แจ้งเอกสารไม่ครบถ้วน, ไม่ตรงกับชื่อเรื่อง หรือมีข้อผิดพลาดเกี่ยวกับเอกสาร ติดต่อที่นี่ ==>
หากไม่มีอีเมลผู้รับให้กรอก thailis-noc@uni.net.th ติดต่อเจ้าหน้าที่เจ้าของเอกสาร กรณีเอกสารไม่ครบหรือไม่ตรง

เทคนิคการรวมกลุมโครงขายประสาทเทียมสําหร ับการพยากรณขอมูล
ENSEMBLE CLASSIFICATION TEACHNIQUE BASE ON THE ARTIFICIAL NEURAL NETWORKS (ANNs) FOR DATA PREDICTION.

keyword: พยากรณ์ข้อมูล
; การวิเคราะห์การถดถอย
; ซัพพอร์ตแวกเตอร์รีเกรสชั่น
; โครงข่ายประสาทเทียม
; การรวมกลุ่มโครงข่ายประสาทเทียม
Abstract: งานวิจัยนี้มีวัตถุประสงค์เพื่อ 1) เปรียบเทียบประสิทธิภาพเทคนิคการพยากรณ์ข้อมูลด้วยโมเดลแบบเดี่ยวและพัฒนาวิธีการรวมกลุ่มโครงข่ายประสาทเทียมที่มีประสิทธิภาพ โดยใช้เทคนิคการวิเคราะห์การถดถอย ซัพพอร์ตเวกเตอร์รีเกรสชั่น และโครงข่ายประสาทเทียมซึ่งเป็นตัวแบบแบบเดี่ยว 2) เปรียบเทียบโมเดลแบบเดี่ยวกับการใช้เทคนิคการรวมกลุ่มโครงข่ายประสาทเทียม ข้อมูลที่ใช้ในการวัดประสิทธิภาพของตัวแบบ เป็นข้อมูลจาก UCI Machine Learning Repository โดยนำข้อมูลมาทดลองประสิทธิภาพจำนวน 3 ชุดข้อมูล ประกอบด้วย 1) ชุดข้อมูลอุปกรณ์คอมพิวเตอร์ 2) ชุดข้อมูลที่อยู่อาศัยในเขตเมืองบอสตัน และ 3) ชุดข้อมูลแบบจำลองของระบบเซอร์โว โดยใช้การสร้างโมเดลแบบเดี่ยว การสร้างโมเดลแบบรวมกลุ่ม การสร้างโมเดลด้วยฟังก์ชั่นการถ่ายโอน การสร้างโมเดลด้วยการปรับค่าจำนวนชั้นซ่อน และการสร้างโมเดลด้วยเทคนิคการรวมกลุ่มโครงข่ายประสาทเทียม ผลการทดลองพบว่า 1) การพยากรณ์โดยการใช้เทคนิคการรวมกลุ่มโครงข่ายประสาทเทียมจะให้ประสิทธิภาพดีกว่าการพยากรณ์ด้วยโมเดลแบบเดี่ยว ที่ประกอบด้วยการวิเคราะห์การถดถอย ซัพพอร์ตแวกเตอร์รีเกรสชั่น และโครงข่ายประสาทเทียม 2) ผลการเปรียบเทียบกลุ่มข้อมูลทั้ง 3 กลุ่มข้อมูล พบว่าประสิทธิภาพของการใช้เทคนิคการรวมกลุ่มโครงข่ายประสาทเทียม แสดงให้เห็นถึงประสิทธิภาพในการพยากรณ์ที่ดีกว่าการพยากรณ์ด้วยโมเดลแบบเดี่ยวถึง 2 ใน 3 ข้อมูลที่ใช้ในการพยากรณ์โดยตรวจสอบจากค่าความผิดพลาดที่มีค่าลดลง
มหาวิทยาลัยราชภัฏนครปฐม. สำนักวิทยบริการและเทคโนโลยีสารสนเทศ
Address: นครปฐม
Email: library@npru.ac.th
Role: อาจารย์ที่ปรึกษา
Role: อาจารย์ที่ปรึกษา
Created: 2017
Modified: 2560-09-22
Issued: 2560-09-22
วิทยานิพนธ์/Thesis
application/pdf
tha
©copyrights มหาวิทยาลัยราชภัฏนครปฐม
RightsAccess:
ลำดับที่.ชื่อแฟ้มข้อมูล ขนาดแฟ้มข้อมูลจำนวนเข้าถึง วัน-เวลาเข้าถึงล่าสุด
1 ชนัญชิดา เก้าลิ้ม.pdf 2.48 MB19 2022-09-25 09:38:35
ใช้เวลา
0.032539 วินาที

