Author Archives: ผศ.ดร.นพพณ เลิศชูวงศา
แบบจำลองการแพร่กระจาย (Diffusion Model)
เรียบเรียงโดย นพพณ เลิศชูวงศา แบบจำลองนี้เป็นหนึ่งในแบบจำลองที่ได้รับความสนใจเนื่องจากความสามารถในการสร้างข้อมูลสังเคราะห์คุณภาพสูง ทำให้เป็นพื้นฐานในด้านต่างๆ เช่น การสร้างภาพ การสังเคราะห์เสียง และการเพิ่มพูนข้อมูล การแตกต่างระหว่าง GANs และแบบจำลองการแพร่กระจาย การฝึกอบรม: GANs อาศัยกรอบการทำงานแบบตัวสร้าง-ตัวแยกแยะ (generator-discriminator framework) โดยที่ตัวสร้างจะสร้างข้อมูลและตัวแยกแยะจะประเมินความถูกต้องของข้อมูล การตั้งค่าแบบปฏิปักษ์นี้อาจจะนำไปสู่ความไม่เสถียร ในทางตรงกันข้ามแบบจำลองการแพร่กระจายใช้กรอบความน่าจะเป็นและหลีกเลี่ยงการฝึกอบรมแบบปฏิปักษ์ ทำให้มีความเสถียรมากกว่าแต่จำเป็นต้องใช้ทรัพยากรและเวลาในการคำนวณมากกว่า หลักการสำคัญของแบบจำลองการแพร่กระจาย หลักการสำคัญของแบบจำลองการแพร่กระจายคือ การแพร่กระจายไปข้างหน้า (forward diffusion) และการแพร่กระจายย้อนกลับ (reverse diffusion) กระบวนการไปข้างหน้าจะค่อยๆ เพิ่มสัญญาณรบกวน (noise) ให้กับข้อมูล แปลงข้อมูลให้เป็นการกระจายแบบแฝง (latent distribution) ในทางกลับกัน กระบวนการย้อนกลับจะสร้างข้อมูลต้นฉบับขึ้นใหม่โดยการลดสัญญาณรบกวนจากการกระจายนี้ วิธีการสองทิศทางนี้ช่วยให้แบบจำลองการแพร่กระจายเรียนรู้การกระจายข้อมูลที่ซับซ้อนได้อย่างมีประสิทธิภาพ … Continue reading
GAN ทำงานอย่างไร [2]
เรียบเรียงโดย นพพณ เลิศชูวงศา รูปที่ 1 กระบวนการฝึกอบรม GAN GANs ทำงานผ่านความสมดุลที่ละเอียดอ่อนระหว่างเครือข่ายการสร้าง generator และเครือข่ายการแยกแยะ discriminator กระบวนการฝึกอบรมสามารถสรุปได้ดังขั้นตอนต่อไปนี้: กระบวนการนี้สามารถมองเห็นได้ว่าเป็นการแข่งขันระหว่าง 2 เครือข่าย โดยนักปลอมแปลง (เครือข่าย generator) และตำรวจ (เครือข่าย discriminator) นักปลอมแปลงพัฒนาทักษะเพื่อผลิตเงินปลอมที่ไม่สามารถแยกแยะได้ ในขณะที่ตำรวจปรับปรุงวิธีการตรวจจับ ในรูปที่ 1การแข่งขันแบบปฏิปักษ์นี้ส่งเสริมการปรับปรุงร่วมกัน นำไปสู่ผลลัพธ์ที่สมจริงจากพารามิเตอร์ในเครือข่าย generator(สีม่วง) และการตรวจสอบที่แม่นยำจากเครือข่าย discriminator (สีส้ม) GAN Architectures (สถาปัตยกรรมของ GANs)
Generative Adversarial Networks (GANs): บทนำ [1]
เรียบเรียงโดย นพพณ เลิศชูวงศา Generative Adversarial Networks (GANs) เป็นโครงข่ายด้านการเรียนรู้เชิงลึกอย่างหนึ่งที่สร้างการเปลี่ยนแปลงในสังคม นำเสนอโดย Ian Goodfellow และคณะในปี 2014 การสร้างแบบจำลองแบบกำเนิด GANs ประกอบด้วยเครือข่ายประสาทเทียมสองเครือข่าย ได้แก่ เครือข่ายการสร้าง generator และเครือข่ายการแยกแยะ discriminator ซึ่งแข่งขันกันในเกมหรือสภาพแวดล้อมที่กำหนดขึ้นมา เครือข่าย generator มีเป้าหมายเพื่อสร้างข้อมูลที่สมจริงที่ไม่มีใครสามารถแยกแยะได้ ในทางตรงกันข้ามเครือข่าย discriminator