Computer Sciences Commons^™

A Personal Interview With William Patry: His Thoughts On Music, Ai, And Copyright

IP Theory

No abstract provided.

Csc36000 - Modern Distributed Computing Assignment 2, Saptarashmi Bandyopadhyay

Open Educational Resources

This assignment is designed to help the student identify and mitigate common errors in Distributed Computing such as race conditions and reaching consensus, as well as reflecting on how Distributed Computing concepts apply to their class project.

Fault And Cyberattack Diagnosis And Handling Via Large Language Models And State Prediction For Manufacturing And Quantum Systems, Jihan Abou Halloun

Wayne State University Dissertations

In the digitalization era and Smart Manufacturing, companies are harnessing the power of artificial intelligence (AI) and machine learning (ML) across multiple sectors, including process engineering optimization, process control and fault detection, to enhance efficiency and engineering decision making. Although AI and ML are widely used in anomaly detection and handling, there are still areas where it has been less explored. One of the major areas where AI’s potential in manufacturing needs to be characterized is with respect to the applications of large language models (LLMs) in manufacturing troubleshooting for fault/attack handling. A second major area where the potential of …

How Do Selected Biomedical And Health Sciences Journals React To Submissions Of Artificial Intelligence (Ai) Assisted Manuscripts?, Misa Mi, Lin Wu, Yingting Zhang, Wendy Wu

Library Scholarly Publications

Background and Objectives: Generative artificial intelligence (GenAI) increasingly impacts research and scholarly communication. Given the evolving application of ChatGPT and other AI tools in scholarly communications, health sciences librarians must become cognizant of any existing journal publishing guidelines for AI-created or assisted manuscripts. The study aims to examine how scholarly biomedical and health sciences journals and publishers respond to submissions of these manuscripts and what requirements or policies have been put in place to guide and instruct authors on AI use.

Methods: We first retrieved and consolidated a list of journals representing disciplines in biomedical and health sciences from four …

Machine Learning Models For Pancreatic Cancer Survival Prediction: A Multi-Model Analysis Across Stages And Treatments Using The Surveillance, Epidemiology, And End Results (Seer) Database, Aditya Chakraborty, Mohan D. Pant

Epidemiology, Biostatistics, & Environmental Health Faculty Publications

Background: Pancreatic cancer is among the most lethal malignancies, with poor prognosis and limited survival despite treatment advances. Accurate survival modeling is critical for prognostication and clinical decision-making. This study had three primary aims: (1) to determine the best-fitting survival distribution among patients diagnosed and deceased from pancreatic cancer across stages and treatment types; (2) to construct and compare predictive risk classification models; and (3) to evaluate survival probabilities using parametric, semi-parametric, non-parametric, machine learning, and deep learning methods for Stage IV patients receiving both chemotherapy and radiation. Methods: Using data from the SEER database, parametric models (Generalized Extreme Value, …

Topo-Vm-Unetv2: Encoding Topology Into Vision Mamba Unet For Polyp Segmentation, Diego Adame, Jose Angel Nunez, Fabian Vazquez Jr., Nayeli Gurrola, Huimin Li, Haoteng Tang

Computer Science Faculty Publications

Convolutional neural network (CNN) and Transformer-based architectures are two dominant deep learning models for polyp segmentation. However, CNNs have limited capability for modeling long-range dependencies, while Transformers incur quadratic computational complexity. Recently, State Space Models such as Mamba have been recognized as a promising approach for polyp segmentation because they not only model long-range interactions effectively but also maintain linear computational complexity. However, Mamba-based architectures still struggle to capture topological features (e.g., connected components, loops, voids), leading to inaccurate boundary delineation and polyp segmentation. To address these limitations, we propose a new approach called Topo-VM-UNetV2, which encodes topological features into …

Congestion Mitigation For Foraging Robot Swarms Using Spiral Path Strategies, Arturo Gonzalez, Qi Lu

Computer Science Faculty Publications

Swarm robotics offers robust and scalable solutions for tasks such as foraging, but congestion near central collection zones remains a critical challenge, especially with increasing swarm sizes. Traditional solutions, such as static path planning or local repulsion-based methods, often fail to prevent interrobot collisions or bottlenecks near the collection zones. This research presents a comparative study of three strategies to mitigate congestion when returning resources to the central collection zone. The research herein focuses on tightly packed environments where, in theory, robots should follow a preplanned spiral, either ad-hoc, square, or circular, with congestion detection as described in the first …

