Open Access. Powered by Scholars. Published by Universities.®
Articles 1 - 30 of 99
Full-Text Articles in Statistics and Probability
การเปรียบเทียบการทำนายผลการแข่งขันฟุตบอลโดยใช้การเรียนรู้เชิงลึกจากการผสานข้อมูลทางสถิติและแผนที่ความร้อนของผู้เล่น, ภานุพันธุ์ พันธุ์พฤกษ์
การเปรียบเทียบการทำนายผลการแข่งขันฟุตบอลโดยใช้การเรียนรู้เชิงลึกจากการผสานข้อมูลทางสถิติและแผนที่ความร้อนของผู้เล่น, ภานุพันธุ์ พันธุ์พฤกษ์
Chulalongkorn University Theses and Dissertations (Chula ETD)
งานวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบประสิทธิภาพของแบบจำลอง Multilayer Perceptron (MLP), Convolutional Neural Networks (CNN) และ Multimodal Neural Network (MMNN) ในการทำนายผลการแข่งขันฟุตบอลพรีเมียร์ลีกอังกฤษ โดยใช้ข้อมูลทางสถิติ ข้อมูลแผนที่ความร้อนของผู้เล่น และการผสานข้อมูลทั้งสองรูปแบบ ผ่านแนวทาง Early Fusion, Late Fusion และการแปลง Heatmap เป็นข้อมูลเชิงตัวเลขแบบแบ่งพื้นที่สนาม ผลการวิจัยพบว่า แบบจำลอง MMNN ที่ใช้แนวทาง Late Fusion ให้ค่าความแม่นยำที่ 55.68% ซึ่งสูงกว่า Early Fusion ที่ได้ความแม่นยำ 53.45% และ CNN ที่ใช้ข้อมูลทางสถิติร่วมกับข้อมูลตำแหน่งเชิงพื้นที่จากแผนที่ความร้อนที่แบ่งสนามออกเป็น 4 ส่วน มีค่าความแม่นยำสูงสุดที่ 63.50% และให้คะแนน Precision, Recall และ F1 Score สูงกว่าแบบจำลองอื่น ๆ นอกจากนี้ ยังได้วิเคราะห์ความสำคัญของฟีเจอร์ด้วยเทคนิค SHAP ซึ่งชี้ให้เห็นว่าฟีเจอร์ที่เกี่ยวข้องกับเกมรับของทีมเหย้า เช่น การบล็อก การเคลียร์บอล และการดวลลูกกลางอากาศ มีผลต่อการทำนายมากที่สุด ขณะที่ตำแหน่งของผู้เล่นทีมเยือนมีอิทธิพลน้อยที่สุด
ผลกระทบของฟังก์ชันกระตุ้นต่อประสิทธิภาพการใช้ข้อมูลของเครือข่ายประสาทเทียมแบบหลายผลลัพธ์, จินจุ เจริญยิ่งไพศาล
ผลกระทบของฟังก์ชันกระตุ้นต่อประสิทธิภาพการใช้ข้อมูลของเครือข่ายประสาทเทียมแบบหลายผลลัพธ์, จินจุ เจริญยิ่งไพศาล
Chulalongkorn University Theses and Dissertations (Chula ETD)
เครือข่ายประสาทเทียมแบบหลายผลลัพธ์เป็นหนึ่งในแนวทางที่มีศักยภาพในการเพิ่มประสิทธิภาพข้อมูล อย่างไรก็ตาม ผลการศึกษาก่อนหน้านี้พบว่า ผลลัพธ์ทางทฤษฎีจากการเปรียบเทียบประสิทธิภาพของเครือข่ายประสาทเทียมแบบหลายผลลัพธ์ที่มีข้อจำกัด กับ เครือข่ายประสาทเทียมแบบผลลัพธ์เดียว และผลลัพธ์เชิงปฏิบัติจากการเปรียบเทียบเครือข่ายประสาทเทียมแบบหลายผลลัพธ์ กับเครือข่ายประสาทเทียมแบบผลลัพธ์เดียวยังคงมีความแตกต่างกัน งานวิจัยนี้มุ่งศึกษาผลกระทบของฟังก์ชันกระตุ้นในชั้นซ่อนที่มีต่อประสิทธิภาพการใช้ข้อมูลของเครือข่ายประสาทเทียมในการจำแนกประเภทแบบไบนารี โดยทำการศึกษาในฟังก์ชันกระตุ้น 4 ชนิด ได้แก่ ฟังก์ชัน Sigmoid, ReLU, Leaky ReLU (LReLUs) และ Exponential Linear Units (ELUs) ภายใต้โครงสร้างประสาทเทียม 2 ประเภทที่ใช้เกณฑ์ในการกำหนดโหนดซ่อนแตกต่างกัน โดยจากผลการวิจัยพบว่า ฟังก์ชัน sigmoid เป็นฟังก์ชันกระตุ้นที่สามารถทำให้ประสิทธิภาพเชิงปฏิบัติมีค่าใกล้เคียงกับผลลัพธ์เชิงทฤษฎีมากที่สุดในโครงสร้างทั้ง 2 ประเภท
ประสิทธิภาพของการทำนายความเสี่ยงการเกิดโรคเบาหวานร่วมกับความเสี่ยงการเกิดโรคความดันโลหิตสูงด้วยวิธีการเรียนรู้เชิงลึกสำหรับการจำแนกประเภทหลายเลเบล, วรรษา สุดใจ
Chulalongkorn University Theses and Dissertations (Chula ETD)
ในทางการแพทย์ การเรียนรู้เชิงลึกนิยมนำมาใช้ในการสร้างตัวแบบพยากรณ์ซึ่งค่อนข้างให้ผลที่ดีกว่าเมื่อเทียบกับตัวแบบดั้งเดิมแต่บางครั้งผู้ป่วยสามารถเป็นโรคพร้อมกันได้มากกว่าหนึ่งโรค การเรียนรู้เชิงลึกจึงถูกพัฒนาให้สามารถทำนายพร้อมกันได้หลายโรค เรียกว่าโครงข่ายประสาทเทียมประเภทจำแนกหลายเลเบล ถึงแม้โครงข่ายประสาทเทียมจะมีความสามารถที่ดีสำหรับการพยากรณ์แต่ยังมีความท้าทายในข้อมูลบางกลุ่มที่ข้อมูลมีจำกัด วิทยานิพนธ์ฉบับนี้จึงมีความสนใจที่จะทำการศึกษาโดยต้องการเพิ่มประสิทธิภาพของตัวแบบโดยรวมด้วยการใช้เลเบลผลลัพธ์ที่เกี่ยวข้องกันมาศึกษาผ่านข้อมูลโรคเบาหวานและโรคความดันโลหิตสูงซึ่งเป็นโรคที่มักเกิดร่วมกัน แบ่งการทดลองเป็นสองส่วนคือส่วนข้อมูลจำลองและข้อมูลจริงเพื่อเปรียบเทียบระหว่างโครงข่ายประสาทเทียมแบบป้อนไปข้างหน้าหลายเลเบลกับหนึ่งเลเบล ผลการศึกษาพบว่าในโครงข่ายประสาทเทียมหลายเลเบลให้ผลที่ดีในทางทฤษฎีที่ทดสอบกับข้อมูลจำลอง แต่ในข้อมูลจริงผลลัพธ์ของการใช้เลเบลที่มีความเกี่ยวข้องกันไม่สามารถลดค่าฟังชันการสูญเสียได้อย่างมีนัยสำคัญ แต่มีข้อดีคือช่วยลดความรุนแรงของปัญหา overfit ได้และสามารถให้ประสิทธิภาพการพยากรณ์ยังคงเทียบเท่าการใช้หนึ่งเลเบล
การศึกษาเปรียบเทียบแบบจำลองโครงข่ายปฏิปักษ์เชิงกำเนิดในการสร้างภาพความละเอียดสูงเพื่อการตรวจจับวัตถุขนาดเล็ก, ภัทรชนน สกุลคู
การศึกษาเปรียบเทียบแบบจำลองโครงข่ายปฏิปักษ์เชิงกำเนิดในการสร้างภาพความละเอียดสูงเพื่อการตรวจจับวัตถุขนาดเล็ก, ภัทรชนน สกุลคู
Chulalongkorn University Theses and Dissertations (Chula ETD)
การตรวจจับวัตถุขนาดเล็ก (Small Object Detection) เป็นหนึ่งในความท้าทายด้านคอมพิวเตอร์วิทัศน์ เนื่องจากภาพที่มีความละเอียดต่ำมักมีข้อจำกัดด้านการระบุขอบเขตและรายละเอียดของวัตถุ งานวิจัยนี้มุ่งเน้นการเปรียบเทียบประสิทธิภาพของแบบจำลอง Super-Resolution GAN คือ SRGAN ESRGAN Real-ESRGAN และ BSRGAN กับวิธีการสร้างภาพความละเอียดสูงแบบดั้งเดิม คือ Bilinear และ Bicubic เพื่อศึกษาว่าการเพิ่มความละเอียดของภาพสามารถช่วยให้การตรวจจับวัตถุขนาดเล็กมีความแม่นยำสูงขึ้นหรือไม่ โดยการทดลองดำเนินการกับภาพต้นฉบับขนาด 160 × 160 พิกเซล และสร้างภาพความละเอียดสูงขนาด 640 × 640 พิกเซลก่อนนำไปประเมินผลการตรวจจับวัตถุผ่านตัวชี้วัด mAP@50 และ mAP@50-95 ในสามชุดข้อมูล ได้แก่ ภาพสายเคเบิล Microglia และวัชพืช Ridderzuring ผลการทดลองพบว่า SRGAN ให้ค่า mAP@50 สูงสุดในทุกชุดข้อมูล ในขณะที่ Real-ESRGAN และ BSRGAN มีค่าต่ำกว่าวิธีอื่นในบางกรณี อย่างไรก็ตาม แม้ว่า SRGAN จะมีความแม่นยำสูงสุด แต่ใช้เวลาในการสร้างภาพมากกว่าวิธี Bicubic ประมาณ 4-7 เท่า ทำให้ต้องพิจารณาความสมดุลระหว่างความเร็วและความแม่นยำ ทั้งนี้ ภาพต้นฉบับความละเอียดสูง (HR) ยังคงให้ค่าคะแนนสูงสุดในทุกชุดข้อมูล ซึ่งสะท้อนว่าการใช้ Super-Resolution สามารถลดช่องว่างระหว่างภาพความละเอียดต่ำและภาพต้นฉบับได้ และสามารถนำไปประยุกต์ใช้กับงานเกี่ยวกับการตรวจจับวัตถุจากภาพความละเอียดต่ำได้จริง
Parameter Tuning Of Information Directed Sampling In Credit Scoring Problems Under Ungeneralizable Contextual Logistic Bandit Model, Sorawit Panjapiyakul
Parameter Tuning Of Information Directed Sampling In Credit Scoring Problems Under Ungeneralizable Contextual Logistic Bandit Model, Sorawit Panjapiyakul
Chulalongkorn University Theses and Dissertations (Chula ETD)
