Statistics and Probability Commons^™

A State Space Modeling Approach To Eeg Artifact Removal, Patrick B. Rafael

Graduate Research Theses & Dissertations

In this work, a state space modeling approach is applied to an Electroencephalography(EEG) recording for the purpose of artifact removal, and is compared against Independent Components Analysis (ICA), the current gold standard. Issues of model identifiability are touched on, and Hamiltonian Monte Carlo (HMC) is used to estimate a linear non-Gaussian state space model. Results show that estimating such a model is a nontrivial matter, and the full utility of the state space approach remains to be demonstrated.

A Class Of Regression Models For Pairwise Comparisons Of Forensic Handwriting Comparison Systems, Cami M. Fuglsby

Electronic Theses and Dissertations

Handwriting analysis is a complex field largely living in forensic science and the legal realm. One task of a forensic document examiner (FDE) may be to determine the writer(s) of handwritten documents. Automated identification systems (AIS) were built to aid FDEs in their examinations. Part of the uses of these AIS (such as FISH[5] [7],WANDA [6], CEDAR-FOX [17], and FLASHID®2) are tomeasure features about a handwriting sample and to provide the user with a numeric value of the evidence. These systems use their own algorithms and definitions of features to quantify the writing and can be considered a black-box. The …

The Birds And The Trees: Quantifying The Drivers Of Whitebark Pine Decline And Clark's Nutcracker Habitat Use In Glacier National Park, Vladimir Kovalenko

Graduate Student Theses, Dissertations, & Professional Papers

Whitebark pine (Pinus albicaulis), recently listed as threatened under the Endangered Species Act, is in steep decline in Glacier National Park, Montana, USA due to the non-native pathogen Cronartium ribicola, causal agent of the fatal disease white pine blister rust. A sample of the park’s population suggests that approximately 70 percent of whitebark pines have died, while 65 percent of the remaining trees are infected. Using landscape and climate variables, we show how geographic location, elevation, aspect, solar radiation, relative humidity, and snowpack interact with tree diameter to affect mortality, disease incidence, cone production, and regeneration. We also examine how …

A Picture Worth A Thousand Words: Factors Influencing Disability Accommodations, Alicia E. Martin

Cal Poly Humboldt theses and projects

Because not all disabilities look the same it is difficult to label a person with disabilities just by looking at them. Given that our knowledge, attitudes, and perceptions impact how we interpret our world and our willingness to act, people, including professors, may be biased toward providing accommodations for those with easily recognizable disabilities and biased against those with non-recognizable disabilities, and this may impact the disabled person’s ability to learn. This thesis aims to address whether professors’ disability-related attitudes, perceptions of accommodation reasonableness, and willingness to provide accommodations differ when the disability is recognizable (student is pictured in a …

Laboratory Practices And Antimicrobial Resistance In A Florida Hospital, Crispina Marie Sy-Trias

Walden Dissertations and Doctoral Studies

Antibiotic resistance is a health threat affecting millions of Americans. Microorganisms develop resistance to antibiotics, rendering them useless for treating infections. The purpose of this quantitative study was to assess the associations between sample processing time and antibiotic resistance and is based on the health belief model. A retrospective specimen tracking activity of data from November 2019 to November 2020 was obtained by random sampling of 246 bacterial cultures. One hundred ninety-six (80%) samples were processed on time, and 50 (20%) were delayed; 167 (68%) samples were determined to have the presence of antimicrobial resistance (AMR), and 79 (32%) with …

Efficient High Order Ensemble For Fluid Flow, John Carter

Doctoral Dissertations

"This thesis proposes efficient ensemble-based algorithms for solving the full and reduced Magnetohydrodynamics (MHD) equations. The proposed ensemble methods require solving only one linear system with multiple right-hand sides for different realizations, reducing computational cost and simulation time. Four algorithms utilize a Generalized Positive Auxiliary Variable (GPAV) approach and are demonstrated to be second-order accurate and unconditionally stable with respect to the system energy through comprehensive stability analyses and error tests. Two algorithms make use of Artificial Compressibility (AC) to update pressure and a solenoidal constraint for the magnetic field. Numerical simulations are provided to illustrate theoretical results and demonstrate …

Advances In Differentially Methylated Region Detection And Cure Survival Models, Daniel Ahmed Alhassan

Doctoral Dissertations

"This dissertation focuses on two areas of statistics: DNA methylation and survival analysis. The first part of the dissertation pertains to the detection of differentially methylated regions in the human genome. The varying distribution of gaps between succeeding genomic locations, which are represented on the microarray used to quantify methylation, makes it challenging to identify regions that have differential methylation. This emphasizes the need to properly account for the correlation in methylation shared by nearby locations within a specific genomic distance. In this work, a normalized kernel-weighted statistic is proposed to obtain an optimal amount of "information" from neighboring locations …

Essays On Conditional Heteroscedastic Time Series Models With Asymmetry, Long Memory, And Structural Changes, K C M R Anjana Bandara Yatawara

Doctoral Dissertations

"The volatility of asset returns is usually time-varying, necessitating the introduction of models with a conditional heteroskedastic variance structure. In this dissertation, several existing formulations, motivated by the Generalized Autoregressive Conditional Heteroskedastic (GARCH) type models, are further generalized to accommodate more dynamic features of asset returns such as asymmetry, long memory, and structural breaks. First, we introduce a hybrid structure that combines short-memory asymmetric Glosten, Jagannathan, and Runkle (GJR) formulation and the long-memory fractionally integrated GARCH (FIGARCH) process for modeling financial volatility. This formulation not only can model volatility clusters and capture asymmetry but also considers the characteristic of long …

