดลำดับอื่น ๆ ตามความคิดเห็นและความนิยมของผู้ใช้ และมีสหสัมพันธ์ระดับปานกลางในทิศทางเดียวกันกับวิธีการจัดลำดับอื่นที่เน้นการตรวจสอบความมั่นคงที่ซอฟต์แวร์โดยตรง ทั้งนี้เนื่องจากโอเอสเอส-เอคิวเอ็มครอบคลุมปัจจัยคุณภาพหลายอย่างที่ไม่ได้ถูกพิจารณาโดยวิธีการจัดลำดับอื่น ๆ ดังกล่าว โอเอสเอส-เอคิวเอ็มจึงให้ข้อมูลด้านคุณภาพของซอฟต์แวร์โอเพนซอร์ซในเชิงลึกที่ดีกว่า

Go to article

Law Library Blog (January 2022): Legal Beagle's Blog Archive, Roger Williams University School Of Law Jan 2022

Law Library Blog (January 2022): Legal Beagle's Blog Archive, Roger Williams University School Of Law

Law Library Newsletters/Blog

No abstract provided.

Go to article

Deep Reinforcement Learning For Open Multiagent System, Tianxing Zhu Jan 2022

Deep Reinforcement Learning For Open Multiagent System, Tianxing Zhu

Honors Papers

In open multiagent systems, multiple agents work together or compete to reach the goal while members of the group change over time. For example, intelligent robots that are collaborating to put out wildfires may run out of suppressants and have to leave the place to recharge; the rest of the robots may need to change their behaviors accordingly to better control the fires. Thus, openness requires agents not only to predict the behaviors of others, but also the presence of other agents. We present a deep reinforcement learning method that adapts the proximal policy optimization algorithm to learn the optimal …

Go to article

Error Handling Approaches In Programming Languages, Joey Aldrin Rees-Hill Jan 2022

Error Handling Approaches In Programming Languages, Joey Aldrin Rees-Hill

Honors Papers

Error handling is a part of nearly every computer program, but it is rarely the main focus of a program's developers. Nevertheless, correct error handling is important because it can enable a program to recover from abnormal circumstances and continue to function and serve its purpose. Programming languages offer a variety of tools and approaches for programs to detect and handle errors. I investigated the different approaches to error handling in contemporary programming languages. I found three general paradigms of error handling approaches. One paradigm was Special Return Value, in which certain return values of a function signify that an …

Go to article

A Lightweight Reliably Quantified Deepfake Detection Approach, Tianyi Wang, Kam Pui Chow Jan 2022

A Lightweight Reliably Quantified Deepfake Detection Approach, Tianyi Wang, Kam Pui Chow

Annual ADFSL Conference on Digital Forensics, Security and Law

Deepfake has brought huge threats to society such that everyone can become a potential victim. Current Deepfake detection approaches have unsatisfactory performance in either accuracy or efficiency. Meanwhile, most models are only evaluated on different benchmark test datasets with different accuracies, which could not imitate the real-life Deepfake unknown population. As Deepfake cases have already been raised and brought challenges at the court, it is disappointed that no existing work has studied the model reliability and attempted to make the detection model act as the evidence at the court. We propose a lightweight Deepfake detection deep learning approach using the …

Go to article

Strategies For Attracting And Retaining Highly Skilled It Professionals For The High-Tech Workforce, Mia Gyjuan Moore Jan 2022

Strategies For Attracting And Retaining Highly Skilled It Professionals For The High-Tech Workforce, Mia Gyjuan Moore

Walden Dissertations and Doctoral Studies

Many information technology (IT) managers have experienced challenges retaining high-tech professionals. Organization leaders lose investments of time and money when essential personnel leave. Grounded in the task-technology fit theory and the technology acceptance model, the purpose of this qualitative multiple-case study was to explore technology-focused strategies IT managers use to attract and retain IT professionals. The participants included five IT managers from five high-tech organizations who implemented strategies to attract and retain IT professionals. Data were collected from semistructured interviews and online resources. Thematic analysis revealed four themes: (a) using high-tech tools and alternative methods, (b) employing talent management techniques, …