This study investigates the tuning parameter of Information Directed Sampling (IDS) in credit scoring problems under an ungeneralizable contextual logistic bandit framework. Decision-making scenarios, such as credit scoring and underwriting, involve balancing the tradeoff between exploration and exploitation, which is essential for optimizing learning efficiency in the environment while minimizing costs. The IDS algorithm offers a principled framework that leverages mutual information to enhance the decision-making process. However, its learning performance is dependent on the tuning parameter, denoted as gamma, which plays a key role in balancing information gain and expected regret. Extensive simulation experiments were conducted to identify the …
การศึกษาเปรียบเทียบการแทนค่าน้ำหนักสูญหายด้วยวิธีการเรียนรู้เชิงลึกกับวิธีดั้งเดิมด้วยวิธีการจำลองข้อมูลในบริบทของผู้ป่วยในและหอผู้ป่วยหนักภายในโรงพยาบาล, เมธัส ม่วงนาค
Chulalongkorn University Theses and Dissertations (Chula ETD)
การสูญหายของข้อมูลในเวชระเบียนโรงพยาบาล โดยเฉพาะในหอผู้ป่วยหนัก (ICU) และหอผู้ป่วยใน (IPD) เป็นปัญหาที่พบบ่อยและส่งผลต่อการดูแลผู้ป่วยและความถูกต้องของงานวิจัย การศึกษานี้เปรียบเทียบวิธีการแทนค่าสูญหาย 10 วิธี ได้แก่ เทคนิคแบบดั้งเดิม (Mean, Median, k-NN, MICE, MissForest), วิธีแบบผสม (HyperImpute) และวิธีแบบการเรียนรู้เชิงลึกหรือ DL (MLPRegressor, AEImputer, MIWAE, GAIN) โดยใช้ข้อมูลจำลอง 63 ตัวแปร ภายใต้เงื่อนไขควบคุม ได้แก่ ขนาดตัวอย่าง 3 ระดับ (5,000, 25,000, 50,000), กลไกการสูญหาย 3 รูปแบบ (MCAR, MAR, MNAR) และอัตราการสูญหาย 6 ระดับ (10% ถึง 60%) โดยประเมินผลด้วย RMSE, MAPE, เวลาในการประมวลผล และการใช้หน่วยความจำ ผลการศึกษาพบว่า Mean และ Median ยังให้ผลลัพธ์ที่ดี พร้อมความเร็วและใช้ทรัพยากรต่ำ MissForest และ HyperImpute ให้ความแม่นยำที่สมดุลกับประสิทธิภาพ เหมาะกับกรณีที่ข้อมูลขาดในระดับปานกลาง วิธีที่นิยมอย่าง MICE กลับมีข้อจำกัดกับชุดข้อมูลที่ไม่เป็นพาราเมตริก ทำให้ผลลัพธ์ด้อยกว่าในหลายเงื่อนไข ด้าน DL แม้บางวิธีให้ผลลัพธ์ดี แต่ต้องอาศัยการปรับแต่งพารามิเตอร์อย่างละเอียด และใช้ทรัพยากรมาก โดยวิธีกลุ่ม AEs มีความเสถียรที่สุด ส่วน GAIN มีความไวต่อรูปแบบข้อมูลและขนาดตัวอย่าง ให้ผลลัพธ์ไม่สม่ำเสมอ โดยสรุป แม้ DL จะมีศักยภาพ แต่ในหลายกรณี วิธีดั้งเดิมหรือแบบผสมยังคงเป็นทางเลือกที่ใช้งานได้จริงและคุ้มค่า
โครงข่ายประสาทเทียมสำหรับการวิเคราะห์การถดถอยเชิงเส้นตามบริบท, พศุตม์ รัตนศรีมงคล
โครงข่ายประสาทเทียมสำหรับการวิเคราะห์การถดถอยเชิงเส้นตามบริบท, พศุตม์ รัตนศรีมงคล
Chulalongkorn University Theses and Dissertations (Chula ETD)
ปัญหาการถดถอยเชิงเส้นตามบริบท คือปัญหาที่ข้อมูลมีโครงสร้างแบ่งเป็นกลุ่ม โดยแต่ละกลุ่มถูกกำหนดโดยตัวแปรบริบท งานวิจัยนี้ศึกษาการนำ ตัวแบบ Contextual Neural Network (CtxtNN) มาใช้วิเคราะห์ปัญหาประเภทนี้ และเปรียบเทียบประสิทธิภาพกับ ตัวแบบพื้นฐานอย่าง Feedforward Neural Networks (FNN) ทั้งโครงสร้างขนาดเล็ก (FNN-Small) และขนาดใหญ่ (FNN-Large) ผ่านการทดลอง 3 กรณี โดยงานวิจัยนี้จะศึกษาเฉพาะปัญหาการถดถอยเชิงเส้นตามบริบท ที่ตัวแปรต้นไม่เกิน 8 ตัว ซึ่งมีตัวแปรเชิงบริบทไม่เกิน 3 ตัว และบริบทข้อมูลไม่เกิน 3 บริบทเท่านั้น โดยจากผลการวิจัยนี้สามารถสรุปได้ว่า ตัวแบบ CtxtNN เป็นตัวแบบที่สามารถเรียนรู้ความสัมพันธ์เชิงเส้นตามบริบทได้อย่างมีประสิทธิภาพ โดยให้ผลลัพธ์ที่มีประสิทธิภาพสูงที่สุดในการแก้ปัญหาการถดถอยเชิงเส้นตามบริบทเมื่อเทียบกับตัวแบบ FNN-Small และตัวแบบ FNN-Large แม้ใช้จำนวนพารามิเตอร์ที่น้อยกว่า จึงเป็นทางเลือกที่น่าสนใจสำหรับงานวิเคราะห์ปัญหาข้อมูลที่มีความสัมพันธ์เชิงบริบทกับผลเฉลย
การประมาณค่าพารามิเตอร์ของระบบที่สามารถซ่อมแซมได้ที่มีระบบย่อยหลายระบบภายใต้ผลกระทบจากการช็อก, ปวิชญา ปรีชา
การประมาณค่าพารามิเตอร์ของระบบที่สามารถซ่อมแซมได้ที่มีระบบย่อยหลายระบบภายใต้ผลกระทบจากการช็อก, ปวิชญา ปรีชา
Chulalongkorn University Theses and Dissertations (Chula ETD)
งานวิจัยนี้มีวัตถุประสงค์เพื่อประมาณค่าพารามิเตอร์ของระบบที่สามารถซ่อมแซมได้ภายใต้ผลกระทบจากการช็อก (shock effect) โดยจำลองระบบที่มีองค์ประกอบย่อยสององค์ประกอบ ซึ่งอาจมีความสัมพันธ์กัน การจำลองข้อมูลใช้แบบจำลอง Power Law Process (PLP) พร้อมกำหนดระดับ shock effect แบบคูณในช่วง 1.00–1.03 เพื่อสะท้อนอิทธิพลระหว่างองค์ประกอบ จากนั้นทำการประมาณค่าพารามิเตอร์ด้วยวิธี Maximum Likelihood Estimation (MLE) ภายใต้สี่รูปแบบ ได้แก่ 1) องค์ประกอบ มีความสัมพันธ์กัน 2) มีความสัมพันธ์และทราบพารามิเตอร์ขนาด 3) ไม่มีความสัมพันธ์กัน และ 4) ไม่มีความสัมพันธ์และทราบพารามิเตอร์ขนาด โดยศึกษาในกรณีที่จำนวนการล้มเหลวสูงสุด n = 25, 35 และ 50 ผลการวิเคราะห์พบว่า พารามิเตอร์ k มีแนวโน้มถูกประมาณสูงเกินจริงเมื่อข้อมูลมีจำนวนน้อย ขณะที่ shock effect สามารถประมาณได้ใกล้เคียงค่าจริงมากขึ้นเมื่อข้อมูลเพิ่มขึ้น การประเมินความแม่นยำ ของการทำนายเวลาเกิดเหตุการณ์ถัดไปใช้เปอร์เซ็นต์ไทล์ (P5–P95) และค่าความคลาดเคลื่อนสัมบูรณ์เฉลี่ย (MAPE) พบว่า วิธี องค์ประกอบไม่มีความสัมพันธ์และทราบพารามิเตอร์ขนาด ให้ผลดีที่สุดเมื่อ shock ต่ำ (1.00–1.01) โดยเฉพาะเมื่อข้อมูลจำกัด ส่วนวิธีองค์ประกอบมีความสัมพันธ์และทราบพารามิเตอร์ขนาด เหมาะสมกว่าเมื่อ shock สูง (1.02–1.03) และข้อมูลมาก นอกจากนี้ ทุกวิธีมีแนวโน้มการกระจายเบ้ขวา โดยเฉพาะวิธีที่ไม่ทราบค่าพารามิเตอร์ขนาดซึ่งเบ้รุนแรงกว่าวิธีอื่น ในขณะที่วิธี องค์ประกอบไม่มีความสัมพันธ์และทราบพารามิเตอร์ขนาด ให้การกระจายแคบและเบ้น้อยที่สุด สะท้อนความเสถียรและความต้านทาน ต่อ outlier
Effect Of Data Visualization On Users' Running Performance On Treadmill, Thanaphon Amattayakul
Effect Of Data Visualization On Users' Running Performance On Treadmill, Thanaphon Amattayakul
Chulalongkorn University Theses and Dissertations (Chula ETD)
This study investigates the effect of real-time data visualization on user performance and experience during treadmill running. Traditional treadmill displays usually present information in plain text, which may limit user engagement and motivation. To address this, the study introduced redesigned displays using data visualization techniques aligned with human perception, such as line graphs and progress bars, to make performance feedback more meaningful and easier to understand. The experiment compared three display conditions: a traditional treadmill display and two improved designs. A within-subjects design was used with 18 participants. Performance metrics such as time to exhaustion, heart rate, distance covered, and …
Enhanced Realism In Virtual Try-On Tasks Using Diffusion Methods, Saris Kiattithapanayong
Enhanced Realism In Virtual Try-On Tasks Using Diffusion Methods, Saris Kiattithapanayong