Network Intrusion Detection Using Deep Reinforcement Learning, Hamed T. Sanusi

College of Graduate Studies: Theses & Dissertations

This thesis delves into cybersecurity by applying Deep Reinforcement(DRL) Learning in network intrusion detection. One advantage of DRL is the ability to adapt to changing network conditions and evolving attack methods, making it a promising solution for addressing the challenges involved in intrusion detection. The thesis will also discuss the obstacles and benefits of using Classification methods for network intrusion detection and the need for high-quality training data. To train and test our proposed method, the NSL-KDD dataset was used and then adjusted by converting it from a multi-classification to a binary classification, achieved by joining all attacks into one. …

Cheiloscopy Patterns In Individuals With And Without Parafunctional Oral Habits: A Cross-Sectional Observation Pilot Study, Emily Regan, Brenda Bradshaw, Ann Bruhn, Walter Melvin, Sinjini Sikdar

Dental Hygiene Faculty Publications

Purpose

Lip prints are unique and have potential for use as a human identifier. The purpose of this study was to observe possible cheiloscopy differences of individuals with and without parafunctional oral habits such as smoking, vaping, playing a wind instrument or using an asthma inhaler.

Methods

This IRB approved blinded cross-sectional observation pilot study collected lip prints from 66 individuals, three of which were excluded. Participants cleansed their lips, then lipstick was applied to the vermillion zones of the upper and lower lips. Adhesive tape was applied to the lips and prints were transferred to white bond paper for …

Prediction Of Rapid Early Progression And Survival Risk With Pre-Radiation Mri In Who Grade 4 Glioma Patients, Walia Farzana, Mustafa M. Basree, Norou Diawara, Zeina Shboul, Sagel Dubey, Marie M. Lockheart, Mohamed Hamza, Joshua D. Palmer, Khan Iftekharuddin

Electrical & Computer Engineering Faculty Publications

Rapid early progression (REP) has been defined as increased nodular enhancement at the border of the resection cavity, the appearance of new lesions outside the resection cavity, or increased enhancement of the residual disease after surgery and before radiation. Patients with REP have worse survival compared to patients without REP (non-REP). Therefore, a reliable method for differentiating REP from non-REP is hypothesized to assist in personlized treatment planning. A potential approach is to use the radiomics and fractal texture features extracted from brain tumors to characterize morphological and physiological properties. We propose a random sampling-based ensemble classification model. The proposed …

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

การพัฒนาตัวบ่งชี้สมรรถนะการพยาบาลผู้สูงอายุ: การวิเคราะห์ความไม่แปรเปลี่ยน, ปภาวี ฐิติมโนวงศ์

Chulalongkorn University Theses and Dissertations (Chula ETD)

การวิจัยนี้มีวัตถุประสงค์ 1) เพื่อพัฒนาตัวบ่งชี้สมรรถนะการพยาบาลผู้สูงอายุ 2) เพื่อทดสอบความสอดคล้องของโมเดลการวัดสมรรถนะการพยาบาลผู้สูงอายุที่พัฒนาขึ้นกับข้อมูลเชิงประจักษ์ และ 3) เพื่อทดสอบความไม่แปรเปลี่ยนของโมเดลการวัดสมรรถนะการพยาบาลผู้สูงอายุที่พัฒนาขึ้นตามกลุ่มสถาบันในสังกัดกระทรวงกลาโหม และสังกัดกระทรวงสาธารณสุข ด้วยวิธีการประมาณค่าความน่าจะเป็นสูงสุด ตัวอย่างที่ใช้ในการวิจัยครั้งนี้ คือ นักศึกษาพยาบาล จำนวน 235 คน จากวิทยาลัยพยาบาลกองทัพบก และวิทยาลัยพยาบาลบรมราชชนนี พระพุทธบาท เครื่องมือที่ใช้ในงานวิจัยในครั้งนี้ ได้แก่ แบบประเมินตนเองของนักศึกษาพยาบาลต่อสมรรถนะการพยาบาลผู้สูงอายุ การวิเคราะห์ข้อมูลเพื่อประมาณค่าพารามิเตอร์ในโมเดลด้วยวิธีการประมาณค่าความน่าจะเป็นสูงสุด จากโปรแกรม LISREL 8.72 1. โมเดลการวัดสมรรถนะการพยาบาลผู้สูงอายุ ประกอบด้วย 4 องค์ประกอบ 12 ตัวบ่งชี้ ประกอบด้วย องค์ประกอบที่ 1 ความสามารถด้านความเข้าใจบุคคลและเหตุการณ์ แบ่งออกเป็น 3 ตัวบ่งชี้ ได้แก่ การประยุกต์ใช้ความรู้ ความสามารถในการสื่อสาร ความเข้าใจความเปลี่ยนแปลงของผู้สูงอายุ องค์ประกอบที่ 2 ความสามารถในการให้การพยาบาล แบ่งออกเป็น 3 ตัวบ่งชี้ ได้แก่ ความสามารถด้านการพยาบาล ทักษะการทำงานร่วมกับผู้อื่น และการปฏิบัติการพยาบาลด้วยหลักจริยธรรม องค์ประกอบที่ 3 ความสามารถด้านการเสริมสร้างพลังอำนาจ แบ่งออกเป็น 3 ตัวบ่งชี้ ได้แก่ การมีเจตคติที่ดีต่อผู้สูงอายุ การสนับสนุนให้ผู้สูงอายุมีการตัดสินใจและปฏิบัติในสิ่งที่เหมาะสม และฝึกทักษะและพัฒนาศักยภาพของผู้สูงอายุและครอบครัวในการดูแลตนเอง องค์ประกอบที่ 4 ความสามารถด้านการส่งเสริมสุขภาพและป้องกันโรค แบ่งออกเป็น 3 ตัวบ่งชี้ ได้แก่ การจัดกิจกรรมส่งเสริมให้กับผู้สูงอายุ ทักษะการให้คำปรึกษาทางสุขภาพ และทักษะการส่งเสริมความรู้ด้านสุขภาพและป้องกันโรค 2. โมเดลการวัดสมรรถนะการพยาบาลผู้สูงอายุสอดคล้องกับข้อมูลเชิงประจักษ์ (χ2(29)=37.94, p=.124, RMSEA=.036, CFI=.999, NFI=.995, NNFI=.997) โดยความสามารถในการให้การพยาบาลมีค่าน้ำหนักองค์ประกอบสูงที่สุด (B=.996) รองลงมาคือความสามารถด้านการเสริมสร้างพลังอำนาจ (B=.954) ความสามารถด้านการส่งเสริมสุขภาพและป้องกันโรค (B=.944) และความสามารถด้านความเข้าใจบุคคลและเหตุการณ์ (B=.862) ตามลำดับ 3. ผลการวิเคราะห์ความไม่แปรเปลี่ยนของโมเดลการวัดสมรรถนะการพยาบาลผู้สูงอายุของนักศึกษาพยาบาลในสังกัดกระทรวงกลาโหม และสังกัดกระทรวงสาธารณสุข พบว่าโมเดลไม่แปรเปลี่ยนตามสังกัดทั้งในรูปแบบและน้ำหนักองค์ประกอบ แต่พบว่าเมริกซ์ความแปรปรวน-ความแปรปรวนร่วมของพารามิเตอร์ความคลาดเคลื่อนจากการวัดแปรเปลี่ยนตามสังกัด

