According to the agreement of the deans of all faculties (Council of IT Deans of Thailand (CITT)), Mahanakorn University of Technology was appointed as the coordinator of the magazine. The magazine was established as a first print magazine publication in 2010 (Vol 1. No.1) with ISSN Print) and plans to publish two issues per year in January - June and July - December. The magazine was also established as the first online magazine publication in 2010 (Vol 1. No.1) with ISSN Online) and plans to publish two issues per year in January - June and July - December.
ระบบสารสนเทศธุรกิจ คณะเศรษฐศาสตร์ธุรกิจและศิลปศาสตร์ มหาวิทยาลัยเทคโนโลยีราชมงคลล้านนา. ระบบสารสนเทศธุรกิจ คณะเศรษฐศาสตร์ธุรกิจและศิลปศาสตร์ มหาวิทยาลัยเทคโนโลยีราชมงคลล้านนา 2 0.025 กระทะหมูผัดพริก กระทะหมูผัดมิโซะ 2 0.024 กระทะผัดกุ้งกุ้งปู
และไม่มีการระบุ 1.02%
- การประเมินผล (Evaluation)
- สรุปผลการวิจัย
- อภิปรายผลการวิจัย
- ข้อเสนอแนะ
玉子→サーモンマッサゴ→玉子鰻→サーモンあぶりサーモン→サーモンツナ→サーモン。
เอกสารอ้างอิง
Short Term Precipitation Forecasting using Recurrent Neural Networks, a Case Study of Suvarnabhumi Airport
บทนํา
- ทีมาและความสําคัญ
- โครงข่ายระบบประสาทแบบย้อนกลับ (Recurrent Neural Networks: RNN)
- แบบจําลองหน่วยความจําระยะสันแบบยาว (Long Short-Term Memory: LSTM)
- โครงข่ายประตูวกกลับ (Gated Recurrent Unit
มากกว่าอีกสองการจำลอง ต่อมา (Yang et al., 2020) ได้มีการทดลองเปรียบเทียบประสิทธิภาพของแบบจำลองหน่วยความจำ ในระยะสั้นและระยะยาวกับ Inverted Gate Network พบว่านอกจากประสิทธิภาพของทั้งสองโมเดลจะดีหรือไม่นั้นขึ้นอยู่กับจำนวนข้อมูลด้วย ข้อมูลยังขึ้นอยู่กับประเภทของข้อมูลที่วิเคราะห์ด้วย เช่นเดียวกับในการวิจัยของ (Aurnhimmer & Frank, 2019) และ (Shewalkar, 2019) ได้มีการศึกษาเพื่อเปรียบเทียบประสิทธิผล ของโครงข่ายประสาทเทียมผกผันด้วยชุดข้อมูลที่มีอยู่
GRU)
ปัญหาข้อมูลไม่สมดุล (Imbalanced data)
บิต
- วิธีดําเนินงานวิจัย
- พัฒนาตัวแบบจําลองเพือพยากรณ์
- เปรียบเทียบผลการพยากรณ์ และประเมินความ เหมาะสมของตัวแบบ
- บทสรุปและการอภิปราย
- ข้อเสนอแนะ 1 ข้อจํากัดในงานวิจัย
- แนวการวิจัยในอนาคต
Application of Multiple Artificial Intelligence Models and ARIMAX Model for Drought Prediction Using Standardized Precipitation Index,” International journal of environmental science and technology, vol.12(4), pp. 11] Poornima, S., and Pushpalatha, M., “Precipitation forecasting using LSTM-based boosted recurrent neural network with weighted linear units,” Atmosphere, vol.10(11), p. 14] Shewalkar, A., “Performance Evaluation of Deep Neural Networks Applied to Speech Recognition: RNN, LSTM, and GRU,” Journal of Artificial Intelligence and Soft Computing Research, vol.
19] Yang, S., Yu, X. and Zhou, Y., “LSTM and GRU neural network performance comparison study: Taking Yelp review dataset as an example,” 2020 International Workshop on Electronic Communication and Artificial Intelligence (IWECAI), 2020. Learning model of human body movement using convolutional neural network and long short-term memory.