Chulalongkorn University Theses and Dissertations (Chula ETD)
Virtual try-on technology is revolutionizing online retail by enabling customers to visualize garments on their bodies before purchasing. Traditional methods, often based on Generative Adversarial Networks (GANs), face challenges such as misalignment and visual artifacts, especially in complex poses. We present a virtual try-on framework leveraging diffusion models to enhance realism, accuracy, and garment detail preservation. Our approach integrates Vector Quantized Variational Autoencoders (VQ-VAEs) for precise feature matching within a diffusion U-Net architecture. By adopting image-based conditioning with the CLIP image encoder, our system utilizes visual features directly from clothing images for more faithful garment representations. Additionally, an Additional Feature …
ประสิทธิภาพการพยากรณ์ของการวิเคราะห์เชิงฟังก์ชันและการเรียนรู้เชิงลึก, บุณฑริกา พรหมสถิตย์
ประสิทธิภาพการพยากรณ์ของการวิเคราะห์เชิงฟังก์ชันและการเรียนรู้เชิงลึก, บุณฑริกา พรหมสถิตย์
Chulalongkorn University Theses and Dissertations (Chula ETD)
การวิจัยนี้เปรียบเทียบประสิทธิภาพการพยากรณ์ของตัวแบบ Functional Principal Component Regression (FPCR) กับตัวแบบการเรียนรู้เชิงลึก (Recursive Neural Network: RNN, Long Short-term Memory: LSTM, Gated Recurrent Unit: GRU) ภายใต้สถานการณ์ที่มีความผันผวนแตกต่างกัน โดยใช้ชุดข้อมูลที่มีความผันผวนต่ำ (อุณหภูมิเฉลี่ยรายวัน), ปานกลาง (ปริมาณ PM 2.5 รายชั่วโมง) และสูง (อัตราการแลกเปลี่ยน Bitcoin รายนาที) ศึกษาการพยากรณ์ระยะสั้น ระยะกลาง และระยะยาว โดยใช้ตัวชี้วัด Mean Squared Error (MSE) และ Mean Integrated Squared Error (MISE) ผลการศึกษาพบว่า สำหรับข้อมูลที่มีความผันผวนต่ำ FPCR ให้ผลลัพธ์ที่แม่นยำกว่าตัวแบบการเรียนรู้เชิงลึก โดยเฉพาะในการพยากรณ์ระยะกลางและระยะยาว ในทางกลับกัน สำหรับข้อมูลที่มีความผันผวนสูง FPCR เหนือกว่าการเรียนรู้เชิงลึกเฉพาะการพยากรณ์ระยะกลางเท่านั้น สำหรับข้อมูลที่มีความผันผวนปานกลางและสูง ขนาดของชุดข้อมูลฝึกไม่มีผลกระทบอย่างชัดเจนต่อประสิทธิภาพของตัวแบบทั้งสอง อย่างไรก็ตาม ในกรณีของข้อมูลที่มีความผันผวนต่ำ เมื่อมีชุดข้อมูลขนาดใหญ่ ตัวแบบการเรียนรู้เชิงลึกให้ผลลัพธ์ที่แม่นยำกว่า FPCR ในขณะที่ FPCR มีความแม่นยำสูงกว่าหากใช้ข้อมูลจำนวนน้อยและทำการพยากรณ์ในระยะกลางถึงระยะยาว นอกจากนี้ ในการพยากรณ์ระยะสั้น FPCR มักให้ผลลัพธ์ที่ด้อยกว่าตัวแบบการเรียนรู้เชิงลึกในทุกกรณี
การเปรียบเทียบวิธีการใส่ค่าสูญหายสำหรับอนุกรมเวลาเชิงพหุ กรณีศึกษาดัชนีราคากลุ่มอุตสาหกรรมตลาดหลักทรัพย์แห่งประเทศไทย, พงษ์พล ยิ่งประทานพร
การเปรียบเทียบวิธีการใส่ค่าสูญหายสำหรับอนุกรมเวลาเชิงพหุ กรณีศึกษาดัชนีราคากลุ่มอุตสาหกรรมตลาดหลักทรัพย์แห่งประเทศไทย, พงษ์พล ยิ่งประทานพร
Chulalongkorn University Theses and Dissertations (Chula ETD)
การศึกษานี้มีวัตถุประสงค์เพื่อเปรียบเทียบวิธีการใส่ค่าสูญหายสำหรับอนุกรมเวลาเชิงพหุ และประเมินผลเพื่อเลือกวิธีการใส่ค่าสูญหายที่เหมาะสมที่สุดสำหรับอนุกรมเวลาเชิงพหุ โดยใช้ข้อมูลทุติยภูมิดัชนีราคากลุ่มอุตสาหกรรมของตลาดหลักทรัพย์แห่งประเทศไทย 8 กลุ่มอุตสาหกรรม จากฐานข้อมูล SETSMART ตั้งแต่วันที่ 1 มกราคม พ.ศ. 2547 ถึง 1 มกราคม พ.ศ. 2567 รวมทั้งสิ้น 4877 วัน ซึ่งได้มีการกำหนดรูปแบบการสูญหายออกเป็น 3 รูปแบบ ได้แก่ การสูญหายรูปแบบสุ่ม การสูญหายรูปแบบช่วงตามลำดับ และการสูญหายรูปแบบบล็อก และกำหนดสัดส่วนการสูญหายของข้อมูลที่ร้อยละ 5 10 20 30 40 และ 50 ตามลำดับ โดยจำแนกวิธีการใส่ค่าสูญหายออกเป็น 3 กลุ่ม ได้แก่ การใส่ค่าสูญหายด้วยวิธีการเชิงสถิติ ประกอบไปด้วย ค่าเฉลี่ย ค่ามัธยฐาน ข้อมูลสุดท้ายก่อนการสูญหาย (LOCF) ข้อมูลล่าสุดหลังการสูญหาย (NOCB) และการประมาณค่าช่วงเส้นตรง (Linear Interpolation) การใส่ค่าสูญหายด้วยวิธีการเรียนรู้ของเครื่อง ประกอบไปด้วย ค่าคาดหวังสูงที่สุด (EM) การใส่ค่าสูญหายด้วยการทดแทนแบบพหุคูณด้วยสมการลูกโซ่ (MICE) เพื่อนบ้านใกล้เคียงที่สุด (KNN) และป่าสุ่ม (Random Forest) และการใส่ค่าสูญหายด้วยวิธีการเรียนรู้เชิงลึก ประกอบไปด้วย GP-VAE USGAN และ SAITS นอกจากนี้ผู้วิจัยใช้ค่ารากที่สองของค่าความคลาดเคลื่อนกำลังสองโดยเฉลี่ย (RMSE) ค่าความคลาดเคลื่อนสัมบูรณ์โดยเฉลี่ย (MAE) และค่าร้อยละความคลาดเคลื่อนสัมบูรณ์โดยเฉลี่ย (MAPE) ในการวัดประสิทธิภาพการใส่ค่าสูญหาย ผลการศึกษาพบว่าที่รูปแบบการสูญหายทั้ง 3 รูปแบบ และสัดส่วนการสูญหายที่น้อยกว่าร้อยละ 50 การใสค่าสูญหายด้วยการประมาณค่าช่วงเส้นตรง (Linear Interpolation) มีประสิทธิภาพสูงที่สุด ในขณะที่สัดส่วนการสูญหายร้อยละ 50 ของรูปแบบการสูญหายทั้ง 3 รูปแบบ การใส่ค่าสูญหายด้วยวิธีป่าสุ่ม (Random Forest) มีประสิทธิภาพสูงที่สุด
ประสิทธิภาพของแบบจำลองแบบผสมของการเรียนรู้เชิงลึกสำหรับการพยากรณ์ราคาหุ้น, กิตติคุณ ทัดประดิษฐ
ประสิทธิภาพของแบบจำลองแบบผสมของการเรียนรู้เชิงลึกสำหรับการพยากรณ์ราคาหุ้น, กิตติคุณ ทัดประดิษฐ
Chulalongkorn University Theses and Dissertations (Chula ETD)
งานวิจัยนี้มีวัตถุประสงค์เพื่อวิเคราะห์และเปรียบเทียบประสิทธิภาพและระยะเวลาที่ใช้ของแบบจำลองการเรียนรู้เชิงลึกแบบผสม (Hybrid Deep Learning Models) ได้แก่ RNN, LSTM และ GRU ในรูปแบบการใช้โครงสร้างแบบผสม (Stacked layer) และเครือข่ายประสาทเทียมแบบซ้อนกัน (Cascaded neural network) ในการพยากรณ์ราคาปิดหุ้น รวมถึงศึกษาผลกระทบของการสลับลำดับของแบบจำลองภายใน Hybrid model เพื่อพิจารณาความแตกต่างของประสิทธิภาพการพยากรณ์ ทั้งในระยะสั้น 7 วัน และ ระยะยาว 30 วัน โดยมีการใช้ข้อมูลราคาหุ้นทั้งหมด 5 อุตสาหกรรม เลือกกลุ่มอุตสาหกรรมละ 3 หุ้นตามระดับความผันผวนของราคาหุ้นเมื่อเทียบกับตลาด (Beta) รวมทั้งหมด 15 ชุดข้อมูล ผลการศึกษาพบว่า ในภาพรวมการพยากรณ์ระยะสั้น 7 วันและระยะยาว 30 วัน การสร้างแบบจำลองผสมด้วยวิธี Cascaded neural network มีประสิทธิภาพที่ไม่แตกต่างกับวิธี Stacked layers อย่างมีนัยสำคัญ แต่ถ้าหากพิจารณาด้วยระยะเวลาที่ใช้ในการสร้างแบบจำลองจะพบว่า การสร้างแบบจำลองผสมด้วยวิธี Stacked layers ใช้เวลาสร้างแบบจำลองน้อยกว่าวิธี Cascaded neural network อย่างมีนัยสำคัญ ซึ่งจะช่วยประหยัดทรัพยากรในการสร้างแบบจำลองในการพยากรณ์เป็นอย่างมาก นอกจากนี้การสลับลำดับของแบบจำลองที่ใช้ในการผสมแบบจำลอง ด้วยวิธี Cascaded neural network และ Stacked layers ในการพยากรณ์ระยะสั้น 7 วันและระยะยาว 30 วัน ไม่ส่งผลต่อประสิทธิภาพของ Hybrid Deep Learning Models อย่างมีนัยสำคัญ จึงสามารถสรุปได้ว่าการสร้าง Hybrid Deep Learning Models ด้วยวิธี Stacked layers ให้ประสิทธิภาพและความคุ้มค่าที่มากกว่าการผสมด้วยวิธี Cascaded neural network ทั้งในระยะสั้นและระยะยาว
การประเมินประสิทธิภาพของการเรียนรู้เชิงรุกโดยวิธีการเลือกแบบละโมบและวิธีการสุ่มตัวอย่างของทอมป์สันกับข้อมูลรูปแบบข้อความ, อานนท์ พรหมจรรย์