ก็พยายามแยกความแตกต่างระหว่างข้อมูลจริงและข้อมูลที่สร้างขึ้นมาจากเครือข่าย generator กระบวนการเรียนรู้แบบปฏิปักษ์นี้ขับเคลื่อนให้ทั้งสองเครือข่ายพัฒนาขึ้นพร้อมกันและสร้างผลลัพธ์คุณภาพสูงในงานต่างๆ เช่น การสังเคราะห์ภาพ การสร้างวิดีโอ และการเพิ่มพูนข้อมูล สาระสำคัญของ GANs อยู่ที่ความสามารถในการเรียนรู้การกระจายข้อมูลที่ซับซ้อน เครือข่าย generator เริ่มต้นจากการป้อนสัญญาณรบกวนแบบสุ่มและค่อยๆ … Continue reading
Noppon Lertchuwongsa and Komsan Kanjanasit, “A Novel Trans-Dataset Ensemble Architecture for Sign Language Recognition” Journal of Advances in Information Technology 15 (12), December, 2024
A B S T R A C T Sign Language Recognition (SLR) is used to communicate between deaf and normal people or among hearing-impaired communities. The rapid development of Artificial Intelligence technologies can be exploited as a medium to strengthen … Continue reading
Smart stock market analysis with PowerBI tool (ตอนที่ 3)
การใช้ AI โมเดลสำหรับการทำนายมูลค่าของหุ้นใน PowerBI สิ่งที่ต้องมี 1. โปรแกรม PowerBI2. โปรแกรม Python3. ไฟล์โมเดลเรียนรู้เชิงลึก (Deep learning model) ที่สอนมาแล้ว จากตอนที่ 24. ไฟล์ข้อมูล AOT ที่จัดเก็บไว้ใน excel จากตอนที่ 2 ส่วนที่ 1 การนำเข้าข้อมูลภาพรวมและความสามารถของ PowerBI ได้กล่าวไปแล้วในส่วนที่ 1 ดังนั้นเนื้อหาในตอนนี้จะเป็นการนำโมเดลที่เราสร้างขึ้นมาไปทำนายข้อมูลบน PowerBI และสร้างกราฟที่ interactive กับผู้ใช้งานแบบง่ายได้ โดยทั่วไป PowerBI สามารถดึงข้อมูลได้ง่ายมากและได้มาจากหลากหลายแหล่ง ไม่ว่าจะเป็น Web, SQL … Continue reading
Smart stock market analysis with PowerBI tool (ตอนที่ 2)
การสร้าง AI โมเดลสำหรับการทำนายมูลค่าของหุ้นด้วย Python ทักษะที่ต้องมี การเขียนโปรแกรมด้วยภาษา Python “AI สามารถเก็งกำไรหุ้นเปรียบเทียบกับผู้เชี่ยวชาญได้หรือไม่ ?” ผู้อ่านคงเคยได้รับรู้จากข่าวที่ผ่านมาว่า AI สามารถชนะมนุษย์ในการแข่งขันการเดินหมากบนกฎของหมากกระดานได้โดยเลือกการเดินหมากไปในช่องที่ความเป็นไปได้ของการชนะที่ดีที่สุด ดังนั้นจึงเป็นไปได้ที่ AI สามารถทำนายราคาหุ้นที่มีความเป็นไปได้ที่สุดได้ ทำนายวันที่จะมีราคาหุ้นขึ้นหรือราคาหุ้นลงได้ในเงื่อนไขที่ว่าเราให้ข้อมูลและสร้างโมเดลที่เหมาะสม อย่างไรก็ดีบทความนี้ได้จำลองการสร้างโมเดล AI ทำนายราคาหุ้นจากราคาหุ้นในอดีตเพื่อเป็นตัวอย่างการศึกษาเพื่อการพัฒนาต่อไปในอนาคตเท่านั้น โดยทั่วไปราคาหุ้นจะมีผลกระทบมาจากปัจจัยที่หลากหลายมากการเติบโตทางเศรษฐกิจ งบการเงินบริษัท เงินเฟ้อ ดอกเบี้ย หรือแม้แต่การเก็งกำระยะสั้นแบบ day trade ยังต้องพิจารณาแนวโน้ม ปริมาณการซื้อขาย ผู้ถือหุ้นรายใหญ่เนื้อหาในบทความจะยกตัวอย่างการวิเคราะห์หุ้น AOT เพื่อความง่ายจะใช้เพียงข้อมูลราคาอย่างเดียว ถ้าผู้อ่านจะใช้จริงอาจจะต้องไปเพิ่มข้อมูลปริมาณและปรับขนาดของกรอบเวลาให้หลากหลาย เนื้อหาจะแบ่งขั้นตอนเป็นส่วนๆ ส่วนที่ … Continue reading