แนวทางการพัฒนากรอบความคิดเติบโตเพื่อส่งเสริมประสิทธิภาพในการเรียนออนไลน์ของนักเรียนมัธยมศึกษาตอนปลาย: การวิเคราะห์โมเดลสมการโครงสร้างพหุระดับ, วันวิสาข์ เสาว์สิงห์

Chulalongkorn University Theses and Dissertations (Chula ETD)

การวิจัยนี้มีวัตถุประสงค์ดังนี้ 1) เพื่อสำรวจสภาพกรอบความคิดเติบโตในการเรียนออนไลน์ของนักเรียน 2) เพื่อวิเคราะห์อิทธิพลพหุระดับของปัจจัยที่ส่งผลต่อกรอบความคิดเติบโตในการเรียนออนไลน์ของนักเรียน และ 3) เพื่อเสนอแนวทางการพัฒนากรอบความคิดเติบโตในการเรียนออนไลน์ของนักเรียน ตัวอย่างวิจัยประกอบด้วยครูจำนวน 63 คน และนักเรียน จำนวน 1,201 คน กำหนดตัวอย่างด้วยวิธีการสุ่มแบบหลายขั้นตอนจากโรงเรียนในสังกัด สพฐ. เก็บข้อมูลเชิงปริมาณโดยใช้แบบสอบถามออนไลน์ 2 ฉบับ คือ แบบสอบถามสำหรับครูและสำหรับนักเรียน ส่วนข้อมูลสำหรับการออกแบบแนวทางการพัฒนากรอบความคิดเติบโตในการเรียนออนไลน์ของนักเรียนเก็บรวบรวมโดยใช้วิธีการสนทนากลุ่ม วิเคราะห์ข้อมูลโดยใช้สถิติบรรยายในการบรรยายสภาพกรอบความคิดเติบโตในการเรียนออนไลน์และปัจจัยต่าง ๆ ในขณะที่การวิเคราะห์อิทธิพลของปัจจัยที่ส่งผลต่อกรอบความคิดเติบโตในการเรียนออนไลน์ของนักเรียนจะวิเคราะห์ด้วยการวิเคราะห์โมเดลสมการโครงสร้างพหุระดับ (2 ระดับ) ส่วนข้อมูลเชิงคุณภาพจะวิเคราะห์ด้วยการวิเคราะห์เนื้อหา ผลการวิจัยพบว่ากรอบความคิดเติบโตในการเรียนออนไลน์ของนักเรียนภาพรวมอยู่ในระดับมาก เมื่อจำแนกตามขนาดโรงเรียนพบว่าโรงเรียนทุกขนาดมีกรอบความคิดเติบโตในการเรียนออนไลน์ของนักเรียนอยู่ในระดับมาก เมื่อพิจารณาผลการวิเคราะห์ MSEM พบว่าโมเดลสมการโครงสร้างพหุระดับของกรอบความคิดเติบโตในการเรียนออนไลน์ของนักเรียนสอดคล้องกับข้อมูลเชิงประจักษ์ (χ2 = 121.477, df = 66, p = .000, CFI = .996, TLI = .988, RMSEA = .026) ผลการวิเคราะห์ปัจจัยระดับนักเรียนพบว่าแรงจูงใจใฝ่สัมฤทธิ์มีอิทธิพลต่อกรอบความคิดเติบโตในการเรียนออนไลน์สูงที่สุด นอกจากนี้แรงจูงใจใฝ่สัมฤทธิ์ยังส่งผ่านอิทธิพลของการรับรู้ความสามารถของตนเองที่มีต่อกรอบความคิดเติบโตในการเรียนออนไลน์ ส่วนการสนับสนุนของเพื่อนมีอิทธิพลทางบวกในขณะที่การสนับสนุนของผู้ปกครองมีอิทธิพลทางลบต่อกรอบความคิดเติบโตในการเรียนออนไลน์อย่างมีนัยสำคัญที่ระดับ .05 ผลการวิเคราะห์ปัจจัยระดับครูพบว่าทั้งการจัดการเรียนรู้ของครูและการสนับสนุนของครูมีอิทธิพลต่อกรอบความคิดเติบโตในการเรียนออนไลน์ตามลำดับอย่างมีนัยสำคัญที่ระดับ .05 จากผลการวิจัยเชิงปริมาณและข้อมูลเชิงคุณภาพสามารถนำมาใช้ออกแบบแนวทางในการเรียนออนไลน์ของนักเรียนที่มุ่งเน้นการจัดการเรียนรู้เชิงรุก การประเมินระหว่างทาง และการให้ข้อมูลป้อนกลับ แนวทางที่นำเสนอในงานวิจัยครั้งนี้แบ่งเป็น 2 แนวทางย่อย คือ 1) การส่งเสริมการรับรู้ความสามารถของตนเองและแรงจูงใจใฝ่สัมฤทธิ์ผ่านกิจกรรมในชั้นเรียนออนไลน์ และ 2) การประสานความร่วมมือระหว่างบ้านและโรงเรียนในการส่งเสริมกรอบความคิดเติบโตในการเรียนออนไลน์

