โครงงานนี้มุ่งเน้นการศึกษาและพัฒนาระบบการลงทุนระยะสั้นโดยซื้อขายทองคำในตลาดแลกเปลี่ยนเงินตราต่างประเทศ โดยประยุกต์ใช้เทคนิคการเรียนรู้ของเครื่อง (Machine Learning) เพื่อวิเคราะห์และคาดการณ์แนวโน้มของกราฟราคา ระบบที่พัฒนานี้ใช้กระบวนการเฟ้นสุ่ม (Stochastic Process) ในการกำหนดจุดตัดขาดทุน (Stop Loss) เพื่อเพิ่มค่าผลตอบแทนที่คาดหวังสูงสุด และใช้แนวคิดจากทฤษฎีเกม (Game Theory) ในการตัดสินใจเกี่ยวกับการถือครองหรือปิดคำสั่งซื้อขาย (Orders) ระบบดังกล่าวถูกพัฒนาและทดสอบบนแพลตฟอร์ม MetaTrader 5 (MT5) โดยโครงงานนี้นำเสนอรายละเอียดเกี่ยวกับกระบวนการทำงาน ตั้งแต่การเตรียมข้อมูล การฝึกสอนโมเดลเรียนรู้ของเครื่อง การสร้างแบบจำลองเพื่อประมาณการแจกแจงของทิศทางราคาทองคำ การกำหนดกลยุทธ์การวางจุดตัดขาดทุน การออกแบบแบบจำลองการตัดสินใจเชิงกลยุทธ์ตามทฤษฎีเกม ตลอดจนการพัฒนาโปรแกรมเทรดอัตโนมัติ และการทดสอบย้อนหลังเพื่อประเมินประสิทธิภาพของระบบ
การลงทุนระยะสั้น คือ การพยากรณ์ว่าราคาในอนาคตอันใกล้เพิ่มขึ้นหรือลดลงในปริมาณ เท่าไรและเก็งกำไรจากส่วนต่างของราคาที่จะเกิดขึ้น ยิ่งการพยากรณ์มีความแม่นยำมาก ก็จะยิ่งได้ ผลตอบแทนมากตาม ผู้วิจัยได้รับแรงบันดาลใจจากการศึกษาการลงทุนระยะสั้นในรูปแบบ Price Action ซึ่งตั้งอยู่ บนสมมติฐานที่ว่า ข้อมูลราคาในอดีตมีความเพียงพอในการทำนายแนวโน้มราคาในอนาคต โดยไม่ จำเป็นต้องใช้ตัวชี้วัดทางเทคนิค (indicator) เนื่องจากตัวชี้วัดเหล่านั้นล้วนแล้วแต่คำนวณมาจาก ข้อมูลราคาในอดีตเช่นกัน ด้วยเหตุนี้ ผู้วิจัยจึงมุ่งเน้นที่จะนำเทคโนโลยี Deep Learning มาใช้ในการ สร้างแบบจำลองที่สามารถเรียนรู้จากข้อมูลราคาในอดีตเพื่อทำการพยากรณ์แนวโน้มราคาตลาดใน อนาคต และนำผลลัพธ์ไปประยุกต์ใช้ในการกำหนดจุด take profit อย่างมีประสิทธิภาพ ทั้งนี้ การ เลือกใช้ Deep Learning มีพื้นฐานมาจากคุณสมบัติในการเรียนรู้และประมวลผลข้อมูลเชิงซ้อน รวมถึงความสามารถในการจับความสัมพันธ์เชิงลึกของข้อมูลที่ไม่สามารถมองเห็นได้ด้วยวิธีการทั่วไป นอกจากนั้น ผู้วิจัยยังได้รับแรงบันดาลใจจากการศึกษาแนวคิด Drunkard Walk ซึ่งได้ถูกในไปใช้หา ความน่าจะเป็นที่คนเมาจะเดินกลับถึงบ้านหรือเดินกลับไปที่สถานบันเทิงจากความน่าจะเป็นที่คนเมา จะเดินไปทางซ้ายหรือเดินไปทางขวาและการประยุกต์ใช้ Absorbing Markov Chain เพื่อวิเคราะห์ ความน่าจะเป็นของการเคลื่อนไหวของกราฟราคา โดยแนวคิดนี้สามารถนำมาใช้ในการคำนวณความ น่าจะเป็นที่ราคาจะเคลื่อนที่ไปถึงจุด take profit หรือ stop loss ซึ่งเป็นปัจจัยสำคัญในการกำหนด กลยุทธ์การลงทุน ผู้วิจัยจึงประยุกต์ใช้แนวคิดนี้ในการพัฒนาแบบจำลองที่สามารถคำนวณค่า ผลตอบแทนเฉลี่ยเพื่อช่วยในการกำหนดจุด stop loss ที่เหมาะสม ยิ่งไปกว่านั้น จากประสบการณ์ใน การเทรดจริง ผู้วิจัยได้พบเจอปัญหาในการตัดสินใจเมื่อคำสั่งเทรดยังคงเปิดอยู่และไม่สามารถประเมิน ได้ชัดเจนว่าควรปิดคำสั่งเทรดก่อน หรือรอให้ราคาถึงจุดที่ตั้งไว้ หากปิดคำสั่งก่อนและราคากลับไปถึง จุด stop loss การตัดสินใจนั้นถือว่าถูกต้อง แต่หากราคาถึงจุด take profit การตัดสินใจนั้นก็จะถือ ว่าผิดพลาด ด้วยเหตุนี้ ผู้วิจัยจึงเลือกนำแนวคิดจากทฤษฎีเกม (Game Theory) มาช่วยในการวางกลยุทธ์ การตัดสินใจที่เหมาะสม โดยใช้กลยุทธ์แบบผสม (Mixed Strategy) และการวิเคราะห์การแจกแจง ความน่าจะเป็นของกราฟราคา เพื่อให้สามารถตัดสินใจได้อย่างมีเหตุผลและมีประสิทธิภาพสูงสุด