Robust Mitigation Strategy For Misleading Pheromone Trails In Foraging Robot Swarms, Ryan Luna, Qi Lu

Computer Science Faculty Publications

This study advances the security of swarm robotics by examining the resilience of stigmergic communication in foraging robot swarms against deceptive strategies. We specifically investigate the swarm’s vulnerability to attacks via misleading pheromone trails laid by detractor robots, which significantly hinder foraging performance. Through simulations, we evaluated the adverse effects of such attacks on resource collection and forager capture rates, highlighting a notable decline as the percentage of detractors increases. To counter these threats, we implement a robust defense mechanism utilizing DBSCAN for density-based clustering of pheromone trails, complemented by a cluster grouping method that effectively isolates batches of detractors …

Understanding Physiological Responses For Intelligent Posture Detection Using Wearable Technology, Chaitanya Vardhini Anumula, Tanvi Banerjee, Anuradha Oak

Celebration of Undergraduate & Graduate Research, Scholarship, and Creative Activities Materials

This study investigates the physiological impact of Iyengar yoga at the pose-level using EmbracePlus wearable smartwatch, for data recording and personalized yoga pose detection for tracking.

การศึกษาแบบแผนการเต้นของหัวใจระหว่างการวิ่ง โดยใช้การเรียนรู้ของเครื่องแบบไม่มีผู้สอนเพื่อการตรวจจับความผิดปกติ, ชวิน หังสสูต

Chulalongkorn University Theses and Dissertations (Chula ETD)

การศึกษานี้มีวัตถุประสงค์เพื่อวิเคราะห์รูปแบบการเต้นของหัวใจระหว่างการวิ่ง โดยใช้เทคนิคการตรวจจับความผิดปกติแบบไม่มีผู้สอน (Unsupervised Anomaly Detection - UAD) เพื่อการตรวจจับความผิดปกติ ปัญหาหลักในงานวิจัยนี้คือข้อจำกัดทางจริยธรรมในการรวบรวมข้อมูลภาวะวิกฤตเพื่อใช้สอนแบบจำลอง และความแปรปรวนของข้อมูลสรีรวิทยาที่สูงมากระหว่างบุคคลเพื่อแก้ไขปัญหานี้ งานวิจัยนี้ได้พัฒนาระบบเว็บแอปพลิเคชันสำหรับการรวบรวมและกำกับข้อมูล โดยผู้เชี่ยวชาญ และได้สร้างชุดข้อมูลอ้างอิงจากกลุ่มตัวอย่างนักวิ่ง 5 ท่าน จากนั้น ได้ดำเนินการศึกษาเชิงเปรียบเทียบแบบจำลอง UAD จำนวน 7 แบบจำลอง โดยใช้กลยุทธ์การเรียนรู้แบบจำเพาะบุคคล ภายใต้เงื่อนไข การกำหนดค่าไฮเปอร์พารามิเตอร์แบบคงที่ เพื่อจำลองสถานการณ์การใช้งานจริงแบบเริ่มต้น โดยปราศจากการปรับแต่งค่าล่วงหน้า และประเมินผลด้วยค่า F0.5-Score เพื่อเน้นความแม่นยำและลดการแจ้งเตือนที่ผิดพลาดผลการทดลองพบว่า เมื่อไม่มีการปรับจูนพารามิเตอร์ ประสิทธิภาพโดยรวมของทุกแบบจำลองลดลงอย่างมีนัยสำคัญ ซึ่งสะท้อนถึงความท้าทายในการสร้างแบบจำลองสากล อย่างไรก็ตาม แบบจำลอง Matrix Profile (MP) ในกลุ่มคลาสสิก พิสูจน์ให้เห็นถึงความทนทานสูงที่สุด โดยมีประสิทธิภาพเฉลี่ยสูงสุด (F0.5-Score 2.71%) และสามารถตรวจจับความผิดปกติได้ดีในรายบุคคล ในขณะที่แบบจำลองพื้นฐานล้มเหลวโดยสิ้นเชิง (0.00%) สำหรับกลุ่มการเรียนรู้เชิงลึก (USAD, LSTM-AE) พบว่ามีข้อจำกัดในการใช้งานแบบเริ่มต้น (Cold-start) โดยไม่สามารถตรวจจับความผิดปกติได้แม้จะมีปริมาณข้อมูลมาก หากปราศจากการปรับแต่งค่าพารามิเตอร์ ผลลัพธ์นี้ยืนยันว่าระบบเฝ้าระวังสุขภาพในอนาคตจำเป็นต้องมีกลไกการเรียนรู้แบบปรับตัว ร่วมด้วยเพื่อให้สามารถนำไปใช้งานจริงได้อย่างมีประสิทธิภาพ