Go to article

Healthcare 5.0 Security Framework: Applications, Issues And Future Research Directions, Mohammad Wazid, Ashok Kumar Das, Noor Mohd, Youngho Park Jan 2022

Healthcare 5.0 Security Framework: Applications, Issues And Future Research Directions, Mohammad Wazid, Ashok Kumar Das, Noor Mohd, Youngho Park

VMASC Publications

Healthcare 5.0 is a system that can be deployed to provide various healthcare services. It does these services by utilising a new generation of information technologies, such as Internet of Things (IoT), Artificial Intelligence (AI), Big data analytics, blockchain and cloud computing. Due to the introduction of healthcare 5.0, the paradigm has been now changed. It is disease-centered to patient-centered care where it provides healthcare services and supports to the people. However, there are several security issues and challenges in healthcare 5.0 which may cause the leakage or alteration of sensitive healthcare data. This demands that we need a robust …

Go to article

Reinforcement Learning Applied To The Shoals Marine Laboratory Smart Grid, Daniel C. Mattson Jan 2022

Reinforcement Learning Applied To The Shoals Marine Laboratory Smart Grid, Daniel C. Mattson

Honors Theses and Capstones

Reinforcement learning (RL) techniques have been applied to smart grids with a variety of applications. The most common objective is to optimize profit for one actor in the system. The goal of this work is to apply different RL models to the smart grid at the Shoals Marine Laboratory (SML) located on Appledore Island, Maine in an effort to reduce costs and minimize the amount of nonrenewable energy consumed on the island. The RL models implemented resulted in more sustainable practices in simulations, with a linear spline model outperforming the naive policy the SML currently uses. Future work includes extending …

Go to article

Deep Learning Anomaly Detection Using Edge Ai, William Holdren Jan 2022

Deep Learning Anomaly Detection Using Edge Ai, William Holdren

Electronic Theses and Dissertations, 2020-2023

Deep learning anomaly detection is an evolving field with many real-world applications. As more and more devices continue to be added to the Internet of Things (IoT), there is an increasing desire to make use of the additional computational capacity to run demanding tasks. The increase in devices and amounts of data flooding in have led to a greater need for security and outlier detection. Motivated by those facts, this thesis studies the potential of creating a distributed anomaly detection framework. While there have been vast amounts of research into deep anomaly detection, there has been no research into building …

Go to article

Studying The Robustness Of Machine Learning-Based Malware Detection Models: Analysis, Design, And Implementation, Ahmed Abusnaina Jan 2022

Studying The Robustness Of Machine Learning-Based Malware Detection Models: Analysis, Design, And Implementation, Ahmed Abusnaina

Electronic Theses and Dissertations, 2020-2023

With the rise of the popularity of machine learning (ML), it has been shown that ML-based classifiers are susceptible to adversarial examples and concept drifting, where a small modification in the input space may result in misclassification. The ever-evolving nature of the data, the behavioral and pattern shifting over time not only lessened the trust in the machine learning output but also created a barrier for its usage in critical applications. This dissertation builds toward analyzing machine learning-based malware detection systems, including the detection and mitigation of adversarial malware examples. In particular, we first introduce two black-box adversarial attacks on …

Go to article

คลังข้อมูลและระบบสนับสนุนการตัดสินใจของธุรกิจให้เช่าคลังสินค้าและโรงงาน, นิธิศักดิ์ กฤตติกากุล Jan 2022

คลังข้อมูลและระบบสนับสนุนการตัดสินใจของธุรกิจให้เช่าคลังสินค้าและโรงงาน, นิธิศักดิ์ กฤตติกากุล

Chulalongkorn University Theses and Dissertations (Chula ETD)