A Fairness Parameters Selection Method For Convex Fairness-Aware Classification Models, Puvarith Veerabulyarith

Chulalongkorn University Theses and Dissertations (Chula ETD)

Fairness-aware classification has emerged as a focal point in a wide range of machine learning applications. To address fairness issues such as demographic parity and disparate mistreatment, researchers have developed fair classifiers. A common approach for creating fairness-aware models involves formulating an optimization problem where fairness constraints are incorporated. However, the determination of optimal fairness constraint limits poses a significant challenge. In the first part of this paper, we explore the behavior of the fairness constraint limits on the model loss and the fairness metric. Next, we introduce a method for selecting suitable limits from a set of efficient limits …

A High-Dimensional Variable Selection Under Multicollinearity Via Whitening Elastic Net, Naphat Kanjanaphan

Chulalongkorn University Theses and Dissertations (Chula ETD)

In high-dimensional data research such as genomics data, identifying predictors in highly correlated data poses significant challenges, especially when employing regularization methods. We found WLasso (Whitening Lasso), which effectively handles highly correlated settings by transforming predictors to mitigate correlation and applying generalized Lasso criteria. To ensure fairness in comparison with other regularization methods, we utilize a simplified version of WLasso, retaining its core concept while eliminating the coefficient ranking process. Our aim is to enhance WLasso performance by adapting it to the Generalized Elastic Net framework, resulting in Whitening Elastic Net. Leveraging the transformation process of WLasso, we integrate it …

การเปรียบเทียบประสิทธิภาพในการปรับปรุงคุณภาพของภาพด้วยวิธีระบบอนุมานฟัซซีและตัวกรองพื้นฐานในการจำแนกเนื้องอกสมองจากภาพเอ็มอาร์ไอ, กัทลี แก้วน่วม

Chulalongkorn University Theses and Dissertations (Chula ETD)

เนื้องอกสมองสามารถพบได้ทุกเพศทุกวัยและอาจส่งผลร้ายแรงถึงขั้นเสียชีวิตได้ โดยเนื้องอกสมองสามารถแบ่งได้ 3 ชนิดหลักๆ คือ เนื้องอกไกลโอมา เนื้องอกเยื่อหุ้มสมอง และเนื้องอกต่อมใต้สมอง การวินิจฉัยเนื้องอกสมองที่มีประสิทธิภาพและแพร่หลายในปัจจุบันคือการวินิจฉัยจากภาพเอ็มอาร์ไอแต่ยังมีข้อเสียคือมีสัญญาณรบกวนภายในภาพทำให้ประสิทธิภาพในงานวินิจฉัยลดลง งานวิจัยนี้เปรียบเทียบวิธีการปรับปรุงคุณภาพภาพเอ็มอาร์ไอเนื้องอกสมองที่จะช่วยเพิ่มประสิทธิภาพในการจำแนกชนิดเนื้องอกสมองเมื่อผ่านเรียนรู้ผ่านตัวแบบ Xception โดยวิธีที่นำมาเปรียบเทียบมี 4 วิธีได้แก่ ระบบอนุมานฟัซซี ตัวกรองมัธยฐาน ตัวกรองมัธยฐานแบบปรับตัวได้ และตัวกรองวีเนอร์ ชุดข้อมูลที่ใช้ในงานวิจัยนี้เป็นภาพเอ็มอาร์ไอจาก Nanfang Hospital and General Hospital, Tianjin Medical University ระหว่างปี 2005-2010 จำนวน 3,064 ภาพ พบว่าภาพเอ็มอาร์ไอเนื้องอกสมองที่ผ่านการปรับปรุงด้วยระบบอนุมานฟัซซีใช้ Mask ขนาด 3x3 มีประสิทธิภาพสูงสุด เนื่องจากให้ค่าความถูกต้อง เท่ากับ 0.9612 ค่าความครบถ้วนเท่ากับ 0.9627 และค่า F1-Score เท่ากับ 0.9602 ซึ่งสูงกว่าภาพเอ็มอาร์ไอเนื้องอกสมองที่ผ่านการปรับปรุงด้วยวิธีการอื่นๆรวมทั้งสูงกว่าภาพเอ็มอาร์เนื้องอกสมองที่ไม่ผ่านการปรับปรุงคุณภาพ ดังนั้นการปรับปรุงคุณภาพของภาพเอ็มอาร์ไอก่อนนำภาพไปวินิจฉัยจะช่วยเพิ่มประสิทธิภาพในการจำแนกเนื้องอกสมองให้มีความถูกต้องเพิ่มขึ้น