การประเมินประสิทธิภาพของการเรียนรู้เชิงรุกโดยวิธีการเลือกแบบละโมบและวิธีการสุ่มตัวอย่างของทอมป์สันกับข้อมูลรูปแบบข้อความ, อานนท์ พรหมจรรย์
Chulalongkorn University Theses and Dissertations (Chula ETD)
การวิจัยนี้มุ่งเน้นการประเมินประสิทธิภาพของวิธีการเรียนรู้เชิงรุกสำหรับการคัดเลือกข้อมูลที่มีประโยชน์สูงสุดในการทำป้ายกำกับ โดยเปรียบเทียบวิธีการเลือกข้อมูลแบบสุ่ม วิธีการเลือกข้อมูลโดยวิธีละโมบ และวิธีการสุ่มตัวอย่างของทอมป์สันด้วยการประมาณค่าแบบลาพลาซ ผ่านการทดลอง 100 รอบในการเลือกทวีตเกี่ยวกับการท่องเที่ยวในกรุงเทพมหานครเพื่อฝึกโมเดลการถดถอยโลจิสติก ผลการทดลองพบว่าวิธีการเลือกข้อมูลโดยวิธีละโมบให้ประสิทธิภาพสูงสุดตลอดการทดลอง เนื่องจากสามารถปรับปรุงโมเดลได้อย่างรวดเร็ว แต่ประสิทธิภาพลดลงในช่วงท้ายเมื่อจำนวนทวีตที่มีประโยชน์ลดลง ขณะที่วิธีการสุ่มตัวอย่างของทอมป์สันด้วยการประมาณค่าแบบลาพลาซใช้เวลาในการคัดเลือกข้อมูลมากที่สุดและมีประสิทธิภาพต่ำกว่าในช่วงแรก อย่างไรก็ตาม เมื่อจำนวนรอบการทดลองเพิ่มขึ้น ความแม่นยำของโมเดลก็ค่อย ๆ ดีขึ้นเมื่อเทียบกับช่วงต้น ส่วนวิธีการเลือกข้อมูลแบบสุ่มใช้เวลาน้อยที่สุด แต่ไม่มีการเรียนรู้หรือปรับปรุงโมเดล ทำให้ประสิทธิภาพไม่ดีขึ้น จากผลการทดลองสามารถสรุปได้ว่าวิธีการเลือกข้อมูลโดยวิธีละโมบเป็นทางเลือกที่มีประสิทธิภาพสูงในสถานการณ์ที่ต้องการการเรียนรู้ที่รวดเร็ว ในขณะที่วิธีการสุ่มตัวอย่างของทอมป์สันด้วยการประมาณค่าแบบลาพลาซยังคงต้องมีการศึกษาเพิ่มเติมเกี่ยวกับศักยภาพในการเรียนรู้ในระยะยาว งานวิจัยนี้สามารถนำไปประยุกต์ใช้กับการวิเคราะห์ข้อมูลข้อความ เช่น การจำแนกประเภทความรู้สึกของผู้ใช้โซเชียลมีเดีย หรือการประเมินความคิดเห็นของลูกค้าในอุตสาหกรรมต่างๆ
The Influence Of Echo Chamber On Thailand's 2023 Election, Isariyaporn Sukcharoenchaikul
The Influence Of Echo Chamber On Thailand's 2023 Election, Isariyaporn Sukcharoenchaikul
Chulalongkorn University Theses and Dissertations (Chula ETD)
This research develops visual methods to explore the echo chamber effect, employing analytical approaches to investigate its dynamics through a case study on the 2023 General Election in Thailand. The study utilizes visualization techniques such as node-link diagrams, t-SNE projections, and heatmaps to analyze homophilic relationships, clustering tendencies, and polarization within online communities. To minimize inaccuracies and biases, network graphs are constructed based on contextual analysis of user-generated content, rather than relying on predefined relationship definitions (e.g., friendships, followers, retweets) or users' interpretations. The research uses the Echo Chamber Score (ECS) alongside visualizations to explore echo chambers, reveal significant variations …
A Comparative Study Of Early Fusion And Multimodal Siamese Neural Network Using Image And Text Data In Food Classification, Kanokporn Sintarasirikulchai
A Comparative Study Of Early Fusion And Multimodal Siamese Neural Network Using Image And Text Data In Food Classification, Kanokporn Sintarasirikulchai
Chulalongkorn University Theses and Dissertations (Chula ETD)
The economic development under capitalism has significantly transformed people's lifestyles, resulting in a fast-paced daily life. This shift has increased the consumption of convenient food options, leading to a preference for fast food, which is often high in carbohydrates and fats. Consequently, there has been a rise in obesity and related health issues, highlighting the importance of monitoring food intake. Automated systems utilizing artificial intelligence (AI) have emerged as potent tools for providing personalized dietary advice and monitoring. With the growing volume of food-related content on social media, including images and accompanying text, leveraging multimodal data has become essential for …
โมเดลสมการโครงสร้างพหุระดับของสมดุลชีวิตและงานของครูในยุคการเปลี่ยนผ่านทางดิจิทัล: การวิเคราะห์อิทธิพลการส่งผ่านพหุระดับที่มีพหุตัวแปรส่งผ่าน, มาลัยวรรณ แก้วอาสา
โมเดลสมการโครงสร้างพหุระดับของสมดุลชีวิตและงานของครูในยุคการเปลี่ยนผ่านทางดิจิทัล: การวิเคราะห์อิทธิพลการส่งผ่านพหุระดับที่มีพหุตัวแปรส่งผ่าน, มาลัยวรรณ แก้วอาสา
Chulalongkorn University Theses and Dissertations (Chula ETD)
การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อ 1) ศึกษาสภาพสมดุลชีวิตและงานของครูในยุคการเปลี่ยนผ่านทางดิจิทัล และ 2) วิเคราะห์อิทธิพลของตัวแปรวัฒนธรรมโรงเรียนแบบร่วมมือ การใช้นโยบายการบริหารโรงเรียนแบบยืดหยุ่น และการบูรณาการกิจกรรมระหว่างชีวิตและงานที่มีอิทธิพลต่อสมดุลชีวิตและงานของครู ตัวอย่างที่ใช้ในการวิจัยครั้งนี้คือ ครูมัธยมศึกษาในโรงเรียนสังกัดสำนักงานคณะกรรมการเขตพื้นที่การศึกษาขั้นพื้นฐาน จำนวน 250 คน และผู้บริหารโรงเรียน จำนวน 18 คน โดยใช้การสุ่มแบบแบ่งชั้นตามช่วงชั้น (มัธยมศึกษาตอนต้นและตอนปลาย) และภูมิภาค การเก็บข้อมูลใช้แบบสอบถามออนไลน์ซึ่งมีคุณสมบัติเชิงจิตมิติทั้งด้านความตรงและความเที่ยง วิเคราะห์ข้อมูลโดยใช้การวิเคราะห์โมเดลสมการโครงสร้างพหุระดับด้วยโปรแกรม Mplus ผลการศึกษาพบว่า โมเดลสมการโครงสร้างสอดคล้องกับข้อมูลเชิงประจักษ์ (c2 = 63.871, df = 49, p = 0.0752, RMSEA = 0.035, CFI = 0.985, TLI = 0.979, SRMRW = 0.053, SRMRB = 0.434, AIC = 3255.831, BIC = 3428.382) โดยมีรายละเอียดดังนี้ 1. ผลการวิเคราะห์สภาพสมดุลชีวิตและงานของครูในยุคการเปลี่ยนผ่านทางดิจิทัลพบว่า สมดุลชีวิตและงานของครูในภาพรวมอยู่ในระดับมาก (M = 3.020, SD = 0.594) โดยครูมีการจัดการเวลาอย่างสมดุลในระดับปานกลาง ในขณะที่การให้ความสำคัญกับงานและชีวิตส่วนตัวและความพึงพอใจในการรักษาสมดุลชีวิตและงานอยู่ใน ระดับมาก (M = 3.110 และ 3.210, SD = 0.693 และ 0.789 ตามลำดับ) 2. ผลการวิเคราะห์อิทธิพลของตัวแปรในโมเดลวิจัยระดับครู พบว่า การบูรณาการกิจรรมระหว่างชีวิตและงาน (INT) มีอิทธิพลทางตรงต่อสมดุลชีวิตและงาน (WLB) อย่างมีนัยสำคัญทางสถิติที่ระดับ .05 (B = 0.974, p <.001) 3. ผลการวิเคราะห์อิทธิพลทางตรงของตัวแปรในโมเดลวิจัยระดับโรงเรียน พบว่า วัฒนธรรมโรงเรียนแบบร่วมมือ (CUL) มีอิทธิพลทางตรงต่อการใช้นโยบายการบริหารโรงเรียนแบบยืดหยุ่น (FLE) (B = 0.285, p = 0.001) และการบูรณาการกิจกรรมระหว่างชีวิตและงาน (INT) (B = 0.303, p = 0.044) อย่างมีนัยสำคัญทางสถิติที่ ระดับ .05 ในขณะที่การใช้นโยบายการบริหารโรงเรียนแบบยืดหยุ่น (FLE) มีอิทธิพลทางตรงต่อสมดุลชีวิตและงานของครู (WLB) (B = 0.936, p B = 0.862, p 4. ผลการวิเคราะห์อิทธิพลรวมและอิทธิพลทางอ้อมในโมเดลวิจัยระดับโรงเรียนพบว่า วัฒนธรรมโรงเรียนแบบร่วมมือ (CUL) มีอิทธิพลรวมต่อสมดุลชีวิต และงานของครู (WLB) เท่ากับ 0.801 และมีอิทธิพลทางอ้อมผ่านการใช้นโยบายการบริหารโรงเรียนแบบยืดหยุ่น (FLE) (B = 0.267, p = 0.004) และการบูรณาการกิจกรรม ระหว่างชีวิตและงาน (INT) (B = 0.295, p = 0.046) อย่างมีนัยสำคัญทางสถิติที่ระดับ .05 นอกจากนี้วัฒนธรรมโรงเรียนแบบร่วมมือ (CUL) มีอิทธิพลทางอ้อมต่อสมดุลชีวิต และงานของครูผ่านการใช้นโยบายการบริหารโรงเรียนแบบยืดหยุ่น (FLE) และการบูรณาการกิจกรรมระหว่างชีวิตและงาน (INT) (B = 0.239, p = 0.009) อย่างมีนัยสำคัญทาง สถิติที่ระดับ .05 ในขณะที่การใช้นโยบายการบริหารโรงเรียนแบบยืดหยุ่น (FLE) มีอิทธิพลรวมต่อสมดุลชีวิตและงานของครู (WLB) เท่ากับ 1.776 และมีอิทธิพลทางอ้อมต่อ สมดุลชีวิตและงานของครูผ่านการบูรณาการกิจกรรมระหว่างชีวิตและงาน ( INT) (B = 0.840, p ข้อค้นพบดังกล่าวแสดงให้เห็นว่าการส่งเสริมให้ครูมีสมดุลชีวิตและงาน ต้องเริ่มจากการบูรณาการกิจกรรมระหว่างชีวิตและงาน นอกจากนี้ยังพบว่าโรงเรียนมีบทบาทสำคัญในการส่งเสริมสมดุลชีวิตและงานของครูโดยการใช้นโยบายการบริหาร โรงเรียนแบบยืดหยุ่นและส่งเสริมการสร้างวัฒนธรรมโรงเรียนแบบร่วมมือเพื่อสนับสนุนให้ครูสามารถบูรณาการกิจกรรมระหว่างชีวิตและงานได้อย่างมีประสิทธิภาพซึ่งจะส่งผล ให้ครูมีสมดุลชีวิตและงานที่ดียิ่งขึ้น
การเปรียบเทียบวิธีการลงโทษปรับแบบเรียลไทม์ในข้อมูลสตรีมมิงที่ไม่คงที่, กัญญาวีร์ ชมมิ่ง
การเปรียบเทียบวิธีการลงโทษปรับแบบเรียลไทม์ในข้อมูลสตรีมมิงที่ไม่คงที่, กัญญาวีร์ ชมมิ่ง
Chulalongkorn University Theses and Dissertations (Chula ETD)
งานวิจัยนี้มีวัตถุประสงค์เพื่อ พัฒนาแนวทางใหม่จำนวน 2 วิธี ได้แก่ Real-time Adaptive Penalization Ridge (RAP-Ridge) และ Real-time Adaptive Penalization Elastic Net (RAP-Elastic Net) ซึ่งต่อยอดจากวิธี RAP-Lasso ที่มีอยู่เดิม เพื่อเพิ่มประสิทธิภาพในการพยากรณ์ข้อมูลที่มีความไม่แน่นอนและเปลี่ยนแปลงอย่างต่อเนื่อง โดยแนวทางที่พัฒนาขึ้นช่วยให้สามารถปรับค่าพารามิเตอร์การลงโทษแบบเรียลไทม์ ส่งผลให้โมเดลสามารถควบคุมขนาดของค่าสัมประสิทธิ์และตอบสนองต่อข้อมูลที่เปลี่ยนแปลงได้อย่างมีประสิทธิภาพ จากนั้นจึงทำการเปรียบเทียบประสิทธิภาพของเทคนิค Real-time Adaptive Penalization (RAP) ภายใต้แบบจำลองการถดถอยสามรูปแบบ ได้แก่ RAP-Lasso, RAP-Ridge และ RAP-Elastic Net ภายใต้บริบทของข้อมูลสตรีมมิงที่ไม่คงที่ ซึ่งมีการเปลี่ยนแปลงของค่าเฉลี่ย ความแปรปรวน และโครงสร้างข้อมูล โดยใช้ข้อมูลจำลองที่มีทั้งการเปลี่ยนแปลงแบบถี่ (High-Frequency Shift) และแบบช้า (Low-Frequency Shift) พร้อมใช้กระบวนการ AR(1) สำหรับค่าความคลาดเคลื่อน โดยการประเมินครอบคลุม 3 ด้าน ได้แก่ ความแม่นยำในการพยากรณ์ ความสามารถในการปรับตัวต่อข้อมูลที่เปลี่ยนแปลง และประสิทธิภาพด้านเวลาในการคำนวณ ผลการทดลองพบว่า RAP-Lasso มีความแม่นยำสูงสุด ขณะที่ RAP-Ridge เหมาะสมกับการใช้งานที่ต้องการความเร็วในการประมวลผล งานวิจัยนี้จึงนำเสนอแนวทางที่เหมาะสมต่อการพัฒนาโมเดลสำหรับข้อมูลที่เปลี่ยนแปลงในสภาพแวดล้อมจริงที่ไม่แน่นอน
Cross-Lingual Speech Emotion Recognition Using English And Mandarin On Thai Data, Kantapong Wonghirunruch
Cross-Lingual Speech Emotion Recognition Using English And Mandarin On Thai Data, Kantapong Wonghirunruch
Chulalongkorn University Theses and Dissertations (Chula ETD)
This study explores the efficacy of cross-lingual Speech Emotion Recognition (SER) using Thai as a target language with training sets in English and Mandarin. The study evaluates the adaptability of SER models across linguistic boundaries, emphasizing the challenges and potential of leveraging well-resourced languages to enhance emotion recognition capabilities in a language with fewer resources. Through a series of experiments, the research investigates three primary aspects: the performance of same-corpus training within Thai, cross-lingual model application from English and Mandarin to Thai, and the effectiveness of transfer learning techniques in improving model accuracy. The findings indicate that Mandarin facilitates more …
การใช้กราฟแบบมีทิศทางในการคัดเลือกตัวแปรแบบเบส์สำหรับตัวแบบการถดถอยเชิงเส้นที่มีมิติสูง, บุษราคัม ประทานทรัพย์
การใช้กราฟแบบมีทิศทางในการคัดเลือกตัวแปรแบบเบส์สำหรับตัวแบบการถดถอยเชิงเส้นที่มีมิติสูง, บุษราคัม ประทานทรัพย์
Chulalongkorn University Theses and Dissertations (Chula ETD)
การคัดเลือกตัวแปรสำหรับข้อมูลทางพันธุศาสตร์ เป็นการคัดเลือกยีนเพียงจำนวนหนึ่งที่คาดว่าจะมีความสัมพันธ์กับฟีโนไทป์ที่สนใจ เนื่องจากโดยทั่วไปยีนแต่ละตัวมีจะความสัมพันธ์กัน งานวิจัยนี้เสนอวิธีการใช้การแจกแจงก่อนแบบ Ising (Ising Prior) สำหรับนำกราฟแบบมีทิศทาง (Directed Graph) มาร่วมในการประมาณค่าสัมประสิทธิ์การถดถอยที่มีมิติสูงและคัดเลือกตัวแปร ซึ่งงานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาการนำกราฟแบบมีทิศทางมาใช้ในการคัดเลือกตัวแปรและประมาณค่าสัมประสิทธิ์การถดถอยที่มีมิติสูง และ เปรียบเทียบประสิทธิภาพในการคัดเลือกตัวแปรเข้าตัวแบบของวิธีที่นำเสนอซึ่งใช้กราฟแบบมีทิศทาง กับวิธีที่ใช้กราฟแบบไม่มีทิศทาง และ ตัวแบบการถดถอยเชิงเส้นแบบเบส์ และ วิธีการถดถอยลาสโซ ในงานวิจัยนี้ใช้ข้อมูลจริง Gene Expression ทำการทดสอบ 8 กรณี โดยมีขนาดตัวอย่าง เท่ากับ 200 จำนวนตัวแปรอิสระเท่ากับ 2000 และ 5000 ตามลำดับ ภายใต้สัมประสิทธิ์การถดถอย 2 กรณี จากยีน 10 โครงข่าย และอัตราส่วนสัญญาณต่อสัญญาณรบกวนเท่ากับ 1 และ 3 ตามลำดับ โดยทำซ้ำแต่ละกรณีจำนวน 100 ครั้ง ในการศึกษานี้มุ่งเน้นประสิทธิภาพในการคัดเลือกตัวแปรของตัวแบบและเปรียบเทียบประสิทธิภาพการคัดเลือกตัวแปรในแต่ละตัวแบบ ซึ่งเปรียบเทียบด้วยค่าความแม่นยำ (Precision) ค่าความระลึก (Recall) ค่าความจำเพาะ(Specificity) อัตราความผิดพลาดในการตรวจจับเชิงบวก (False Positive Rate) และอัตราความผิดพลาดในการตรวจจับเชิงลบ (False Negative Rate) พบว่า วิธีการนำกราฟแบบมีทิศทางมาใช้ในการคัดเลือกตัวแปรสามารถคัดเลือกตัวแปรเข้าตัวแบบและประมาณค่าสัมประสิทธิ์การถดถอยได้แม่นยำสำหรับกรณีที่สัมประสิทธิ์การถดถอยบางตัวในโครงข่ายไม่เท่ากับศูนย์ และให้ค่าความจำเพาะสูงสุด นอกจากนี้สามารถคัดเลือกตัวแปรที่ไม่เกี่ยวข้องเข้าตัวแบบน้อยที่สุด เพราะฉะนั้น วิธีการนำกราฟแบบมีทิศทางมาใช้ในการคัดเลือกตัวแปรมีประสิทธิภาพในการคัดเลือกยีนที่เหมาะสมเข้าตัวแบบในกรณีที่กำหนดให้ยีนบางตัวในโครงข่ายไม่เท่ากับศูนย์ได้ดีกว่าวิธีอื่น และ ยังมีความสามารถในคัดเลือกยีนที่ไม่มีความสัมพันธ์กับฟีโนไทป์เข้าตัวแบบน้อยที่สุดอีกด้วย
ผลกระทบของการจำแนกประเภทแบบสองลาเบลต่อประสิทธิภาพในเรียนรู้ของโครงข่ายประสาทเทียมแบบป้อนไปข้างหน้า, ภานุพงศ์ จิรเศรษฐสิริ
ผลกระทบของการจำแนกประเภทแบบสองลาเบลต่อประสิทธิภาพในเรียนรู้ของโครงข่ายประสาทเทียมแบบป้อนไปข้างหน้า, ภานุพงศ์ จิรเศรษฐสิริ