ในปัจจุบันผลกระทบของการแพร่ระบาดของเชื้อไวรัสโควิด-19 ทำให้มีอุตสาหกรรมบางประเภทเกิดการหยุดชะงัก (Disruption) อย่างไรก็ตามจากวิกฤตินี้ก็ยังทำให้อุตสาหกรรมที่มุ่งเน้นใช้เทคโนโลยีมีโอกาสในการเติบโตมากขึ้น และยังมีผลให้ผู้ประกอบการหลาย ๆ แห่งเริ่มหันมาสนใจช่องทางการขายสินค้าทางออนไลน์มากขึ้น ทำให้เกิดความต้องการในการหาพื้นที่สำหรับจัดเก็บสินค้า ซึ่งสามารถสร้างโอกาสให้กับธุรกิจคลังสินค้าให้เช่าได้ ดังนั้นธุรกิจคลังสินค้าและโรงงานสำหรับให้เช่าจึงต้องเริ่มมองหาเครื่องมือเพื่อช่วยในการวิเคราะห์ วางแผน และตัดสินใจเพื่อให้การดำเนินธุรกิจในอนาคตเป็นไปอย่างมีประสิทธิภาพและประสิทธิผลมากขึ้น โดยสามารถรับมือกับสถานการณ์ต่าง ๆ และสามารถมองหาโอกาสจากสถานการณ์นั้นๆ ได้อย่างรวดเร็ว โครงการ “คลังข้อมูลและระบบสนับสนุนการตัดสินใจของธุรกิจคลังสินค้าและโรงงานสำหรับให้เช่า” นี้ประกอบด้วย 5 ระบบหลัก ได้แก่ ระบบวิเคราะห์รายได้ค่าเช่าและบริการ และกำไรขั้นต้น ระบบวิเคราะห์อัตราเช่าใช้พื้นที่ ระบบวิเคราะห์ต้นทุนการเช่าและบริการ ระบบวิเคราะห์ผู้เช่า และระบบวิเคราะห์ต้นทุนการก่อสร้าง โดยแต่ละระบบถูกพัฒนาขึ้นบนระบบจัดการฐานข้อมูล Microsoft SQL Server 2019 และใช้เครื่องมือ Tableau Desktop 2020.4 ในการจัดทำแดชบอร์ดการวิเคราะห์ ระบบที่พัฒนาขึ้นนี้จะช่วยให้ผู้บริหาร และผู้จัดการแผนกต่าง ๆ สามารถวิเคราะห์ข้อมูลในหลายมุมมอง ได้อย่างถูกต้องและรวดเร็ว ภายใต้ฐานข้อมูลเดียวกันเพื่อใช้สนับสนุนการวิเคราะห์ วางแผน และตัดสินใจเพื่อให้การดำเนินธุรกิจเป็นไปอย่างมีประสิทธิภาพ และประสิทธิผล รวมถึงการสร้างความได้เปรียบในการแข่งขันทางธุรกิจ

Go to article

คลังข้อมูลและระบบสนับสนุนการตัดสินใจของธุรกิจการผลิตชิ้นส่วนอิเล็กทรอนิกส์, พิชญนันท์ มณีเนตร Jan 2022

คลังข้อมูลและระบบสนับสนุนการตัดสินใจของธุรกิจการผลิตชิ้นส่วนอิเล็กทรอนิกส์, พิชญนันท์ มณีเนตร

Chulalongkorn University Theses and Dissertations (Chula ETD)