การศึกษาประสิทธิกาพการกำหนดช่วงเวลาการซ่อมบำรุงแบบปรับเปลี่ยน จากข้อมูลที่มาจากการแจกแจงไวบูลล์, ณัฐพงศ์ อนันต์อาชญาสิทธิ์

Chulalongkorn University Theses and Dissertations (Chula ETD)

งานวิจัยนี้มีวัตถุประสงค์ดังนี้(1)เพื่อเปรียบเทียบค่าใช้จ่ายในการซ่อมบำรุงแบบปรับเปลี่ยน (Adaptive Maintenance) จากการกำหนดช่วงการซ่อมบำรุงโดยใช้เปอร์เซ็นต์ไทล์ของอุปกรณ์ที่มีการแจกแจงแบบไวบูลล์ และ(2)เพื่อเปรียบเทียบประสิทธิภาพในการประมาณค่าพารามิเตอร์จากข้อมูลที่ถูกตัดทิ้ง โดยใช้ค่า MSE ในการเปรียบเทียบประสิทธิภาพ โดยการศึกษามีขั้นตอนดังนี้ 1. ใช้ข้อมูลจำลองที่มาจากการแจกแจงไวบูลล์ (Weibull distributions) ซึ่งมีอัตราการเสีย (Failure Rate) ที่แตกต่างกัน, 2. ช่วงเวลาซ่อมบำรุงคำนวณจากค่าเปอร์เซ็นไทล์ ตั้งแต่เปอร์เซ็นไทล์ที่ 5, 10, ... ถึง 95 3. เปรียบเทียบค่าใช้จ่าย ด้วยอัตราส่วนค่าใช้จ่ายระหว่างการซ่อมบำรุงเชิงแก้ไข (corrective maintenance)และการซ่อมบำรุงเชิงป้องกัน (maintenance preventive) 4.กำหนดเวลาในการสังเกตุโดยรวม 100 หน่วยเวลา ผลการวิจัยประกอบด้วย(1)เมื่อพิจารณาค่าใช้จ่ายซ่อมบำรุงจากข้อมูลแสดงอัตราการเสียที่ลดลง และ คงที่ตามเวลา การใช้เปอร์เซ็นต์ไทล์ที่ 95 จะมีค่าใช้จ่ายซ่อมบำรุงที่น้อยที่สุดเมื่อเปรียบเทียบกับการใช้เปอร์เซ็นต์ไทล์ค่าอื่นในสัดส่วนค่าใช้จ่ายเดียวกัน แต่ในกรณีที่ข้อมูลแสดงอัตราการเสียเพิ่มขึ้นตามเวลา ค่าใช้จ่ายซ่อมบำรุงที่น้อยที่สุด จะขึ้นอยู่กับสัดส่วนค่าใช้จ่ายและการเลือกใช้เปอร์เซ็นต์ไทล์ และ(2)ประสิทธิภาพในการประมาณค่าพารามิเตอร์ ในทุกกรณีของข้อมูลแสดงอัตราการเสียลดลง คงที่ และเพิ่มขึ้นตามเวลา การใช้เปอร์เซ็นต์ไทล์ที่มีค่าสูง จะทำให้การประมาณมีประสิทธิภาพสูงสุด (ค่า MSE มีค่าน้อยที่สุด)

การเปรียบเทียบการจำแนกเม็ดเลือดแดงที่ติดเชื้อมาลาเรียด้วยโครงข่ายคอนโวลูชันโดยใช้เครื่องมือเพิ่มประสิทธิภาพที่แตกต่างกัน, นิชาภัทร บุญดิเรก

Chulalongkorn University Theses and Dissertations (Chula ETD)

มาลาเรียเป็นปัญหาสาธารณสุขระดับโลกที่สำคัญ การวินิจฉัยมาลาเรียในปัจจุบันใช้เทคนิคการตรวจสเมียร์เลือดด้วยฟิล์ม ซึ่งเป็นวิธีที่ได้รับการยอมรับมากที่สุด แต่ก็มักใช้เวลานานและเสี่ยงต่อความผิดพลาด ปัจจุบันได้มีการนำการเรียนรู้ของเครื่องมาจำแนกภาพทางการแพทย์ซึ่งทำได้อย่างรวดเร็วและแม่นยำ โครงข่ายประสาทเทียมแบบคอนโวลูชั่น เป็นเทคนิคการเรียนรู้เชิงลึกที่ถูกใช้กันอย่างแพร่หลายในด้านการประมวลผลภาพ โดยใช้ร่วมกับการเรียนรู้แบบถ่ายทอด ซึ่งช่วยลดเวลาที่ใช้ในการพัฒนาแบบจำลอง การศึกษาครั้งนี้ได้ทำการศึกษาผลของเครื่องมือเพิ่มประสิทธิภาพต่อประสิทธิภาพในการการจำแนกเม็ดเลือดแดงที่ติดเชื้อมาลาเรีย โดยใช้โครงข่ายประสาทเทียมแบบคอนโวลูชั่นควบคู่กับการเรียนรู้แบบถ่ายทอดจากแบบจำลองที่ได้รับการฝึกอบรมมาล่วงหน้า 3 แบบ คือ InceptionV3 EfficientNetB0 และ ConvNeXtTiny ร่วมกับการใช้เครื่องมือเพิ่มประสิทธิภาพ ที่แตกต่างกัน คือ SGD with Momentum, RMSProp และ ADAM กับรูปภาพเซล์เม็ดเลือดแดงจำนวน 27,558 ภาพ ซึ่งประกอบด้วยรูปภาพของเซลล์เม็ดเลือดแดงที่ติดเชื้อ และรูปภาพของเซลล์เม็ดเลือดแดงที่ไม่ติดเชื้อประเภทละ 13,779 ภาพ จากการศึกษาพบว่าแบบจำลอง EfficientNetB0 ที่ใช้ร่วมกับ ADAM มีประสิทธิภาพสูงสุด โดยมีการสูญเสียโดยเฉลี่ยน้อยที่สุด เท่ากับ 0.1043 มีค่าความแม่น ค่าความเที่ยง ค่าความไว ค่า F1-score และค่าความจำเพาะโดยเฉลี่ยสูงที่สุด เท่ากับ 0.9638, 0.9581, 0.9700, 0.9640 และ 0.9576 ตามลำดับ ในการศึกษานี้ การใช้ EfficientNetB0 ร่วมกับ ADAM ได้ผลลัพธ์ที่ดีที่สุด