L. Noppon and P. Nipon, (2019). Adapting a Stereo Camera System to Determine Coconut Ages. Proceedings of 16th International Conference on Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology (ECTI-CON), Pattaya, Chonburi, Thailand, 2019, pp. 802-805
Abstract: A coconut is one of the most well-known fruit of Thailand as indicated by the Office of Agricultural Economics, Ministry of Agriculture and Cooperatives and the national production volume of coconuts is significantly high as compared to other agricultural … Continue reading
L. Noppon and P. Nipon, “The Application of Convolution Neural Network for Coconut Maturity Classification,” Proceedings of the 18th International Conference on Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology (ECTI-CON), Chiang Mai, Thailand, pp. 112-115, 2021.
Abstract: Coconut’s sweetness consistency has a close connection with the quality of coconut’s byproducts. And this is due to multiple factors. One of which is the maturity of coconut. Maturity classification is, therefore, the main concern for both consumers and manufacturers. … Continue reading
Smart stock market analysis with PowerBI tool (ตอนที่ 1)
ภาพรวมของบทความ บทความนี้จะแนะนำการเขียนโปรแกรมและใส่ปัญญาประดิษฐ์ที่สร้างขึ้น (Artificial Intelligence, AI) เข้าไปใน PowerBI เพื่อที่จะประมวลผลข้อมูลราคาหุ้นที่ผ่านการโหลด เตรียมและจัดเก็บอยู่ใน PowerBI รวมถึงการนำเสนอข้อมูลที่สรุปแล้วผ่านภาพหรือกราฟที่ตอบโต้กับผู้ใช้ได้ (Dashboard) แบบง่ายๆ จากความสามารถของ PowerBI โดยที่ผู้ใช้สามารถเห็นแนวโน้มของกราฟราคาหุ้น ปรับเลือกช่วงที่ต้องการดู กดเลือกแสดงค่าราคาในวันที่เลือก ผู้เขียนจะแบ่งเนื้อหาเป็นตอนๆ ไป ตอนที่ 1 นี้จะเป็นการแนะนำพื้นฐานด้านต่างๆ ที่เกี่ยวกับการวิเคราะห์ตลาดหุ้นด้วยเครื่องมือ PowerBI ปัจจุบันนี้เทคโนโลยีทางด้านข้อมูลได้มีการเปลี่ยนแปลงไปอย่างรวดเร็ว เนื่องจาก ทุกอย่างรอบตัวเราสามารถถูกจัดเก็บให้อยู่ในรูปแบบข้อมูลแบบดิจิตอลได้ เทคโนโลยีการวิเคราะห์ข้อมูลก็ได้พัฒนาไปอย่างมาก เมื่อมีข้อมูลที่ครอบคลุมและเทคโนโลยีด้าน AI ที่พัฒนาไปมาก ทำให้ปัจจุบันนี้ เราสามารถนำข้อมูลเหล่านี้มาใช้ประโยชน์ได้อย่างมากมาย เช่น การติดตามพฤติกรรมของลูกค้าทั้งจากลูกค้าในร้านค้าจริงหรือลูกค้าในอินเตอร์เน็ต การพัฒนารถยนต์ขับขี่อัตโนมัติที่ทำให้รถยนต์สามารถขับขี่ไปถึงปลายทางได้อย่างปลอดภัยโดยเรานั่งพักผ่อนได้ การกำหนดราคาไฟล์ตบิน และการทำนายการล่าช้าของเครื่องบินในงานอุตสาหกรรมการบินการพัฒนาระบบบ้านอัจฉริยะที่ช่วยดูแล สั่งงานเครื่องใช้ไฟฟ้าในบ้านไปจนกระทั้งรักษาความปลอดภัยให้เรา … Continue reading