You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
KMUTT Annual Research Abstracts 2005<br />
ขอมูลอนุกรมเวลาเปนขอมูลประเภทหนึ่งที่ได<br />
รับความสนใจในงานวิจัยดานการจําแนกขอมูล แหลงที่มา<br />
ของขอมูลเหลานี้สวนใหญไดมาจากการเก็บรวบรวมขอมูล<br />
จากสถานการณจริง การสรางชุดขอมูลจากสมการ การ<br />
แปลงขอมูลภาพใหอยูในรูปแบบอนุกรมเวลาเปนตน นิว<br />
รอลเน็ตเวิรกยังคงเปนอีกเทคนิคหนึ่งที่ถูกนํามาใชในการ<br />
จําแนกขอมูลประเภทนี้ ถึงแมวาโครงสรางของนิวรอล<br />
เน็ตเวิรกแตละชนิดจะเหมาะสมกับงานแตละแบบ เทาที่<br />
ผานมายังไมมีงานวิจัยที่ศึกษาความเหมาะสมของโครง<br />
สรางนิวรอลเน็ตเวิรกในการจําแนกขอมูลอนุกรมเวลา<br />
งานวิจัยนี้มีวัตถุประสงคเพื่อศึกษาเปรียบเทียบ<br />
ประสิทธิภาพและความเหมาะสมในการเลือกใชระหวาง<br />
นิวรอลเน็ตเวิรกประเภทฟดฟอรเวิรดเน็ตเวิรกกับรีเคอร<br />
เรนเน็ตเวิรกในการจําแนกขอมูลอนุกรมเวลา โดยนิวรอล<br />
เน็ตเวิรกประเภทละ 3 โครงสรางไดถูกนํามาใชจําแนกขอ<br />
มูล Cylinder-Bell-Funnel Dataset, Control Chart<br />
Patterns Dataset และ Leaf Dataset<br />
ผลการจําแนกขอมูลจากนิวรอลเน็ตเวิรกทั้ง 2<br />
ประเภทสามารถสรุปไดวานิวรอลเน็ตเวิรกประเภทฟด<br />
ฟอรเวิรดเน็ตเวิรกเปนโครงสรางที่เหมาะสมในงานจําแนก<br />
ขอมูลอนุกรมเวลามากกวารีเคอรเรนเน็ตเวิรก โดยฟด<br />
ฟอรเวิรดทั้ง 3 ชนิดสามารถจําแนกขอมูลทั้ง 3 ชุดขอมูล<br />
ไดถูกตองแมนยํากวารีเคอรเรนเน็ตเวิรกทั้ง 3 ชนิด<br />
NC-324 การประยุกตใช Image Processing<br />
Features Extraction ในการจําแนกขอมูลประเภท<br />
อนุกรมเวลาที่ตางกัน<br />
อภิวดี ปยธรรมรงค, กิตติชัย ลวันยานนท<br />
The 9 th National Computer Science and<br />
Engineering Conference (NCSEC 2005), 27-28<br />
ตุลาคม 2548, มหาวิทยาลัยหอการคาไทย, กรุงเทพฯ,<br />
หนา 915-924<br />
Features Extraction เปนกระบวนการที่สกัด<br />
คุณลักษณะที่เปนเอกลักษณออกจากชุดขอมูล ในงานวิจัย<br />
กอนหนานี้ไดนําเทคนิคนี้ไปใชในกระบวนการ Pre<br />
processing เพื่อนํา Features หรือคุณลักษณะที่ไดไป<br />
ใชในการจําแนกขอมูลอนุกรมเวลา ชนิดหนึ่งที่เรียกวา<br />
Control Chart Patterns รวมกับนิวรอลเน็ตเวิรก ซึ่งผล<br />
จากงานวิจัยกอนหนาไดแสดงใหเห็นถึงประสิทธิภาพของ<br />
333<br />
Features Extraction ในการจําแนกกลุมขอมูลชนิด<br />
ดังกลาวไดเปนอยางดี<br />
บทความนี้ไดทําการแสดงใหเห็นถึงความ<br />
สามารถของ Features Extraction ที่มีตอการจําแนก<br />
ขอมูลประเภทอนุกรมเวลาชนิดตางๆ (Cylinder-Bell-<br />
Funnel Dataset และ Leaf Dataset) โดย Features<br />
ที่ใชในงานวิจัยนี้คือ Mean, Standard Deviation,<br />
Skewness, Kurtosis และ Second-order signal<br />
ผลลัพธที่ไดจากงานวิจัยชิ้นนี้ ยืนยันประโยชนของ<br />
กระบวนการ Features Extraction ในการเพิ่มประสิทธิ<br />
ภาพการจําแนกขอมูลประเภทอนุกรมเวลาทั่วๆ ไปรวม<br />
กับนิวรอลเน็ตเวิรกได อยางไรก็ดีการคัดสรร Features<br />
ที่เหมาะสมกับลักษณะของขอมูลเปนปจจัยสําคัญในการ<br />
เพิ่มประสิทธิภาพของการจําแนกขอมูล<br />
NC-325 COMPUTATIONAL APPROACH FOR<br />
ANALYZING AND PREDICTING THE<br />
SUBSTRATE SPECIFICITY OF<br />
ADENYLATION DOMAINS IN<br />
NONRIBOSOMAL PEPTIDE SYNTHETASES<br />
วารุณี แกวงาม, วสุนันท ชุมเชื้อ, เกรียงไกร ปอแกว,<br />
จันทิรา ปญญา, ชิเน ธรรมรงธรรม,<br />
สุภาภรณ ชีวะธนรักษ<br />
BioThailand (The 16 th Annual Meeting of the<br />
Thai Society of Biotechnology: The Era of<br />
Bionanotechnology), 4-5 พฤศจิกายน 2548,<br />
ศูนยการประชุมแหงชาติสิริกิติ์, กรุงเทพฯ, หนา 74<br />
Currently, many lethal pathogenic<br />
bacteria resist to various types of conventional<br />
drugs, As such innovative approach for<br />
discovering novel drugs is needed. Nonribo<br />
somal peptides (NRPs), a group of bioactive<br />
compounds, produced by bacteria and fungi are<br />
of interest as a new candidate for drug<br />
developments. These compounds are processed<br />
by nonribosomal peptide synthetases (NRPSs)<br />
which consist of modular multi-domains. The<br />
most important domain of each module is the<br />
adenylation domain (A domain), which is<br />
responsible for substrate recognition and<br />
activation. NRPS allows alteration of substrate<br />
specificity by changing A domain and then<br />
provides the synthesis of novel bioactive<br />
peptides. Since the experimental validation of<br />
structure and function relationship of A<br />
domain is time consuming, in silico studies of<br />
substrate specificity of A domain are necessary.<br />
National Conference