ประสิทธิภาพของแบบจำลองโครงสร้างผสมระหว่างแบบจำลองหน่วยความจำระยะสั้นแบบยาวและแบบจำลองโครงข่ายประตูวกกลับสำหรับการพยากรณ์ระยะยาวของราคาปิดหุ้น, ธนกฤต เถรว่อง

Chulalongkorn University Theses and Dissertations (Chula ETD)

การวิจัยนี้มีวัตถุประสงค์เพื่อวัดประสิทธิภาพของตัวแบบการเรียนรู้เชิงลึกโครงสร้างผสม GRU-LSTMในการพยากรณ์ระยะราคาปิดหุ้นระยะยาวในอีก 30 วันข้างหน้า โดยมีตัวแบบโครงข่ายระบบประสาทย้อนกลับ,ตัวแบบจำลองหน่วยความจำระยะสั้นแบบยาวและตัวแบบจำลองโครงข่ายประตูวกกลับ ในการร่วมเปรียบเทียบประสิทธิภาพการพยากรณ์ราคาปิดระยะยาว ภายใต้หุ้นใน SET50 ซึ่งในงานวิจัยนี้หุ้นจะถูกเลือกมาจากกลุ่มหุ้นที่มีลักษณะความผันผวนที่แตกต่างกันได้แก่ กลุ่มหุ้นที่มีความผันผวนต่ำ ADVANC BDMS กลุ่มหุ้นที่มีความผันผวนกลาง CPALL MINT กลุ่มหุ้นที่มีความผันผวนสูง SAWAD DELTA โดยข้อมูลของหุ้นแต่ละตัวถูกเก็บตั้งแต่เดือน ตุลาคม พ.ศ. 2561 ถึง กันยายน พ.ศ. 2566 (5 ปีย้อนหลัง) ซึ่งขั้นตอนการแบ่งข้อมูลของงานวิจัยนี้แบ่งเป็น 3 ส่วน ได้แก่ ข้อมูลชุดฝึกฝนตัวแบบ, ข้อมูลตรวจสอบ , ข้อมูลชุดทดสอบตัวแบบ โดยขั้นตอนการสร้างตัวแบบการเรียนรู้เชิงลึกในแต่ละชนิด ได้ใช้วิธีการทำไฮเปอร์พารามิเตอร์จูนนิ่งเพื่อหาชุดไฮเปอร์พารามิเตอร์ที่เหมาะสมที่สุดในแต่ละตัวแบบจากวิธีการค้นหาแบบสุ่ม ผลการวิจัยพบว่าเมื่อใช้ค่าคลาดเคลื่อนเฉลี่ยกำลังสองเป็นเกณฑ์ในการวัดประสิทธิภาพการพยากรณ์ระยะยาวของตัวแบบการเรียนรู้เชิงลึก ตัวแบบโครงสร้างผสม GRU-LSTM ไม่ได้มีประสิทธิภาพการพยากรณ์ระยะยาวสูงกว่าตัวแบบโครงสร้างเดี่ยวเสมอไป ตัวแบบโครงสร้างผสม GRU-LSTM มีประสิทธิภาพการพยากรณ์ระยะยาวสูงกว่าตัวแบบโครงสร้างเดี่ยว GRU และ LSTM ในหุ้นกลุ่มที่มีระดับความผันผวนต่ำ ซึ่งตัวแบบโครงสร้างผสม GRU-LSTM ให้ประสิทธิพยากรณ์ระยะยาวที่ค่อนข้างดีเมื่อเทียบกับเวลาที่ใช้ในการฝึกฝนตัวแบบ

การเปรียบเทียบประสิทธิภาพของการประมาณค่าสัมประสิทธิ์การถดถอยเชิงเส้นด้วยวิธีการลาสโซที่มีความแกร่งภายใต้ข้อมูลมิติสูงที่มีค่านอกเกณฑ์, อัญชิษฐา ศรีภา

Chulalongkorn University Theses and Dissertations (Chula ETD)

งานวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบประสิทธิภาพการประมาณค่าสัมประสิทธิ์การถดถอยทั้งหมด 5 วิธี คือ 1) วิธีการลาสโซแบบปรับได้ที่ใช้ค่าถ่วงน้ำหนักด้วยวิธีการริดจ์ (AD-R) 2) วิธีการลาสโซแบบปรับได้ที่ใช้ค่าถ่วงน้ำหนักด้วยวิธีการลาสโซ (AD-L) 3) วิธีการ LAD Lasso (LAD) 4) วิธีการ Huber Lasso (HB) 5) วิธีการลาสโซแบบปรับได้ที่มีความแกร่ง (RA) ภายใต้ข้อมูลมิติสูง ผ่านข้อมูลจำลองใน 4 กรณีคือ (i) กรณีที่ไม่มีปัญหาค่านอกเกณฑ์ มีค่านอกเกณฑ์ขนาดปานกลางในตัวแปรตาม และมีค่านอกเกณฑ์ขนาดใหญ่ในตัวแปรตาม (ii) กรณีที่ตัวแปรอิสระมีความสัมพันธ์ระดับปานกลางและสูง (iii) กรณีอัตราส่วนสัญญาณต่อสัญญาณรบกวน (SNR) สูงและต่ำ (iv) ขนาดตัวแปรอิสระที่แตกต่างกัน ในการเปรียบเทียบประสิทธิภาพจะพิจารณาความถูกต้องในการพยากรณ์ รวมถึงประสิทธิภาพในการคัดเลือกตัวแปรเข้าสู่ตัวแบบ ผลการศึกษาพบว่า ในด้านความถูกต้องในการพยากรณ์ ในกรณีที่ข้อมูลไม่มีปัญหาค่านอกเกณฑ์ เมื่อตัวแปรมีความสัมพันธ์ระดับสูง AD-R ความสามารถในการพยากรณ์ดีที่สุดในภาพรวม และเมื่อตัวแปรมีความสัมพันธ์ระดับปานกลาง AD-L จะมีความสามารถในการพยากรณ์ดีที่สุดในเกือบทุกกรณี แต่เมื่อข้อมูลมีค่านอกเกณฑ์ขนาดกลาง วิธีการ Huber Lasso มีประสิทธิภาพในการพยากรณ์ดีที่สุดในหลายกรณี ในขณะที่ LAD Lasso จะมีความประสิทธิภาพในการพยากรณ์ดีที่สุดในเกือบทุกกรณีที่ข้อมูลมีค่านอกเกณฑ์ขนาดใหญ่ สำหรับประสิทธิภาพในการคัดเลือกตัวแปรเข้าสู่ตัวแบบ พบว่าในภาพรวม ค่าเฉลี่ยของความแม่นยำและความจำเพาะของวิธีการ AD-L จะมีค่าสูงที่สุดในหลายกรณี แต่เมื่อตัวแปรอิสระมีความสัมพันธ์กันสูง วิธีการ RA จะมีค่าเฉลี่ยความแม่นยำและความจำเพาะสูงสุดในหลายกรณี ในขณะที่ค่าเฉลี่ยของค่าความระลึกของวิธีการ AD-R จะมีค่าเฉลี่ยสูงที่สุดในเกือบทุกกรณีที่ SNR ต่ำและตัวแปรมีความสัมพันธ์กันสูง ส่วนกรณีที่ SNR สูงและตัวแปรมีความสัมพันธ์กันระดับปานกลาง Huber Lasso และ LAD Lasso จะมีค่าเฉลี่ยของค่าความระลึกสูงที่สุด

Binary And Multi-Label Machine Learning Models For Discrete-Time Survival Analysis: A Case Study To Predict Complications And Mortality In Thai Diabetic Patients, Heng Chheang

Chulalongkorn University Theses and Dissertations (Chula ETD)

In this research, we address the issue of predicting complications among Thai diabetic patients, considering the interconnected nature of these complications. Noncommunicable diseases (NCDs) such as Type-I and Type-II diabetes impose a significant global health burden, with major complications such as cardiovascular disease being the leading cause. Early detection of complications is crucial, and survival analysis emerges as a key method for this task. While classical approaches focus on continuous-time survival prediction, the advancement of machine learning has enabled the development of discrete-time survival classification. This thesis conducts a comprehensive analysis of survival prediction for Diabetes-related complications, employing six machine …

การเปรียบเทียบวิธีการใส่ค่าข้อมูลสูญหายแบบนอนอิกนอร์เรเบิลในการวิเคราะห์อนุกรมเวลาที่มีคุณสมบัติคงที่ภายใต้ค่าคลาดเคลื่อนที่มีการแจกแจงแบบแกมม่า, ณภัทร เตชะมานะพงษ์

Chulalongkorn University Theses and Dissertations (Chula ETD)

การศึกษาครั้งนี้มีจุดประสงค์เพื่อศึกษา และ เปรียบเทียบวิธีการใส่ค่าสูญหายต่างๆเพื่อแก้ปัญหาการสูญหายแบบนอนอิกนอร์เรเบิลในข้อมูลอนุกรมเวลาที่มีคุณลักษณะคงที่ ภายใต้ค่าคลาดเคลื่อนที่มีการแจกแจงแบบแกมม่า โดยวิธีการใส่ค่าสูญหายที่ทำการศึกษาได้แก่ Mean Imputation, Median Imputation, Last Observation Carried Forward (LOCF), Linear Interpolation, Expectation-Maximization (EM) Algorithm โดยได้ทำการศึกษาประสิทธิภาพของวิธีการใส่ค่าสูญหายภายใต้สถานการณ์ที่มีการควบคุมปัจจัยต่างๆ ได้แก่ ค่าความแปรปรวน และ สัมประสิทธิ์ความเบ้ของค่าคลาดเคลื่อนในตัวแบบอนุกรมเวลา, ขนาดตัวอย่าง, สัมประสิทธิ์อัตถดถอยอันดับที่ 1, สัดส่วนการสูญหาย และ ระดับการสูญหายแบบนอนอิกนอร์เรเบิล และวัดประสิทธิภาพด้วยค่าเฉลี่ยของรากที่สองของค่าเฉลี่ยค่าคลาดเคลื่อนกำลังสอง (Average Root Mean Square Error : ARMSE) โดยวิธีการที่ให้ค่า ARMSE น้อยที่สุดจะมีประสิทธิภาพสูงที่สุด ผลการวิจัยพบว่า (i) วิธี Linear Interpolation เป็นวิธีการใส่ค่าสูญหายที่ดีที่สุดในกรณีส่วนใหญ่ (ii) วิธี EM จะมีประสิทธิภาพเหนือวิธี Linear Interpolation และ LOCF เมื่อมีขนาดตัวอย่างมากพอ (iii) การเพิ่มขึ้นของความเบ้ในข้อมูลอนุกรมเวลามีส่วนช่วยในการปรับปรุงประสิทธิภาพของวิธีการใส่ค่าสูญหายเมื่อข้อมูลอนุกรมเวลามีการสูญหายแบบนอนอิกนอร์เรเบิล