ปัจจุบันธุรกิจการผลิตชิ้นส่วนอิเล็กทรอนิกส์ขยายตัวอย่างมากเนื่องจากการพัฒนาทางเทคโนโลยีที่ก้าวหน้าและความต้องการอุปกรณ์อิเล็กทรอนิกส์ของผู้บริโภคที่มีแนวโน้วที่มีแต่จะเพิ่มสูงขึ้นซึ่งถือว่าเป็นโอกาสที่ดีทางธุรกิจ แต่ก็อาจจะส่งผลให้ธุรกิจการผลิตชิ้นส่วนอิเล็กทรอนิกส์ต้องผลิตชิ้นส่วนอิเล็กทรอนิกส์จำนวนมากและหลากหลายชนิด ทำให้ปริมาณข้อมูลในระบบการจัดการการผลิตมีมากและมีความซับซ้อน ดังนั้นจะต้องมีการนำการวิเคราะห์ข้อมูลเข้ามาช่วยในการดำเนินธุรกิจ เพราะจะทำให้เห็นถึงภาพรวม, แนวโน้มและโอกาสทางธุรกิจ และยังทำให้เห็นปัญหา, ข้อบกพร่องและสิ่งที่จะต้องปรับปรุงอีกด้วย ช่วยสร้างความได้เปรียบทางการแข่งขันเพื่อตอบสนองสภาพแวดล้อมทางธุรกิจที่เปลี่ยนแปลงไปอย่างรวดเร็วในปัจจุบันได้อีกด้วย โครงการ “คลังข้อมูลและระบบสนับสนุนการตัดสินใจของธุรกิจการผลิตชิ้นส่วนอิเล็กทรอนิกส์” ประกอบไปด้วย 5 ระบบ ได้แก่ 1.ระบบวิเคราะห์การขายและกำไร, 2.ระบบวิเคราะห์รายการการสั่งซื้อสินค้า, 3.ระบบวิเคราะห์สินค้าคงคลัง, 4.ระบบวิเคราะห์การจัดส่งสินค้า, 5.ระบบวิเคราะห์ลูกหนี้การค้า โดยระบบพัฒนาขึ้นบนระบบจัดการฐานข้อมูล Microsoft SQL Server 2019 และใช้เครื่องมือต่าง ๆ ของโปรแกรม Tableau Desktop Version 2021.1 ในการพัฒนาระบบ ระบบที่พัฒนาขึ้นนี้จะสนับสนุนการตัดสินใจและช่วยให้ธุรกิจการผลิตชิ้นส่วนอิเล็กทรอนิกส์สามารถวางแผนการดำเนินงาน ปรับปรุงการดำเนินงาน และเตรียมการดำเนินงานในอนาคตได้อย่างมีประสิทธิภาพมากยิ่งขึ้น

Go to article

คุณสมบัติและทักษะที่จำเป็นสำหรับสกรัมมาสเตอร์ในความคาดหวังของผู้ร่วมทีมสกรัม, อริณชาดา อัศวรัตนมนตรี Jan 2022

คุณสมบัติและทักษะที่จำเป็นสำหรับสกรัมมาสเตอร์ในความคาดหวังของผู้ร่วมทีมสกรัม, อริณชาดา อัศวรัตนมนตรี

Chulalongkorn University Theses and Dissertations (Chula ETD)

