The design and development of an electric locomotive for the TRRN Railway Challenge 2025 aims to enhance learning potential and apply various theories in practical settings. The focus is on developing the locomotive to pass various tests, including acceleration, automatic braking system, noise, vibration, energy consumption, and durability throughout the competition. Additionally, the project helps improve skills in writing engineering design reports, which enables students to develop their analytical and discussion abilities in order to successfully complete each test according to the competition rules.
การแข่งขัน TRRN Railway Challenge เป็นเวทีที่เปิดโอกาสให้ทีมนักศึกษาและวิศวกรรุ่นใหม่จากทั่วโลกได้ออกแบบและพัฒนาหัวรถจักรไฟฟ้าขนาดเล็กเพื่อนำไปแข่งขันภายใต้เงื่อนไขและข้อกำหนดที่กำหนดไว้ การแข่งขันนี้จัดขึ้นเพื่อส่งเสริมการเรียนรู้เชิงปฏิบัติการและการพัฒนาทักษะทางวิศวกรรมระบบราง ซึ่งเป็นอุตสาหกรรมที่มีบทบาทสำคัญต่อการขนส่งและพัฒนาโครงสร้างพื้นฐานของประเทศต่างๆ 1. พัฒนาศักยภาพนักศึกษาและวิศวกรรุ่นใหม่ ส่งเสริมการเรียนรู้และการประยุกต์ใช้ความรู้ด้านวิศวกรรมระบบรางในสถานการณ์จริง สร้างโอกาสให้ผู้เข้าร่วมฝึกฝนการทำงานเป็นทีมและการแก้ปัญหาอย่างเป็นระบบ ยกระดับมาตรฐานเทคโนโลยีระบบราง 2. ช่วยให้เกิดนวัตกรรมใหม่ในการออกแบบและพัฒนาหัวรถจักรไฟฟ้า กระตุ้นให้เกิดการพัฒนาเทคโนโลยีที่มีประสิทธิภาพสูงขึ้น เช่น ระบบควบคุมอัตโนมัติและการใช้พลังงานอย่างคุ้มค่า 3. เสริมสร้างความสามารถในการแข่งขันในระดับสากล เปิดโอกาสให้นักศึกษาและวิศวกรได้แสดงศักยภาพในเวทีระดับโลก เพิ่มขีดความสามารถของประเทศในการพัฒนาอุตสาหกรรมระบบรางและเทคโนโลยีที่เกี่ยวข้อง 4. เชื่อมโยงความรู้ทางทฤษฎีกับการปฏิบัติจริง ผู้เข้าร่วมจะได้ฝึกฝนทักษะการออกแบบ การวิเคราะห์ และการทดสอบหัวรถจักร ช่วยให้เกิดความเข้าใจเชิงลึกเกี่ยวกับปัจจัยที่ส่งผลต่อสมรรถนะของหัวรถจักร เช่น อัตราเร่ง ระบบเบรก เสียงรบกวน และความทนทาน
คณะเทคโนโลยีสารสนเทศ
Facial Expression Recognition (FER) has attracted considerable attention in fields such as healthcare, customer service, and behavior analysis. However, challenges remain in developing a robust system capable of adapting to various environments and dynamic situations. In this study, the researchers introduced an Ensemble Learning approach to merge outputs from multiple models trained in specific conditions, allowing the system to retain old information while efficiently learning new data. This technique is advantageous in terms of training time and resource usage, as it reduces the need to retrain a new model entirely when faced with new conditions. Instead, new specialized models can be added to the Ensemble system with minimal resource requirements. The study explores two main approaches to Ensemble Learning: averaging outputs from dedicated models trained under specific scenarios and using Mixture of Experts (MoE), a technique that combines multiple models each specialized in different situations. Experimental results showed that Mixture of Experts (MoE) performs more effectively than the Averaging Ensemble method for emotion classification in all scenarios. The MoE system achieved an average accuracy of 84.41% on the CK+ dataset, 54.20% on Oulu-CASIA, and 61.66% on RAVDESS, surpassing the 71.64%, 44.99%, and 57.60% achieved by Averaging Ensemble in these datasets, respectively. These results demonstrate MoE’s ability to accurately select the model specialized for each specific scenario, enhancing the system’s capacity to handle more complex environments.
คณะแพทยศาสตร์
Background: The RGL3 gene plays a role in key signal transduction pathways and has been implicated in hypertension risk through the identification of a copy number variant deletion in exon 6. Genome-wide association studies have highlighted RGL3 as associated with hypertension, providing insights into the genetic underpinnings of the condition and its protective effects on cardiovascular health. Despite these findings, there is a lack of data that confirms the precise role of RGL3 in hypertension. Additionally, the functional impact of certain variants, particularly those classified as variants of uncertain significance, remains poorly understood. Objectives: This study aims to analyze alterations in the RGL3 protein structure caused by mutations and validate the location of the ligand binding sites. Methods: Clinical variants of the RGL3 gene were obtained from NCBI ClinVar. Variants of uncertain significance and likely benign were analyzed. Multiple sequence alignment was conducted using BioEdit v7.7.1. AlphaFold 2 predicted the wild-type and mutant 3D structures, followed by quality assessment via PROCHECK. Functional domain analysis of RasGEF, RASGEF_NTER, and RA domains was performed, and BIOVIA Discovery Studio Visualizer 2024 was used to evaluate structural and physicochemical changes. Results: The analysis of 81 RGL3 variants identified 5 likely benign and 76 variants of uncertain significance (VUS), all of which were missense mutations. Structural modeling using AlphaFold 2 revealed three key domains: RasGEF_NTER, RasGEF, and RA, where mutations induced conformational changes. Ramachandran plot validation confirmed 79.7% of residues in favored regions, indicating an overall reliable structure. Moreover, mutations within RasGEF and RA domains altered polarity, charge, and stability, suggesting potential functional disruptions. These findings provide insight into the structural consequences of RGL3 mutations, contributing to further functional assessments. Discussion & Conclusion: The identified RGL3 mutations induced physicochemical alterations in key domains, affecting charge, polarity, hydrophobicity, and flexibility. These changes likely disrupt interactions with Ras-like GTPases, impairing GDP-GTP exchange and cellular signaling. Structural analysis highlighted mutations in RasGEF and RA domains that may interfere with activation states, potentially affecting protein function and stability. These findings suggest that mutations in RGL3 could have functional consequences, emphasizing the need for further molecular and functional studies to explore their pathogenic potential.
คณะศิลปศาสตร์
The Herby gel are products developed to relieve stress and headaches, which often result from heavy work, a fast-paced lifestyle, or hot and humid weather. The patches are made from natural ingredients such as peppermint, neem leaves, gotu kola, aloe vera, and other herbs that effectively alleviate these symptoms. Free from alcohol, this product is safe to use and provides a cooling, soothing, and refreshing effect on the skin. It is easy to use, convenient to carry, and suitable for use in any situation, making it a practical solution for everyday discomfort.