Statistical Models For Decision-Making In Professional Soccer, Sean Hellingman

Theses and Dissertations (Comprehensive)

As soccer is widely regarded as the most popular sport in the world there is high interest in methods of improving team performances. There are many ways teams and individual athletes can influence their own performances during competition. This thesis focuses on developing statistical methodologies for improving competition-based decision-making for soccer so as to allow professional soccer teams to make better informed decisions regarding player selection and in-game decision-making.

To properly capture the dynamic actions of professional soccer, Markov chains with increasing complexity are proposed. These models allow for the inclusion of potential changes in the process caused by goals …

Longitudinal Sport Science Implementation In American Collegiate Men’S Basketball, Jason Stone

Graduate Theses, Dissertations, and Problem Reports (ETD)

The expanding opportunities to implement sport science frameworks in elite-level basketball environments coincide with the sport’s increasing global prominence. Concomitant to these opportunities is the continual growth of the sport technology market (e.g., wearables, force plates) and computational power (e.g., data management tools, coding capabilities), which yields solutions and challenges for both athletes and practitioners. Due to the rapid influx of new sport technologies in high performance environments, particularly American Collegiate Men’s Basketball, more formal and ecologically valid research on how to effectively utilize data derived from them, particularly over long periods of time (i.e., multiple seasons) is needed. To …

Transformations Between Rotational And Translational Invariants Formulated In Reciprocal Spaces, Philip R Baldwin

Faculty, Staff and Students Publications

Correlation functions play an important role in the theoretical underpinnings of many disparate areas of the physical sciences: in particular, scattering theory. More recently, they have become useful in the classification of objects in areas such as computer vision and our area of cryoEM. Our primary classification scheme in the cryoEM image processing system, EMAN2, is now based on third order invariants formulated in Fourier space. This allows a factor of 8 speed up in the two classification procedures inherent in our software pipeline, because it allows for classification without the need for computationally costly alignment procedures. In this work, …

Knowledge Discovery On The Integrative Analysis Of Electrical And Mechanical Dyssynchrony To Improve Cardiac Resynchronization Therapy, Zhuo He

Dissertations, Master's Theses and Master's Reports

Cardiac resynchronization therapy (CRT) is a standard method of treating heart failure by coordinating the function of the left and right ventricles. However, up to 40% of CRT recipients do not experience clinical symptoms or cardiac function improvements. The main reasons for CRT non-response include: (1) suboptimal patient selection based on electrical dyssynchrony measured by electrocardiogram (ECG) in current guidelines; (2) mechanical dyssynchrony has been shown to be effective but has not been fully explored; and (3) inappropriate placement of the CRT left ventricular (LV) lead in a significant number of patients.

In terms of mechanical dyssynchrony, we utilize an …

Novel Bayesian Neural Networks And Uncertainty Quantification Of Computational Mechanics Models, Ponkrshnan Thiagarajan

Dissertations, Master's Theses and Master's Reports

Computational and data-driven models suffer from a wide range of uncertainties that impact the reliability of such models. Given the exponential proliferation of machine learning models in real-world systems, establishing a degree of confidence in their predictions becomes paramount. Reliability in predictions takes on utmost significance in domains such as autonomous driving, medical image analysis, etc., where human lives are involved, and inaccuracies in predictions could lead to disastrous outcomes. For these reasons, comprehending and quantifying uncertainties in computational and data-driven models is of utmost importance. A number of techniques have been developed to quantify uncertainties in machine learning models. …

Machine Learning Methods For Prediction Of Human Infectious Virus And Imputation Of Hla Alleles, Xiaoqing Gao

Dissertations, Master's Theses and Master's Reports

This dissertation contains three Chapters. The following is a concise description of each Chapters.

In Chapter 1, we introduced the Random Forest, a machine learning method, to foresee whether a virus is capable of infecting humans. The Covid pandemic informs us the importance of predicting the ability of a zoonotic virus that can infect humans from its genomic sequence. We used the -mer with and as features of a virus to predict if it can affect humans. We further employed the Boruta algorithm to select the important features, then fed those important features into the Random Forest method to train …

Enhancing Control Room Operator Decision Making: An Application Of Dynamic Influence Diagrams In Formaldehyde Manufacturing, Joseph Mietkiewicz, Anders L. Madsen

Articles

Intoday’s rapidly evolving industrial landscape, control room operators must grapple with an ever-growing array of tasks and respon sibilities. One major challenge facing these operators is the potential for task overload, which can lead to decision fatigue and increased reliance on cognitive biases. To address this issue, we propose the use of dynamic influence diagrams (DID) as the core of our decision support system. By monitoring the process over time and identifying anomalies, DIDs can recommend the most effective course of action based on a probabilistic assessment of future outcomes. Instead of letting the operator choose or search for the …