Learning Model of Human Body Movement using Convolutional Neural Network and Long Short-Term Memory
นัศพ์ชาณัณ ชินปัญช์ธนะ Nutchanun Chinpanthana
- งานวิจัยทีเกียวข้อง
- วิธีการวิจัย
- การเตรียมข้อมูล และสกัดข้อมูล
- การสร้างแนวการเคลือนทีบนส่วนร่างกาย
- โครงข่ายประสาทเทียมแบบสังวัตนาการ
- โครงข่ายปราสาทเทียมแบบหน่วยความจําระยะสัน แบบยาว
- การวัดประสิทธิภาพและการประเมินผลการ ทดลอง
- สรุปผลการทดลอง
- TensorFlow Lite
- Convolutional Neural Network
- EfficientDet
- TFlite Model Maker
- ข้อมูล และรายละเอียดของนก
- การประเมินประสิทธิภาพของแบบจําลอง
- ผลการทดลอง 1 ผลการฝึกแบบจําลอง
- ประสิทธิภาพของแบบจําลอง
- การใช้งานแอปพลิเคชัน
- ตัวอย่างผลลัพธ์จากการจับภาพ
- สรุปผลการทดลองและการอภิปราย
Argyle, “A Cross-Cultural Study of the Communication of Extraverbal Meaning Through Gesture,” International Journal of Psychology, vol. 10, no. 1, p. Schrauwen, “Chapter Sign Language Recognition Using Convolutional Neural Networks,” European Conference on Computer Vision, p. Zisserman, “Very Deep Convolutional Networks for Large Scale Image Recognition,” International Conference on Learning Representations, 2015.
Improving human action recognition by non-action classification,” In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. Brusey, “Fall events and daily activities data set from inertial sensors,” in Proceedings of the 6th ACM Multimedia Systems Conference, p.
Lee, "Automatic Fall Detection Using Wearable Biomedical Signal Measurement Terminal," In Proceedings of the Annual International Conference of the IEEE Engineering in Medicine and Biology Society, pp. OpenPose: Realtime multi-person 2D pose estimation using Part Affinity Fields", Computer Vision and Pattern Recognition, 2018. 25] Je Donahue, Lisa Anne Hendricks, Sergio Guadarrama, Marcus Rohrbach, Subhashini Venugopalan, Kate Saenko, and Trevor Darrell, "Long-Term Recurrent Convolutional Networks for Visual Recognition and Description," Computer Vision and Pattern, 2014.
จากนั้น เมื่อพบนกแล้ว แอปจะให้ข้อมูลนกแก่ผู้ใช้ว่าการสูญเสียการฝึกโมเดล EfficientDet Lite เป็น 0 การตรวจสอบกำลังดำเนินอยู่ แอปพลิเคชันได้รับการพัฒนาในภาษา Dart บน Flutter Framework และใช้ไลบรารี TFLite Model Maker เพื่อสร้างโมเดล EfficientDet Lite เพื่อค้นหาและจดจำภาพนก และจากผลการทดลอง ได้เลือกโมเดล EfficientDet Lite 0 สำหรับการใช้งานจริงในแอปพลิเคชัน . แบบจำลองที่พัฒนาขึ้นสามารถจดจำชนิดของนกได้
Le, "EfficientDet: scalable and efficient object detection", Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp.1-10, 2020. Le, "EfficientNet: rethinking model scaling for convolutional neural networks", International Conference on Machine Learning, s.1-11, 2019.