การคาดการณ์ค่าดัชนีความแตกต่างของพืชและความชื้น โดยใช้เทคนิคการเรียนรู้ของเครื่องอย่างชาญฉลาด เพื่อการติดตามด้านการเกษตรและสิ่งแวดล้อม, ณุทยา เข็มเจริญ

Chulalongkorn University Theses and Dissertations (Chula ETD)

ปัจจุบัน ภัยแล้งและการเปลี่ยนแปลงสภาพภูมิอากาศส่งผลกระทบต่อผลผลิตทางการเกษตร โดยเฉพาะพืชเศรษฐกิจของไทยอย่างทุเรียน ซึ่งต้องอาศัยการติดตามสุขภาพพืชและการจัดการน้ำอย่างใกล้ชิด ข้อมูลจากภาพถ่ายดาวเทียม ดัชนีความแตกต่างของพืชและความชื้น จึงเป็นเครื่องมือสำคัญในการวิเคราะห์สภาพพื้นที่เพาะปลูก โครงงานนี้พัฒนาแบบจำลองการเรียนรู้ของเครื่องเพื่อพยากรณ์ทั้งสองดัชนีรายสัปดาห์ โดยใช้การเฉลี่ยและเติมค่าข้อมูลที่ขาดหายด้วยการถดถอยเชิงเส้น ก่อนนำไปฝึกแบบจำลองผสมระหว่างโครงข่ายคอนโวลูชัน และหน่วยความจำระยะสั้นแบบยาว ระบบถูกออกแบบให้ทำงานอัตโนมัติภายใต้แนวคิดการปฏิบัติการด้านการเรียนรู้ของเครื่อง แสดงผลผ่านเว็บแอปพลิเคชัน ติดตั้งและทดสอบบนเครื่องเซิร์ฟเวอร์

Neural-Network Based K-Value Prediction In Clustering Problems Without Distance Computation, Rohhan Rabari

Chulalongkorn University Theses and Dissertations (Chula ETD)

Clustering remains a pivotal component of unsupervised learning, central to tasks such as data exploration and pattern discovery. However, most conventional clustering algorithms are parametric in nature, requiring one or more parameters to be specified in advance—most notably the number of clusters (k). These predefined parameters can drastically alter the outcome of clustering, leading to unstable or misleading results, particularly when the true structure of the data is unknown. This thesis introduces a novel framework that transforms raw input into a latent vector representation, enabling a neural network to automatically predict the optimal number of clusters without any prior parameter …

Scam Slayer : A Gamification For Creating A Cyber Scam Awareness, Xin Lyu

Chulalongkorn University Theses and Dissertations (Chula ETD)

This study explores how gamified learning can enhance the ability to recognize and prevent online fraud. The research team developed a role-playing educational game, Scam Slayer, using Ren’Py, integrating five common fraud scenarios and an Anti-Fraud Assistant to create an immersive and reflective learning experience. Analysis of a pre-game survey with 400 participants and a post-game survey with 40 players shows significant improvements in fraud recognition and alertness, with no demographic differences in learning outcomes. Participants also reported high satisfaction with the game’s narrative and educational value, suggesting that gamified learning can serve as an effective complement to traditional online …

Automated Infinite Combos Detection System For Collectible Card Game, Amornpong Trakarnkulphun

Chulalongkorn University Theses and Dissertations (Chula ETD)

In Collectible Card Games, resources management is one of the most effective strategy. However, there are some combinations of cards which produce unlimited resources called infinite combos. Too-cheap infinite combos that can be played early in the game break game environment, because the player who executes the combo immediately wins. To solve the problem, game designers usually restrict a part of the combos from being played. Due to the large number of cards in the card pool, it is difficult to search for these combos and solve this problem before a release date of a card set. This research aims …

Pipeline For Non-Self-Intersecting Racetrack Generation In Racing Games, Chatrtime Chatramornrat

Chulalongkorn University Theses and Dissertations (Chula ETD)