วิธีการทำงานแบบสกรัม (Scrum Methodology) เป็นหนึ่งในวิธีการพัฒนาซอฟต์แวร์แบบอไจล์ (Agile Software Development) ที่ได้รับความนิยมในปัจจุบัน ทีมพัฒนาซอฟต์แวร์แบบสกรัม เป็นทีมที่สามารถจัดการตนเองได้ กล่าวคือ สมาชิกของทีมรู้บทบาทหน้าที่ของตนเองและทํางานแบบ “ข้ามฟังก์ชันงาน” (Cross-Functional) ไม่มีการกำหนดหน้าที่ หรือตําแหน่งงานภายในทีมกันอย่างชัดเจนตายตัว มีเพียงแค่การกําหนดบทบาทหลักๆ ไว้ 3 บทบาทเท่านั้น คือ ทีมนักพัฒนา (Development Team) สกรัมมาสเตอร์ (Scrum Master) และเจ้าของผลิตภัณฑ์ (Product Owner) ส่งผลให้ผู้ร่วมทีมสกรัมต้องทํางานที่หลากหลาย ทั้งที่ตนเองถนัดและไม่ถนัด ดังนั้นสกรัมมาสเตอร์จําเป็นต้องมีทักษะที่เพียงพอ เพื่อช่วยให้ผู้ร่วมทีมสกรัมสามารถทํางานตามวัตถุประสงค์ที่วางไว้ร่วมกันได้ งานวิจัยนี้เป็นงานวิจัยเชิงสำรวจ (Survey Research) ใช้การเก็บข้อมูลจากการตอบแบบสอบถามออนไลน์และการใช้แบบสอบถามออนไลน์เป็นเครื่องมือในการเก็บข้อมูล จากบริษัทที่ใช้วิธีการทำงานแบบสกรัมพัฒนาซอฟต์แวร์ในไทย ใช้เวลาในการเก็บข้อมูล 3 เดือน ผลการวิจัย พบว่าทักษะที่จำเป็นสำหรับสกรัมมาสเตอร์จากมุมมองผู้ร่วมทีมสกรัมของบริษัทพัฒนาซอฟต์แวร์ในไทย (1) สกรัมมาสเตอร์มองว่า วิธีการทำงานแบบสกรัม (Scrum Process) สำคัญที่สุดสำหรับทักษะด้านเทคนิค เช่นเดียวกับมุมมองของเจ้าของผลิตภัณฑ์ และทักษะการทำความเข้าใจ (Understanding Skills) สำคัญที่สุดสำหรับจรณทักษะ (2) เจ้าของผลิตภัณฑ์มองว่า ความมุ่งมั่น (Commitment, Responsibility) สำคัญที่สุดสำหรับจรณทักษะ (3) ทีมนักพัฒนามองว่า เครื่องมือรวบรวมโค้ด (code) ที่ได้รับการพัฒนาจากสมาชิกเเต่ละคนในทีมให้เป็นชิ้นเดียว (Continuous Integration Tools) สำคัญที่สุดสำหรับทักษะด้านเทคนิค และการทำงานเป็นทีม (Teamwork) สำคัญที่สุดสำหรับจรณทักษะ โดยรวมแล้วผู้ร่วมทีมสกรัมให้ความสำคัญกับทักษะด้านเทคนิค และจรณทักษะไม่แตกต่างกัน งานวิจัยนี้สามารถนำไปใช้กับการพิจารณาคุณสมบัติของสกรัมมาสเตอร์

Go to article

Job-Candidate Classifying And Ranking System With Machine Learning Method, Thapanee Boonchob Jan 2022

Job-Candidate Classifying And Ranking System With Machine Learning Method, Thapanee Boonchob

Chulalongkorn University Theses and Dissertations (Chula ETD)

Finding suitable candidates for an open job position could be a repetitive and time-consuming task, especially from a large pool of candidates. Besides, this task could truly make fair screening and shortlisting tedious. Losing the opportunity to hire top talent candidates due to the slow screening process or the wrong selection by human error is unacceptable. This paper presented a method for human resources to categorize and select the top candidates for job opening they applied for. The proposed system directed to alter a machine learning algorithm to classify the candidate into groups i) shortlist and ii) not-suitable. The productive …

Go to article

Development Of A Framework To Support Informed Shipbuilding Based On Supply Chain Disruptions, Katherine Smith, Rafael Diaz, Yuzhong Shen Jan 2022

Development Of A Framework To Support Informed Shipbuilding Based On Supply Chain Disruptions, Katherine Smith, Rafael Diaz, Yuzhong Shen

VMASC Publications

In addition to stresses induced by the Covid-19 pandemic, supply chains worldwide have been growing more complex while facing a continuous onslaught of disruptions. This paper presents an analysis and extension of a graph based model for modeling and simulating the effects of such disruptions. The graph based model combines a Bayesian network approach for simulating risks with a network dependency analysis approach for simulating the propagation of disruptions through the network over time. The initial analysis provides evidence supporting extension to for using a multi-layered approach allowing for the inclusion of cyclic features in supply chain models. Initial results …

Go to article

First Prev Next Last