Chulalongkorn University Theses and Dissertations (Chula ETD)
การศึกษานี้พิจารณาผลกระทบของตัวแบบในการจำแนกประเภทแบบสองลาเบลต่อประสิทธิภาพของโครงข่ายประสาทเทียมแบบป้อนไปข้างหน้า โดยเปรียบเทียบกับตัวแบบในการจำแนกประเภทแบบหนึ่งลาเบล การวิจัยนี้มุ่งเน้นไปที่ตัวชี้วัดประสิทธิภาพที่สำคัญ เช่น ความเร็วในการลู่เข้าของตัวแบบ การลดค่าการสูญเสีย และความเสถียรของตัวแบบผ่านการทดสอบในกรณีศึกษาที่มีความซับซ้อนต่างกัน 3 กรณี ผลการวิจัยแสดงให้เห็นว่าการจำแนกประเภทแบบสองลาเบลสามารถทำให้ตัวแบบลู่เข้ารวดเร็วขึ้น มีค่าการสูญเสียต่ำกว่า และมีความเสถียรมากกว่าเมื่อเปรียบเทียบกับตัวแบบในการจำแนกประเภทแบบหนึ่งลาเบล โดยเฉพาะในกรณีของชุดข้อมูลที่มีความซับซ้อนน้อยกว่า อย่างไรก็ตามเมื่อความซับซ้อนของข้อมูลเพิ่มขึ้น ความแตกต่างในด้านประสิทธิภาพระหว่างสองตัวแบบจะเริ่มลดลง แต่การจำแนกประเภทแบบสองลาเบลยังคงมีข้อได้เปรียบเล็กน้อยในด้านการลดค่าการสูญเสีย ความสามารถในการปรับตัว และความสามารถในการจัดการกับชุดข้อมูลที่หลากหลาย ผลการศึกษานี้ชี้ให้เห็นว่าการจำแนกประเภทแบบสองลาเบลสามารถเพิ่มประสิทธิภาพของตัวแบบการเรียนรู้เชิงลึกได้อย่างมีนัยสำคัญ ทำให้สามารถแก้ไขปัญหาที่เกี่ยวข้องกับตัวแปรตามหลายตัวได้อย่างมีประสิทธิภาพ ผลลัพธ์จากการศึกษานี้มีความสำคัญอย่างยิ่งในด้านการวิเคราะห์เชิงพยากรณ์และการจัดประเภทข้อมูลขนาดใหญ่ ซึ่งความเร็วในการประมวลผลและความเสถียรของตัวแบบเป็นปัจจัยสำคัญ
การปรับปรุงแบบจําลองการเรียนรู้เชิงลึกสําหรับการทํานายผลตอบแทนในตลาดหุ้นไทยด้วยข้อมูลทางการเงินและบทความข่าว, ภัคพล ตันติวิชช์
การปรับปรุงแบบจําลองการเรียนรู้เชิงลึกสําหรับการทํานายผลตอบแทนในตลาดหุ้นไทยด้วยข้อมูลทางการเงินและบทความข่าว, ภัคพล ตันติวิชช์
Chulalongkorn University Theses and Dissertations (Chula ETD)
ในปัจจุบันมีการนำข้อมูลหลากหลายประเภทมาใช้ในการทำนายผลตอนแทนในตลาดหุ้น ได้แก่ ข้อมูลราคาหุ้นในอดีต ตัวชี้วัดทางเทคนิค ข้อมูลทางการเงินในอดีต และบทความข่าว อย่างไรก็ตามงานวิจัยส่วนใหญ่มุ่งเน้นการศึกษาอยู่ในตลาดหุ้นต่างประเทศ และมักจะใช้เพียงข้อมูลราคาหุ้นในอดีตและตัวชี้วัดทางเทคนิคเท่านั้น ข้อมูลทั้ง 4 ประเภทข้างต้นยังไม่เคยถูกใช้ร่วมกัน ในการศึกษาครั้งนี้มีวัตถุประสงค์เพื่อนำเสนอวิธีการทำนายผลตอบแทนโดยมุ่งเน้นที่ตลาดหุ้นไทย ด้วยแบบจำลองการเรียนรู้เชิงลึกโดยใช้ข้อมูลนำเข้าทั้ง 4 ประเภท ซึ่งแบบจำลองที่ใช้คือแบบจำลองการเรียนรู้เชิงลึก Temporal Convolutional Networks (TCN) และนำเสนอการปรับปรุงประสิทธิภาพของแบบจำลองทั้งในด้านการทำนายผลตอบแทนและในด้านการสร้างผลตอบแทนจากการจำลองการซื้อขายด้วยกลไกความสนใจ (Attention Mechanism) ในชื่อแบบจำลองการเรียนรู้เชิงลึก Temporal Convolutional Attention Networks (TCAN) และการใช้ข้อมูลย้อนหลัง ผลการศึกษาแสดงให้เห็นถึงความสามารถของแบบจำลอง TCAN ที่ใช้ข้อมูลเพียง 3 ประเภท คือ ข้อมูลราคาหุ้นในอดีต ตัวชี้วัดทางเทคนิค และบทความข่าวที่ถูกนำมาคำนวณเป็นคะแนนความรู้สึก ด้วยข้อมูลย้อนหลังจำนวน 10 วัน เป็นแบบจำลองที่มีประสิทธิภาพในการทำนายและสร้างผลตอบแทนในตลาดหุ้นไทย
การเปรียบเทียบอัลกอริทึมวิเคราะห์หาสาเหตุการตายโดยการสัมภาษณ์เมื่อมีข้อมูลไม่สมบูรณ์, ณัชชา สุวันทารัตน์
การเปรียบเทียบอัลกอริทึมวิเคราะห์หาสาเหตุการตายโดยการสัมภาษณ์เมื่อมีข้อมูลไม่สมบูรณ์, ณัชชา สุวันทารัตน์
Chulalongkorn University Theses and Dissertations (Chula ETD)
การศึกษาการเปรียบเทียบประสิทธิภาพของอัลกอริทึมในการวิเคราะห์หาสาเหตุการตายจากการสัมภาษณ์ (Verbal Autopsy) เมื่อมีระดับความไม่สมบูรณ์ของข้อมูลที่ต่างกัน ทำโดยเปรียบเทียบ 5 อัลกอริทึมในการแปลผลหาสาเหตุการตาย คือ InSilicoVA InterVA-5 Tariff Naïve Bayes Classifiers (NBC) และ Random Forest (RF) ในการจำแนกหาสาเหตุการตายเมื่อไม่มีการหายของข้อมูล มีการหายของข้อมูล 5% มีการหายของข้อมูล 10% และ มีการหายของข้อมูล 20% โดยเกณฑ์วัดในการประเมินประสิทธิภาพของอัลกอริทึมคือ ระยะเวลาในการทำงาน ค่าความถูกต้อง ค่า Chance-Concordance Corrected (CCC) ค่า Cause Specific Mortality Fraction (CMSF) accuracy ค่า Sensitivity และ ค่า Specificity ซึ่งข้อมูลที่นำการวิเคราะห์ในงานวิจัยนี้คือข้อมูล PHMRC Gold Standard ที่เป็นข้อมูลของผู้ใหญ่จำนวน 7,841 ตัวอย่าง จากการศึกษาพบว่าข้อมูลสมบูรณ์ทำให้มีประสิทธิภาพดีกว่าข้อมูลที่มีการทำให้หาย มีค่าตัวชี้วัดดีกว่าในทุกระดับการหายของข้อมูลและตัวชี้วัดข้างต้นที่กล่าวมาจะค่อยๆ ลดลงตามระดับการหายที่เพิ่มขึ้น VA อัลกอริทึมที่มีประสิทธิภาพในการแปลผลดีที่สุดคือ RF ในทุกระดับการหายของข้อมูลจากทุกดัชนีชี้วัดยกเว้นระยะเวลาในการทำงานและกลุ่มที่ใช้วิธีคิดแบบ data-driven อัลกอริทึมเช่น RF, Tariff และ NBC จะมีประสิทธิภาพในการแปลผลดีกว่า InSilicoVA และ InterVA 5 อาจเป็นเพราะเมื่อข้อมูลที่ใช้ในชุดเรียนรู้ในมีความครบถ้วนและสะท้อนกับข้อมูลชุดทดสอบแตกต่างกับวิธีที่ใช้หลักทางสถิติที่จะใช้ข้อมูลในการแปลผลข้อมูลมาจากแพทย์หรือผู้เชี่ยวชาญมากกว่าให้อัลกอริทึมการแปลผลเรียนรู้จากชุดเรียนรู้
Model Criteria Selection For Predictive Purpose In Logistic Regression, Pattharapon Yuttharsaknukul
Model Criteria Selection For Predictive Purpose In Logistic Regression, Pattharapon Yuttharsaknukul
Chulalongkorn University Theses and Dissertations (Chula ETD)
This study investigates the performance of various model selection criteria for binary logistic regression models in diverse data settings. The research compares traditional criteria (AIC, AICc, BIC, FIC) and proposes criteria (pAIC, pAICc, pBIC) designed to improve predictive ability and prevent overfitting. A simulation study systematically manipulates factors like imbalanced ratios, collinearity, number of observations, and number of variables to evaluate the effectiveness of these criteria across various scenarios. The performance is assessed using four key metrics: F1-score, false positive rate, false negative rate, and Area Under the Curve (AUC). The findings reveal a complex interplay between data characteristics and …
ผลของความเชื่อก่อนหน้าและจำนวนค่าผิดปกติที่มีต่อการประมาณค่าสหสัมพันธ์และการเปลี่ยนแปลงความเชื่อของบุคคล, สุทัตตา เหรียญทอง
ผลของความเชื่อก่อนหน้าและจำนวนค่าผิดปกติที่มีต่อการประมาณค่าสหสัมพันธ์และการเปลี่ยนแปลงความเชื่อของบุคคล, สุทัตตา เหรียญทอง
Chulalongkorn University Theses and Dissertations (Chula ETD)