Procedural content generation (PCG) allows racing games to supply new racetracks automatically, but straightforward generators can produce layouts with unrealistically tight bends or self-crossings that compromise playability. This thesis introduces a racetrack generation pipeline that connects chain–code–based synthesis with a dedicated post-processing stage for resolving intersections. Candidate layouts are first assembled from image–based differential chain codes and adjusted so that each forms a closed loop. Regions where the centreline crosses itself are then identified and repaired by cutting and joining overlapping branches and applying locally constrained smoothing, so that the overall course geometry is kept intact. Finally, geometric descriptors such …

Gitcofl : Design And Implementation Of A Git-Based Federated Learning Framework Utilizing Container-Based Technology, Chokchai Faroongsarng

Chulalongkorn University Theses and Dissertations (Chula ETD)

The rapid proliferation of artificial intelligence (AI) necessitates training paradigms that are both robust and privacy-preserving. Traditional centralized federated learning (CFL) suffers from single points of failure and communication bottlenecks, while decentralized federated learning (DFL) introduces communication complexities and lacks integrated version control. This paper proposes GitCoFL, a novel framework that leverages Docker containers and a Git server as an independent, external medium for model weight communication and storage. This architecture provides inherent flexibility, enabling efficient operation in both CFL and DFL settings. Using CIFAR-10 benchmarks with MobileNet and using FedAvg for federation algorithms, GitCoFL achieves competitive F1 score when …

Quality Of Life Prediction For Driving Route Planning System Using Image Recognition And Deep Learning, Intouch Prakaisak

Chulalongkorn University Theses and Dissertations (Chula ETD)

Assessing travel-related Quality of Life (QoL) is a significant challenge due to its reliance on subjective human perception, which is difficult to measure. Traditional studies are often constrained by the limited scope of costly, manual data collection. The significant contribution of this research is the introduction of a new framework that can analyze tourist perception on a large and systematic scale. The novelty of this work lies in the utilization of Google Street View (GSV) as a large-scale visual data source, coupled with the use of a sequence-based model to analyze travel routes, which allows for the simulation of the …

A Benchmarking Study Of Grover's Algorithm For Solving Boolean Sat With Quantum Circuits, Jirapas Unison Jipipob

Chulalongkorn University Theses and Dissertations (Chula ETD)

This study explores how well Grover's Algorithm performs in solving the Boolean Satisfiability Problem (SAT) using quantum circuits. The algorithm is implemented with IBM's Qiskit framework and compared to classical brute-force methods. Experiments focus on 3-SAT, 4-SAT, and 5-SAT problems, using quantum simulators and IBM quantum hardware. The results show that Grover's Algorithm is more efficient, offering a theoretical quadratic speedup over classical methods. However, practical issues like limited qubit availability, hardware noise, and optimization challenges impact its current performance. The data highlights the potential for quantum computing to scale and solve NP-complete problems. This research shows how quantum computing …

Out-Of-Domain Tuberculosis Detection From Chest X-Ray Images Using Meta Learning With Soft Labels, Kanokphat Jinanarong

Chulalongkorn University Theses and Dissertations (Chula ETD)

Automated tuberculosis screening from chest x-ray images could greatly benefit regions with limited medical resources. However, currently available methods could not handle this problem well due to the difference in chest x-ray images in each region caused by the difference in machine and demographics, the possible noise in the available labels, and other reasons. We therefore propose a new machine learning algorithm that could detect tuberculosis with great accuracy on any other data sources by learning from completely different data sources. We used a model-agnostic meta-learning together with a soft label approach, utilizing the meta-gradient to dynamically adjust the soft …

Enhancing Large Language Models For Legal Question Answering : A Case Study On The Land And Building Tax Act In Thailand, Nattapat Tantapong

Chulalongkorn University Theses and Dissertations (Chula ETD)

Thailand's Land and Buildings Tax Act requires interpreting multiple legal instruments. However, general-purpose large language models often produce answers that lack both accuracy and verifiable legal citations, which are essential for legal reasoning. This study investigates whether curriculum-structured fine-tuning enables small Thai-aligned models (8B parameters) to perform comparably to large commercial models. The research constructs a domain-specific corpus of 8,410 Q&A pairs with 30,612 hard-negative triplets, then evaluates four curriculum designs and four adapter ranks using retrieval completeness and answer quality metrics. The experimental results reveal two key findings. First, hard-negative retrieval training improves Multi-HitRate@5 by 2.6% and Multi-MRR@5 by …

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