Towards Machine Learning Algorithm for Screening Prediction of COVID-19 Patients
- งานวิจัยและทฤษฎีทีเกียวข้อง
- การเรียนรู้ของเครือง (Machine Learning)
- Naive Bayes
- Neural network
- งานวิจัยทีเกียวข้อง
- วิธีดําเนินการวิจัย
- Data Set (วิธีการรวบรวมข้อมูล)
- Data Preparation (การเตรียมข้อมูล)
- Modeling (การสร้างโมเดล)
- Evaluation (การวัดประสิทธิภาพโมเดล)
- Deployment (การนําโมเดลไปใช้งาน)
- ผลการวิเคราะห์ข้อมูล
- ผลการจําแนกข้อมูลด้วย Random Forest
- ผลการจําแนกข้อมูลด้วย Neural Network
- ผลการจําแนกข้อมูลด้วย Naive Bayes
- สรุปผลการทํางานของ Random Forest
- การนําโมเดลไปใช้งาน (Deployment)
- ระบบคัดแยกผู้ป่วยโควิด-19
- บทสรุปและการอภิปราย
- ข้อเสนอแนะ
การประยุกต์ใช้เทคนิคการเรียนรู้เชิงลึกเพื่อจัดการโควิด-19 ในการปฏิบัติทางคลินิกตามปกติโดยใช้ภาพซีที: ผลลัพธ์จากโครงข่ายประสาทเทียม 10 เส้น [18] ในการศึกษานี้ การตรวจหาผู้ป่วยโรคโควิด-19 โดยอัตโนมัติโดยใช้โครงข่ายประสาทเชิงลึกพร้อมภาพเอ็กซ์เรย์ [19] ในการศึกษานี้ เมื่อพัฒนาแบบจำลองจะประกอบด้วย 3 เทคนิค ได้แก่ Neural Network, Naive Bayes และ Random Forest และการหาค่าที่แม่นยำหรือแม่นยำที่สุดจาก 3 เทคนิค
ในรูปที่ 8 เมื่อได้ผลลัพธ์จากการกำหนดประสิทธิภาพของทั้ง 3 เทคนิคแล้ว จะได้ฟอเรสต์แบบสุ่ม..มีขั้นตอนการบันทึก สร้างแบบจำลองโดยได้ไฟล์ Model.pkcls มาใช้งานดังแสดงในรูปที่ 15 จากเอกสารข้อมูลและขอบเขต สร้างการออกแบบการทดลองโดยใช้ Orange Canvas เพื่อสร้างแบบจำลองตามเทคนิคต่างๆ ในการทดลอง และประมวลผลผลลัพธ์ เวลาทดสอบเร็วขึ้น จะมีประสิทธิภาพมากขึ้นหลังจากการรวบรวมข้อมูลและผ่านการวิจัยและการปรับเปลี่ยน ลักษณะของข้อมูลแล้วนำไปใช้ทดสอบการคาดการณ์ การแยกผู้ป่วยโรคโควิด-19 ทำได้โดยใช้ 3 เทคนิค ได้แก่ Naive Bayes, Random Forest และ Neural Network ที่ถูกเปรียบเทียบ เพื่อให้ได้วิธีการที่แม่นยำและแม่นยำที่สุด แล้วหาแบบจำลองเทคนิคการพยากรณ์ที่ให้ความแม่นยำสูง ซึ่งเหมาะที่สุดในการพยากรณ์การแยกตัวผู้ป่วยโรคติดเชื้อไวรัสโคโรนา 2019 ผลการทดลองในการวิจัยพบว่า Random Forest ให้ ณตะวัน, “ความรู้ ทัศนคติ และพฤติกรรมการป้องกันโรคติดเชื้อไวรัสโคโรนา 2019 ของประชาชนอำเภออู่ทอง จังหวัดสุพรรณบุรี” วารสาร.
Applications of machine learning and artificial intelligence to the Covid-19 (SARS-CoV-2) pandemic: A review,” Chaos, Solitons & Fractals, vol. Mohammadi, “Using a deep learning technique for managing COVID-19 in routine clinical practice using CT images: Results of 10 convolutional neural networks,” Computers in Biology and Medicine, vol. Rajendra Acharya, “Automatic detection of COVID-19 cases using deep neural networks with X-ray images,” Computers in Biology and Medicine, vol.
Akal, "Covid-19 classification using deep learning on chest X-ray images", in Medical Technologies Congress 2020 (TIPTEKNO), Antalya, Turkey,. Iwendi et al., “Prediction of COVID-19 patient health using the augmented random forest algorithm,” Frontiers in Public Health, vol. Wu et al., “Rapid and accurate identification of COVID-19 infection through machine learning based on available clinical blood test results,” April.