งานวิจัยในอดีตพบว่าบุคคลตีความสหสัมพันธ์จากแผนภาพการกระจายอย่างมีอคติตามความเชื่อของตน หากแผนภาพการกระจายมีลักษณะทางภาพที่สนับสนุนความเชื่อเดิมของบุคคลอยู่ด้วยจะส่งผลให้บุคคลนั้นเปลี่ยนแปลงความเชื่อน้อยลงแม้ว่าแผนภาพนั้นจะแสดงความสัมพันธ์ที่ไม่สอดคล้องกับความเชื่อของบุคคล อย่างไรก็ตาม งานวิจัยที่ผ่านมายังไม่มีการนำค่าผิดปกติมาศึกษาร่วมกับความเชื่อ งานวิจัยนี้จึงมีวัตถุประสงค์เพื่อศึกษาอิทธิพลของความเชื่อก่อนหน้าและจำนวนค่าผิดปกติต่อการประมาณค่าสหสัมพันธ์และการเปลี่ยนแปลงความเชื่อ โดยผู้วิจัยคาดว่าการมีค่าผิดปกติจะยิ่งทำให้แผนภาพดูมีความสัมพันธ์ต่ำลงและจะทำให้บุคคลเปลี่ยนแปลงความเชื่อน้อยลงในกรณีที่บุคคลนั้นเชื่อว่าคู่ตัวแปรไม่มีความสัมพันธ์กัน การศึกษานี้ทำการทดลองผ่านแบบสอบถามออนไลน์โดยให้ผู้เข้าร่วมวิจัยแต่ละคนตอบแบบสอบถามความเชื่อเกี่ยวกับความสัมพันธ์ระหว่างตัวแปรและประมาณค่าสหสัมพันธ์จากแผนภาพการกระจายทั้ง 12 แผนภาพ ซึ่งมาจากการผสมกันระหว่างเงื่อนไขการทดลอง ได้แก่ ความเชื่อก่อนหน้า (ไม่สอดคล้อง/สอดคล้อง), จำนวนค่าผิดปกติ (0/2/4 จุด) และระดับสหสัมพันธ์ (0.4/0.6) ผลพบว่าความเชื่อก่อนหน้าและจำนวนค่าผิดปกติมีอิทธิพลทำนายต่อการประมาณค่าสหสัมพันธ์และการเปลี่ยนแปลงความเชื่อ โดยกรณีความเชื่อก่อนหน้าไม่สอดคล้องกับข้อมูลจะประมาณค่าสหสัมพันธ์ต่ำกว่าความเป็นจริงและจะประมาณต่ำกว่ากรณีความเชื่อก่อนหน้าสอดคล้องกับข้อมูล และเมื่อจำนวนค่าผิดปกติเพิ่มขึ้นบุคคลกลับประมาณค่าสหสัมพันธ์สูงขึ้นซึ่งไม่ตรงกับสมมติฐานที่ตั้งไว้ และไม่ว่าสหสัมพันธ์จะเป็นระดับกลาง (0.4) หรือสูง (0.6) บุคคลต่างก็ประมาณค่าสหสัมพันธ์ผิดพลาดไปตามความเชื่อของตน ส่วนประเด็นการเปลี่ยนแปลงความเชื่อผลพบว่า กรณีความเชื่อก่อนหน้าไม่สอดคล้องกับข้อมูลจะเปลี่ยนแปลงความเชื่อเพิ่มขึ้นจากเดิมมากกว่ากรณีความเชื่อก่อนหน้าสอดคล้องกับข้อมูล และจะเปลี่ยนแปลงความเชื่อมากขึ้นเมื่อสหสัมพันธ์สูงขึ้น (0.6) โดยจำนวนค่าผิดปกติมีอิทธิพลเล็กน้อยต่อการเปลี่ยนแปลงความเชื่อที่เพิ่มขึ้นของกรณีความเชื่อก่อนหน้าไม่สอดคล้องกับข้อมูลซึ่งไม่ตรงกับสมมติฐานที่ตั้งไว้ และจากการตรวจสอบเพิ่มเติมพบว่าจำนวนค่าผิดปกติมีอิทธิพลทางอ้อมต่อการเปลี่ยนแปลงความเชื่อโดยมีการประมาณค่าสหสัมพันธ์เป็นตัวแปรส่งผ่านซึ่งอิทธิพลทางอ้อมนี้ถูกกำกับโดยความเชื่อก่อนหน้าและระดับสหสัมพันธ์ โดยที่กรณีความเชื่อก่อนหน้าไม่สอดคล้องกับข้อมูลจะมีขนาดอิทธิพลทางอ้อมสูงกว่ากรณีความเชื่อก่อนหน้าสอดคล้องกับข้อมูล
แนวทางการส่งเสริมการเรียนรู้ภาษาระยะแรกเริ่มสำหรับเด็กอนุบาล : การวิเคราะห์โมเดลสมการโครงสร้างพหุระดับ, ยุทธชัย ศิลาแลง
แนวทางการส่งเสริมการเรียนรู้ภาษาระยะแรกเริ่มสำหรับเด็กอนุบาล : การวิเคราะห์โมเดลสมการโครงสร้างพหุระดับ, ยุทธชัย ศิลาแลง
Chulalongkorn University Theses and Dissertations (Chula ETD)
การวิจัยครั้งนี้มีวัตถุประสงค์ดังนี้ 1) เพื่อวิเคราะห์และเปรียบเทียบการเรียนรู้ภาษาระยะแรกเริ่มสำหรับเด็กอนุบาลที่มีภูมิหลังแตกต่างกัน 2) เพื่อวิเคราะห์โมเดลสมการเชิงโครงสร้างพหุระดับปัจจัยที่ส่งผลต่อการเรียนรู้ภาษาระยะแรกเริ่มของเด็กอนุบาลและตรวจสอบความสอดคล้องข้อมูลเชิงประจักษ์ 3) เพื่อวิเคราะห์อิทธิพลของตัวแปรในระดับห้องเรียนที่มีผลต่อการเรียนรู้ภาษาระยะแรกเริ่มสำหรับเด็กอนุบาล 4) เพื่อเสนอแนะแนวทางการส่งเสริมการเรียนรู้ภาษาระยะแรกเริ่มของเด็กอนุบาลสำหรับผู้ปกครอง ครู ผู้บริหารและศึกษานิเทศก์ ตัวอย่างประกอบด้วยนักเรียนชั้นอนุบาลปีที่ 3 จำนวน 2864 คน และครูที่สอนนักเรียนระดับชั้นอนุบาลปีที่ 3 จำนวน 53 คน ซึ่งเก็บข้อมูลจากโรงเรียนจำนวน 35 แห่ง สังกัดสำนักงานเขตพื้นที่การศึกษาประถมศึกษากรุงเทพมหานคร สุ่มตัวอย่างโดยใช้วิธีการแบบหลายขั้นตอน (Multi-stage Random Sampling) เครื่องมือที่ใช้ในการวิจัยประกอบด้วยแบบบันทึกข้อมูลนักเรียน แบบสอบถามสำหรับครู การวิเคราะห์สถิติบรรยายด้วยโปรแกรม SPSS และการวิเคราะห์โมเดลสมการโครงสร้างพหุระดับ ด้วยโปรแกรม Mplus ผลการวิจัยพบว่า 1) เด็กอนุบาลที่มาจากครอบครัวที่มีภูมิหลังด้านเศรษฐานะต่างกันส่งผลต่อการเรียนรู้ภาษาระยะแรกเริ่มต่างกัน 2) โมเดลสมการเชิงโครงสร้างพหุระดับปัจจัยที่ส่งผลต่อการเรียนรู้ภาษาระยะแรกเริ่มของเด็กอนุบาลที่พัฒนาขึ้นมีความสอดคล้องกับข้อมูลเชิงประจักษ์ (χ2 = 258.664, p = .00, χ2/df = 2.694, CFI = 0.847, TLI = 0.751, RMSEA = .024, SRMRw= 0.242, SRMRb= 0.062) โดยระดับนักเรียนพบว่า สภาพแวดล้อมทางด้านภาษาที่บ้านมีอิทธิพลทางตรงเชิงลบและพัฒนาการของเด็กมีอิทธิพลเชิงบวกต่อการเรียนรู้ภาษาระยะแรกเริ่มของเด็กอนุบาล 3) ตัวแปรในระดับห้องเรียนที่มีผลต่อการเรียนรู้ภาษาระยะแรกเริ่มสำหรับเด็กอนุบาล พบว่า การจัดสภาพแวดล้อมทางภาษาในห้องเรียน และสมรรถนะการสอนภาษาของครูมีอิทธิพลทางตรงเชิงบวกอย่างมีนัยสำคัญทางสถิติ ตัวแปรทำนายทั้งหมดในระดับนักเรียนและระดับห้องเรียนสามารถอธิบายความแปรปรวนของการเรียนรู้ภาษาระยะแรกเริ่มสำหรับเด็กอนุบาลได้ร้อยละ 24 และ 95 ตามลำดับ 4) ผลการวิเคราะห์จากโมเดลการส่งเสริมการเรียนรู้ภาษาในห้องเรียนอนุบาล นำไปสู่ข้อเสนอแนะ 3 แนวทาง ดังนี้ (1) ผู้ปกครองไม่ควรเคร่งครัดด้านวิชาการที่บ้านกับเด็กมากเกินไปแต่ควรตระหนักถึงพัฒนาการที่สมวัยของเด็ก (2) ครูควรตระหนักถึงการจัดสภาพแวดล้อมในห้องเรียนให้มีความน่าสนใจด้วยการเปิดโอกาสให้มีประสบการณ์ทางภาษาที่หลากหลาย การอ่านหนังสือกับเด็กและการมีแหล่งทรัพยากรทางภาษาในห้องเรียน สำหรับตัวครูผู้สอนควรจะมีพื้นฐานด้านการสอนภาษาสำหรับเด็กอนุบาลและครูควรมีความถนัดและรักในการสอนภาษา (3) ผู้บริหารและต้นสังกัดควรกำหนดนโยบายส่งเสริม สนับสนุน และสร้างความเข้าใจให้ผู้ปกครอง ครู ผู้บริหารและศึกษานิเทศก์เข้าใจถึงการจัดการเรียนการสอนภาษาสำหรับเด็กปฐมวัยให้ตรงกัน
การเปรียบเทียบการทำนายทิศทางของราคาหุ้นไทยโดยใช้ตัวแบบ Random Forests, Xgboost และ Lightgbm, สาธิตา ไชยมหา
การเปรียบเทียบการทำนายทิศทางของราคาหุ้นไทยโดยใช้ตัวแบบ Random Forests, Xgboost และ Lightgbm, สาธิตา ไชยมหา
Chulalongkorn University Theses and Dissertations (Chula ETD)
การศึกษานี้มีวัตถุประสงค์เพื่อทำนายทิศทางของหุ้นไทย โดยทำการทดลองเปรียบเทียบเครื่องมือทางสถิติด้วยตัวแบบ Random Forests, XGBoost และ LightGBM โดยใช้ตัวแปรค่าของข้อมูลก่อนหน้า (Lag Features) เพียงอย่างเดียว ข้อมูลตัวชี้วัด (Indicators) ของหุ้นเพียงอย่างเดียว และ ข้อมูลตัวชี้วัด (Indicators) ของหุ้นร่วมกับข้อมูลก่อนหน้า (Lag Features) กับทั้ง 3 ตัวแบบ ด้วยวิธีการปรับแต่งไฮเปอร์พารามิเตอร์ระหว่างการปรับให้เหมาะสมแบบเบย์ (Bayesian Search) และการค้นหาแบบสุ่ม (Random Search) ในการทำนายทิศทางหุ้นล่วงหน้า 1, 3, 5,10, 15, 30, 60, 90 และ 180 วัน โดยศึกษาหุ้นทั้งหมด 8 ตัวที่ต่างอุตสาหกรรม ดังนี้ เกษตรและอุตสาหกรรมอาหาร (AGRO) สินค้าอุปโภคบริโภค (CONSUMP) ธุรกิจการเงิน (FINCIAL) สินค้าอุตสาหกรรม (INDUS) อสังหาริมทรัพย์และก่อสร้าง (PROPCON) ทรัพยากร (RESOURC) บริการ (SERVICE) เทคโนโลยี (TECH) ข้อมูลราคาหุ้นจาก finance.yahoo.com ปี ค.ศ. 2014-2023 โดยเลือกหุ้นที่มีมูลค่าสูงสุดจากแต่ละกลุ่มอุตสาหกรรม ซึ่งขั้นตอนการแบ่งข้อมูลออกเป็นข้อมูลชุดฝึกฝน (Training Set) และข้อมูลชุดทดสอบ (Test Set) และทำการแบ่ง K-Fold Cross-Validation ทั้งหมด 5 Fold และวัดผลตัวแบบด้วยค่าความแม่นยำ (Accuracy), Precision, Recall, F1-Score และ AUC จากการศึกษาพบว่า ตัวแบบ Random Forests, XGBoost และ LightGBM มีผลลัพธ์การทำนายใกล้เคียงกันในแต่ละชุดตัวแปร และวิธีวิธีการปรับแต่งไฮเปอร์พารามิเตอร์ระหว่างการปรับให้เหมาะสมแบบเบย์ (Bayesian Search) และการค้นหาแบบสุ่ม (Random Search) ให้ผลลัพธ์ใกล้เคียงกันในแต่ละตัวแบบ …
