The Effect Of Social Determinants Of Health On End-Stage Kidney Disease Mortality Across Diverse Adult Populations: Systematic Review And Meta-Analysis,
2024
South Dakota State University
The Effect Of Social Determinants Of Health On End-Stage Kidney Disease Mortality Across Diverse Adult Populations: Systematic Review And Meta-Analysis, Prince Agyapong
Electronic Theses and Dissertations
Background: This systematic review and meta-analysis aimed to examine the influence of social determinants of health (SDOH) on End-Stage Kidney Disease (ESKD) mortality among diverse racial populations. Given the high morbidity and mortality associated with ESKD, understanding the impact of various SDOH factors across different racial groups is crucial for improving patient outcomes.
Methods: A comprehensive literature search was conducted to identify studies reporting on the relationship between SDOH and ESKD mortality using the Preferred Reporting Items for Systematic Reviews and Meta-Analysis (PRISMA) format. Citations were collated in EndNote 21 and screened in Covidence by two independent reviewers, with inter-rater …
Refining The Inverse Lipschitz Constant For Injective Relu Networks,
2024
South Dakota State University
Refining The Inverse Lipschitz Constant For Injective Relu Networks, Cole Rausch
Electronic Theses and Dissertations
In this thesis, we study the Inverse Lipschitz Constant (ILC) of injective ReLU layers. We study the tightness of the ILC lower bound established in Puthawala et al. Our approach has three components. First, we find that the conditions for injectivity on lines yield a weaker condition than the general condition given in Puthawala et al. Second, we perform numerical experiments to judge the tightness of the existing ILC lower bound and find that bound is overly conservative. Third, we identify the source of the potential slack in the proof of the existing ILC bound, and perform further numerical experiments …
Cross-Lingual Speech Emotion Recognition Using English And Mandarin On Thai Data,
2024
Faculty of Commerce and Accountancy
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,
2024
คณะพาณิชยศาสตร์และการบัญชี
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,
2024
คณะพาณิชยศาสตร์และการบัญชี
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,
2024
คณะพาณิชยศาสตร์และการบัญชี
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
โมเดลสมการโครงสร้างพหุระดับของสมดุลชีวิตและงานของครูในยุคการเปลี่ยนผ่านทางดิจิทัล: การวิเคราะห์อิทธิพลการส่งผ่านพหุระดับที่มีพหุตัวแปรส่งผ่าน,
2024
คณะครุศาสตร์
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
Computation Of Separate Ratio And Regression Estimator Under Neutrosophic Stratified Sampling: An Application To Climate Data,
2024
University of New Mexico
Computation Of Separate Ratio And Regression Estimator Under Neutrosophic Stratified Sampling: An Application To Climate Data, Abhishek Singh, Hemant Kulkarni, Florentin Smarandache, Gajendra K. Vishwakarma
Branch Mathematics and Statistics Faculty and Staff Publications
In this article, we introduce a novel approach by presenting separate ratio and regression estimators in the context of neutrosophic stratified sampling for the very first time, incorporating auxiliary variables. We have conducted a thorough analysis to estimate these newly proposed estimators' bias and mean square error (MSE) up to the first-order approximation. Theoretically using efficiency comparison criteria, our findings demonstrate the superior performance of these estimators compared to traditional unbiased estimators. Also, numerically based on real-life and artificial data, we have shown the supremacy of the neutrosophic stratified sampling over neutrosophic simple random sampling along with the supremacy of …
Generating Neutrosophic Random Variables Based Gamma Distribution,
2024
University of New Mexico
Generating Neutrosophic Random Variables Based Gamma Distribution, Maissam Ahmad Jdid, Florentin Smarandache, Khalifa Al Shaqsi
Branch Mathematics and Statistics Faculty and Staff Publications
In practical life, we encounter many systems that cannot be studied directly, either due to their high cost or because some of these systems cannot be studied directly. Therefore, we resort to the simulation method, which depends on applying the study to systems similar to real ones and then projecting these results if they are suitable for the real system. The simulation process requires a good understanding of probability distributions and the methods used to transform random numbers that follow a regular distribution in the field [0,1] into random variables that follow them, so that we can achieve the greatest …