ระบบวิเคราะห์การสุกของผลไม้ด้วยเทคโนโลยีการประมวลผลภาพ
Fruits Ripening Analysis System using Image Processing Technology
วิทยาลัยเซาธ์อีสท์บางกอก
- ทฤษฎี
- การประมวลผลภาพ (Image Processing)
- แบบจําลองสี (Color Model)
- การดําเนินการทดลอง 1 การออกแบบ
- เครืองมือทีใช้ในการทดสอบ
- ผลการศึกษา
- สรุปและการอภิปราย
รูปที่ 7 หน้าต่างแสดงการสุกของผลมะม่วง 5) ระบบสามารถกำหนดค่าค่าการสุกของผลมะม่วงได้หลายประเภท โดยกำหนดค่าในส่วน Detect Objects Setup และตั้งค่าสี RGB ของผลไม้แต่ละชนิด ดังรูปที่ 8 4] Priwthaisong K., “เครื่องคัดแยกสีอัตโนมัติบนระบบสายพานลำเลียงที่ควบคุมโดย Arduino” สมาคมเอกชน สถาบันอุดมศึกษาแห่งประเทศไทย , ฉบับที่. 8] Sotirov S.I., Zhelyazkov S.P., Marudova M.G., Zsivanovits G. และ Tokamkov D.M., “An Embedded System for Fruit Image Processing,” การประชุมทางวิทยาศาสตร์ระหว่างประเทศเกี่ยวกับอิเล็กทรอนิกส์, 16-18 กันยายน, หน้า 8
Emotional Color Pairing Design Approach Friendly for the Elderly
วิธีดําเนินการวิจัย
- การวิเคราะห์ข้อมูลสี
ผลการวิจัย
กิตติกรรมประกาศ
Development of Participatory Nursing Model of Generosity Among Cataract Surgery Patients According to Swanson's Theory, Pathum Thani Hospital, "Journal of Health Science, Vol. 6] Suwa Branch of Nagano Prefecture Architects Association Youth Committee, "Color Plan friendly for the elderly," 2001. 11] Ishikawa Industrial Research Institute, Kanazawa College of Art, and NPO Corporation's Universal Color Design Organization, "Universal Color" Design Guide," 2009.
Kei, "Universal color design: Toward barrier-free design for diverse color vision," Journal of Information Processing and Management, vol. 13] Model Color Palette for Color Universal Design Working Committee, "Model Color Palette for Color Universal Guide Book", 2018. Obama, "The color vision of elders under different illuminance", The Journal of Faculty of Nursing University Burapha, vol.
The effect of indoor lighting on the visibility of Thai elderly, "Academic Journal of Architecture, vol. The effect of color discrimination ability and visual acuity in their living environments of the elderly, "Journal of Human and Living Environment, vol. Miyamoto, “Color discrimination properties and color image of the elderly and young,” Journal of the Color Science Association of Japan, vol.
Lee, “A Color Preference Model for Older and Younger Groups,” Journal of the International Color Association, vol. On the preferential reproduction of flesh color in Japan and South Korea studied for all generations,” Journal of the Society of Photographic Science and Technology of Japan , vol.
The Development of a Mobile Application to Promote Tourist Attractions in LAOS
- วัตถุประสงค์การวิจัย
- ทฤษฎีและงานวิจัยทีเกียวข้อง
- ขอบเขตของการวิจัย
- วิธีดําเนินการวิจัย
- ผลการวิจัย
- ผลการพัฒนาแอปพลิเคชัน
- ผลการประเมินประสิทธิภาพ
- ด้านความสามารถ และถูกต้อง แอปพลิเคชันมี
- ผลการประเมินความพึงพอใจของนักท่องเทียวที
- อภิปรายผลการวิจัยและข้อเสนอแนะ
เปลี่ยนเป้าหมายเพื่อใช้การพัฒนาบนหลายแพลตฟอร์ม [3] McCormick, "การตรวจสอบหลายระดับของความสัมพันธ์ระหว่างขั้นตอนอาชีพของครูชาวออสเตรเลียและตำแหน่งแห่งการควบคุม" วารสารการบริหารการศึกษา ฉบับที่ 1 คันห้ามิ่ง "การพัฒนาแอปพลิเคชันมือถือเพื่อส่งเสริมชุมชน"-การท่องเที่ยวอำเภอเมืองกำแพงเพชร" ใน วิทยาการจัดการทางวิชาการ, หน้า 1.
Chinchon, "Mobile Phone Application Development for Community Based Economic Tourism and OTOP Products in Surin Province," Journal of Koch Cha Sarn Journal of Science, vol.