Thai Language Sentiment Analysis With A Hybrid Method On Wangchanberta-Cnn-Bilstm, Kasidhit Suraratchai
Thai Language Sentiment Analysis With A Hybrid Method On Wangchanberta-Cnn-Bilstm, Kasidhit Suraratchai
Chulalongkorn University Theses and Dissertations (Chula ETD)
Understanding emotions conveyed in text, especially in non-global languages such as Thai, sentiment analysis is particularly important in Thailand. However, this endeavor faces challenges due to variations in text length, which significantly impact sentiment analysis outcomes. Previous research has employed neural network and machine learning models in the process from research [2] and [7], yet each model specializes in different aspects, making comprehensive sentiment analysis coverage unattainable. Recent research [13], has delved into hybrid models like CNN-BiLSTM and BiLSTM-CNN. Although they demonstrate efficacy, their performance still varies across different datasets. For instance, CNN-BiLSTM excels with short sentences by considering surrounding …
การเปรียบเทียบวิธีการใส่ค่าสูญหาย ในการวิเคราะห์การถดถอยโลจิสติก เมื่อตัวแปรตามมีการสูญหายแบบนอนอิกนอร์เรเบิล, อภิชาติ ฉัตรเรืองเลิศ
การเปรียบเทียบวิธีการใส่ค่าสูญหาย ในการวิเคราะห์การถดถอยโลจิสติก เมื่อตัวแปรตามมีการสูญหายแบบนอนอิกนอร์เรเบิล, อภิชาติ ฉัตรเรืองเลิศ
Chulalongkorn University Theses and Dissertations (Chula ETD)
งานวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบวิธีการใส่ค่าสูญหาย ในการวิเคราะห์การถดถอยโลจิสติก เมื่อตัวแปรตามมีการสูญหายแบบนอนอิกนอร์เรเบิล วิธีการที่ใช้ศึกษา คือ วิธี Complete Case Analysis (CC) วิธี Mode Imputation (MODE) วิธี Expectation Maximization Algorithm (EM) วิธี Multiple Imputation (MI) วิธี Hard Cutoff Augmentation (HARDCUT) วิธี Parceling Augmentation (PARCELING) และวิธี Fuzzy Augmentation (FUZZY) งานวิจัยนี้ใช้การจำลองข้อมูลในการศึกษาตามขนาดของตัวอย่าง ร้อยละของการสูญหายของข้อมูล และระดับของการสูญหายแบบนอนอิกนอร์เรเบิล การจำลองข้อมูลในแต่ละสถานการณ์จะกระทำ 5,000 รอบ โดยมีเกณฑ์ที่ใช้เปรียบเทียบประสิทธิภาพของวิธีการใส่ค่าสูญหาย ได้แก่ ค่าเฉลี่ยของค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง (Average Mean Squared Error: AMSE) ของค่าประมาณความน่าจะเป็นของการเกิดเหตุการณ์ที่สนใจ (P(Y = 1)) และค่าประสิทธิภาพสัมพัทธ์ (Relative Efficiency: RE) จากผลการทดลองสรุปได้ว่า ค่า AMSE จะลดลงเมื่อขนาดของตัวอย่างใหญ่ขึ้น และจะมีค่ามากขึ้นเมื่อร้อยละของการสูญหายของข้อมูลเพิ่มขึ้น เมื่อพิจารณาผลของระดับของการสูญหายแบบนอนอิกนอร์เรเบิลต่อค่า AMSE พบว่ามีเพียง AMSE ของวิธี MODE เท่านั้นที่มีแนวโน้มเพิ่มขึ้น เมื่อระดับของการสูญหายแบบนอนอิกนอร์เรเบิลเพิ่มขึ้น และเมื่อพิจารณาค่า RE โดยเปรียบเทียบ AMSE ของวิธี CC กับวิธีการใส่ค่าสูญหายวิธีอื่น พบว่า วิธี EM และวิธี FUZZY ให้ค่า AMSE เท่ากับ AMSE ของวิธี CC ในขณะที่ AMSE ของวิธีอื่น ๆ มีค่าน้อยกว่า AMSE ของวิธี CC
พฤติกรรมของครูในการช่วยเหลือดูแลนักเรียนด้านความปลอดภัยทางดิจิทัลที่มีต่อความสามารถในการฟื้นพลังทางดิจิทัลของนักเรียน: การวิเคราะห์อิทธิพลส่งผ่านแบบพหุระดับ, ชานนท์ พูลสุขเสริม
พฤติกรรมของครูในการช่วยเหลือดูแลนักเรียนด้านความปลอดภัยทางดิจิทัลที่มีต่อความสามารถในการฟื้นพลังทางดิจิทัลของนักเรียน: การวิเคราะห์อิทธิพลส่งผ่านแบบพหุระดับ, ชานนท์ พูลสุขเสริม
Chulalongkorn University Theses and Dissertations (Chula ETD)
การวิจัยครั้งนี้มีวัตถุประสงค์ 1) เพื่อสำรวจสภาพการฟื้นพลังทางดิจิทัล กรอบความคิดเติบโตทางดิจิทัล และการรับรู้ความสามารถทางดิจิทัลนักเรียน 2) สำรวจสภาพพฤติกรรมของครูในการดูแลช่วยเหลือนักเรียนด้านความปลอดภัยทางดิจิทัล และ 3) วิเคราะห์อิทธิพลของปัจจัยระดับนักเรียนและระดับครูที่มีต่อการฟื้นพลังทางดิจิทัลของนักเรียน ตัวอย่างที่ใช้ในการวิจัยครั้งนี้คือ นักเรียนมัธยมศึกษาตอนปลาย จำนวน 1,089 คน และครู จำนวน 43 คน โดยใช้การสุ่มแบบแบ่งชั้นตามภูมิภาคและขนาดโรงเรียน การเก็บรวบรวมข้อมูลใช้แบบสอบถามออนไลน์ที่พัฒนาให้มีคุณสมบัติการวัดเชิงจิตมิติทางด้านความตรงและความเที่ยง ข้อคำถามในงานวิจัยนี้มีค่าดัชนีความตรงตามเนื้อหา (I-CVI) ตั้งแต่ 0.80 ถึง 1.00 และมีค่าดัชนีความตรงตามเนื้อหาเชิงโครงสร้าง (S-CVI) เท่ากับ 0.83 ค่าสัมประสิทธิ์ Cronbach’s Alpha ของแต่ละตัวบ่งชี้มีค่าตั้งแต่ 0.610 ถึง 0.865 วิเคราะห์ข้อมูลโดยใช้การวิเคราะห์โมเดลสมการโครงสร้างด้วยโปรแกรม R และ Mplus ผลการศึกษาพบว่า โมเดลสมการโครงสร้างสอดคล้องกับข้อมูลเชิงประจักษ์ (Chi-square (121) = 318.904, p < .001, RMSEA = 0.039, CFI = 0.985, TLI = 0.978, SRMRW = 0.018, SRMRB = 0.079, AIC = 18935.931, BIC = 19395.289) โดยมีรายละเอียดผลการวิจัยดังนี้ 1. ผลการวิเคราะห์อิทธิพลของปัจจัยระดับนักเรียน แสดงให้เห็นว่ากรอบความคิดเติบโตทางดิจิทัลมีอิทธิพลทางตรงต่อการฟื้นพลังทางดิจิทัลและการรับรู้ความสามารถทางดิจิทัลอย่างมีนัยสำคัญทางสถิติที่ระดับ .05 (BDGM->DRS = .548, p < .001; BDGM->DSE = .902, p < .001) ในขณะที่การรับรู้ความสามารถทางดิจิทัลมีอิทธิพลทางตรงต่อการฟื้นพลังทางดิจิทัลอย่างมีนัยสำคัญทางสถิติที่ระดับ .05 (BDSE->DRS = .399, p = .005) นอกจากนี้ยังพบว่ากรอบความคิดเติบโตทางดิจิทัลมีอิทธิพลทางอ้อมต่อการฟื้นพลังทางดิจิทัลผ่านการรับรู้ความสามารถของตนเองทางดิจิทัลอย่างมีนัยสำคัญทางสถิติที่ระดับ .05 (BDGM->DSE->DRS = .360, p = .005) โดยคิดเป็นอิทธิพลโดยรวมเท่ากับ .908 2. ผลการวิเคราะห์อิทธิพลของปัจจัยระดับครู แสดงให้เห็นว่าพฤติกรรมของครูในการช่วยเหลือดูแลนักเรียนด้านความปลอดภัยทางดิจิทัลมีอิทธิพลทางตรงต่อการรับรู้ความสามารถทางดิจิทัลของนักเรียนอย่างมีนัยสำคัญทางสถิติที่ระดับ .05 (B TSC->DSE = .657, p < .001) รวมถึงมีอิทธิพลทางตรงต่อการฟื้นพลังทางดิจิทัลของนักเรียนอย่างมีนัยสำคัญทางสถิติที่ระดับ .05 (BTSC->DRS = .811, p < .001) นอกจากนี้ยังอิทธิพลทางอ้อมต่อการฟื้นพลังทางดิจิทัลของนักเรียนผ่านการรับรู้ความสามารถทางดิจิทัลของนักเรียนอย่างมีนัยสำคัญทางสถิติที่ระดับ .05 (BTSC->DSE->DRS = .085, p < .001) โดยคิดเป็นอิทธิพลโดยรวมเท่ากับ .896 ข้อค้นพบดังกล่าวแสดงให้เห็นว่าการส่งเสริมให้นักเรียนมีการฟื้นพลังทางดิจิทัลต้องเริ่มส่งเสริมจากการสร้างกรอบความคิดเติบโตทางดิจิทัล และการรับรู้ความสามารถของตนเองทางดิจิทัลให้เกิดขึ้นกับนักเรียน นอกจากนี้ยังพบว่าครูที่ปรึกษามีบทบาทสำคัญในการส่งเสริมการฟื้นพลังทางดิจิทัลของนักเรียนอีกด้วย