A Computerized Mastitis Classification Aid Using A Dairy Herd-Based Records: Multi-Layer Perceptron (Mlp) Neural Network With Backpropagation Approach,
2024
The British University in Egypt
A Computerized Mastitis Classification Aid Using A Dairy Herd-Based Records: Multi-Layer Perceptron (Mlp) Neural Network With Backpropagation Approach, Ahmed M. Gad Prof, Dina Faris De, Sherif Ramadan Prof, Ghada Afifi Dr, Eman Manaa Prof, Mahmoud El-Tarabany Prof
Business Administration
The main objective of this study is to develop an efficient machine learning-based model for the early prediction of clinical mastitis in Holstein Friesian dairy cattle where automatic milking system (AMS) data is used. The model aims to offer a costless opportunity for mastitis control and reduce its negative impact on livestock production. Different forward multilayer perceptron (MLP) neural networks with backpropagation (BP) learning algorithms using various numbers of hidden neurons and epochs have been introduced. The results of the established models are evaluated based on different metrics such as the accuracy, the F1 core, the precision, the recall, and …
A Comparative Study Of Early Fusion And Multimodal Siamese Neural Network Using Image And Text Data In Food Classification,
2024
Faculty of Commerce and Accountancy
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 …
Self-Exciting Point Processes In Real Estate,
2024
Wilfrid Laurier University
Self-Exciting Point Processes In Real Estate, Ian Fraser
Theses and Dissertations (Comprehensive)
This thesis introduces a novel approach to analyzing residential property sales through the lens of stochastic processes by employing point processes. Herein, property sales are treated as point patterns, using self-exciting point process models and a variety of statistical tools to uncover underlying patterns in the data. Key findings include the identification and explanation of clustering in both space and time, and the efficacy of a temporal Hawkes process with a sinusoidal background in predicting home sale occurrences. The temporal analysis starts by employing the state of art techniques for time series data like regression, autoregressive, and autoregressive integrated moving …
Optimizing Sports Outcome Prediction Through Feature Engineering And Machine Learning,
2024
Missouri State University
Optimizing Sports Outcome Prediction Through Feature Engineering And Machine Learning, Vitor S. Freitas
Graduate Theses/Dissertations
The challenge of predicting the outcome of a team game lies in the high complexity and dynamics of the sports data. This thesis focuses on the aspect of using feature engineering and the genetic algorithm to predict the winner and the score of various sports events. Generally, it deals with how machine learning algorithms are combined with state-of-the-art feature engineering techniques in sports datasets derived from various sports disciplines. In this thesis, five different machine learning models have been applied, classification and regression trees (CART), random forest (RF), stochastic gradient boosting (SGB), eXtreme gradient boosting (XGBoost), and extreme learning machine …
การประมาณค่าพารามิเตอร์ของระบบที่สามารถซ่อมแซมได้ที่มีระบบย่อยหลายระบบภายใต้ผลกระทบจากการช็อก,
2024
คณะพาณิชยศาสตร์และการบัญชี
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
การศึกษาเปรียบเทียบแบบจำลองโครงข่ายปฏิปักษ์เชิงกำเนิดในการสร้างภาพความละเอียดสูงเพื่อการตรวจจับวัตถุขนาดเล็ก,
2024
คณะพาณิชยศาสตร์และการบัญชี
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
การศึกษาเปรียบเทียบการแทนค่าน้ำหนักสูญหายด้วยวิธีการเรียนรู้เชิงลึกกับวิธีดั้งเดิมด้วยวิธีการจำลองข้อมูลในบริบทของผู้ป่วยในและหอผู้ป่วยหนักภายในโรงพยาบาล,
2024
คณะพาณิชยศาสตร์และการบัญชี
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
Parameter Tuning Of Information Directed Sampling In Credit Scoring Problems Under Ungeneralizable Contextual Logistic Bandit Model,
2024
Faculty of Commerce and Accountancy
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 …
โครงข่ายประสาทเทียมสำหรับการวิเคราะห์การถดถอยเชิงเส้นตามบริบท,
2024
คณะพาณิชยศาสตร์และการบัญชี
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
ประสิทธิภาพการพยากรณ์ของการวิเคราะห์เชิงฟังก์ชันและการเรียนรู้เชิงลึก,
2024
คณะพาณิชยศาสตร์และการบัญชี
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,
2024
คณะพาณิชยศาสตร์และการบัญชี
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