ชนัญชิดา เก้าลิ้ม
Title Contributor Type
เทคนิคการรวมกลุ่มการวิเคราะห์การถดถอยสำหรับการพยากรณ์ข้อมูล
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ
ชนัญชิดา เก้าลิ้ม;สุพจน์ เฮงพระพรหม;ไก้รุ่ง เฮงพระพรหม;เดช ธรรมศิริ

บทความ/Article
เทคนิคการรวมกลุมโครงขายประสาทเทียมสําหร ับการพยากรณขอมูล
มหาวิทยาลัยราชภัฏนครปฐม
ชนัญชิดา เก้าลิ้ม
เดช ธรรมศิริ
ไก้รุ่ง เฮงพระพรหม
วิทยานิพนธ์/Thesis
เดช ธรรมศิริ
Title Creator Type and Date Create
เทคนิคการรวมกลุมโครงขายประสาทเทียมสําหร ับการพยากรณขอมูล
มหาวิทยาลัยราชภัฏนครปฐม
เดช ธรรมศิริ;ไก้รุ่ง เฮงพระพรหม
ชนัญชิดา เก้าลิ้ม
วิทยานิพนธ์/Thesis
กลุ่มก้อนการเลือกคุณลักษณะสำหรับการจำแนกประเภทข้อมูลไมโครอาร์เรย์
มหาวิทยาลัยราชภัฏนครปฐม
สุพจน์ เฮงพระพรหม;เดช ธรรมศิริ
ไพศาล จันทร์เจริญ
วิทยานิพนธ์/Thesis
ไก้รุ่ง เฮงพระพรหม
Title Creator Type and Date Create
การจินตทัศน์ขั้นตอนวิธีการเรียนรู้สำหรับการจัดกลุ่มข้อมูลแบบเคมีน
มหาวิทยาลัยราชภัฏนครปฐม
ไก้รุ่ง เฮงพระพรหม;สุพจน์ เฮงพระพรหม
จิรันดร บู๊ฮวดใช้
วิทยานิพนธ์/Thesis
เทคนิคการรวมกลุมโครงขายประสาทเทียมสําหร ับการพยากรณขอมูล
มหาวิทยาลัยราชภัฏนครปฐม
เดช ธรรมศิริ;ไก้รุ่ง เฮงพระพรหม
ชนัญชิดา เก้าลิ้ม
วิทยานิพนธ์/Thesis
Copyright 2000 - 2025 ThaiLIS Digital Collection Working Group. All rights reserved.
ThaiLIS is Thailand Library Integrated System
สนับสนุนโดย สำนักงานบริหารเทคโนโลยีสารสนเทศเพื่อพัฒนาการศึกษา
กระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม
328 ถ.ศรีอยุธยา แขวง ทุ่งพญาไท เขต ราชเทวี กรุงเทพ 10400 โทร. โทร. 02-232-4000
กำลัง ออน์ไลน์
ภายในเครือข่าย ThaiLIS จำนวน 1
ภายนอกเครือข่าย ThaiLIS จำนวน 3,026
รวม 3,027 คน

More info..
นอก ThaiLIS = 53,883 ครั้ง
มหาวิทยาลัยสังกัดทบวงเดิม = 18 ครั้ง
หน่วยงานอื่น = 2 ครั้ง
มหาวิทยาลัยราชภัฏ = 1 ครั้ง
มหาวิทยาลัยเทคโนโลยีราชมงคล = 1 ครั้ง
มหาวิทยาลัยเอกชน = 1 ครั้ง
รวม 53,906 ครั้ง
Database server :
Version 2.5 Last update 1-06-2018
Power By SUSE PHP MySQL IndexData Mambo Bootstrap
มีปัญหาในการใช้งานติดต่อผ่านระบบ UniNetHelp


Server : 8.199.132
Client : Not ThaiLIS Member
From IP : 216.73.216.214