คณะวิศวกรรมศาสตร์
ระบบสร้างภาษามือไทยเชิงกำเนิดมีเป้าหมายในการพัฒนาแพลตฟอร์ม การสร้างแบบจำลอง 3 มิติและแอนิเมชัน ที่สามารถแปลง ประโยคภาษาไทยเป็นท่าทางภาษามือไทย (TSL) ที่ถูกต้องและเป็นธรรมชาติ โครงการนี้ช่วยเสริมสร้างการสื่อสารสำหรับ ชุมชนผู้บกพร่องทางการได้ยินในประเทศไทย โดยใช้แนวทางที่อิงกับ แลนมาร์ก (Landmark-Based Approach) ผ่านการใช้ Vector Quantized Variational Autoencoder (VQVAE) และ Large Language Model (LLM) ในการสร้างภาษามือ ระบบเริ่มต้นด้วยการ ฝึกโมเดล VQVAE โดยใช้ข้อมูลแลนมาร์กที่สกัดจากวิดีโอภาษามือ เพื่อให้โมเดลเรียนรู้ การแทนค่าแบบแฝง (Latent Representations) ของท่าทางภาษามือไทย หลังจากนั้น โมเดลที่ฝึกแล้วจะถูกใช้เพื่อ สร้างลำดับแลนมาร์กของท่าทางเพิ่มเติม ซึ่งช่วยขยายชุดข้อมูลฝึกโดยอ้างอิงจาก BigSign ThaiPBS Dataset เมื่อชุดข้อมูลได้รับการขยายแล้ว ระบบจะทำการ ฝึก LLM เพื่อสร้างลำดับแลนมาร์กที่ถูกต้องจากข้อความภาษาไทย โดยลำดับแลนมาร์กที่ได้จะถูกนำไปใช้ สร้างแอนิเมชันของโมเดล 3 มิติใน Blender เพื่อให้ได้ท่าทางภาษามือที่ลื่นไหลและเป็นธรรมชาติ โครงการนี้ถูกพัฒนาด้วย Python โดยใช้ MediaPipe สำหรับการสกัดแลนมาร์ก OpenCV สำหรับการประมวลผลภาพแบบเรียลไทม์ และ Blender’s Python API สำหรับสร้างแอนิเมชัน 3 มิติ ด้วยการผสานเทคโนโลยี AI, การเข้ารหัสผ่าน VQVAE และการสร้างแลนมาร์กด้วย LLM ระบบนี้มุ่งหวังที่จะ เชื่อมช่องว่างระหว่างข้อความภาษาไทยและภาษามือไทย เพื่อมอบแพลตฟอร์มการแปลภาษามือแบบโต้ตอบ ในเวลาจริง ให้กับชุมชนผู้บกพร่องทางการได้ยินในประเทศไทย
คณะวิศวกรรมศาสตร์
หนึ่งในปัจจัยที่สำคัญที่สุดในการตอบสนองต่อกรณีทางการแพทย์คือเวลาการตอบสนอง โดยทั่วไปแล้ว ความเสียชีวิตส่วนใหญ่เกิดจากผู้ป่วยไม่สามารถไปถึงมือแพทย์ได้ทันเวลา นอกจากนี้ยังรวมถึงการมาถึงของอุปกรณ์การแพทย์ในที่เกิดเหตุ สมองของมนุษย์จะเริ่มเสื่อมลงหลังจากขาดออกซิเจนเป็นเวลา 3 นาที ซึ่งวิธีการขนส่งทางถนนที่หน่วยปฐมพยาบาลใช้อยู่ในปัจจุบันไม่สามารถไปถึงที่เกิดเหตุได้ภายใน 3 นาที ส่งผลให้มีการเสียชีวิตระหว่างการขนส่งหรือก่อนหน่วยปฐมพยาบาลจะมาถึงที่เกิดเหตุ ดังนั้นจึงได้มีการสำรวจการขนส่งอุปกรณ์การแพทย์ด้วยอากาศยานที่ควบคุมด้วยตนเองโดยอัตโนมัติ ซึ่งสามารถทำได้ผ่านการจัดส่งด้วยโดรนที่รวดเร็วกว่าใช้วิธีการทางถนน เนื่องจากอุปกรณ์สามารถบินตรงไปยังที่เกิดเหตุได้ ในโครงการนี้ เราจะสำรวจระบบการส่งมอบทางอากาศสำหรับอุปกรณ์การแพทย์ เช่น เครื่องกระตุ้นหัวใจอัตโนมัติ (AEDs) อุปกรณ์ปฐมพยาบาล และอุปกรณ์การแพทย์ขนาดเล็กอื่น ๆ ที่ร้องขอ เราจะทำสิ่งนี้ผ่านแพลตฟอร์มโดรนของ DJI และแอปพลิเคชัน SDK ของพวกเขา เป้าหมายหลักของโครงการนี้คือการลดเวลาการตอบสนองโดยการใช้โดรนอัตโนมัติเพื่อส่งมอบอุปกรณ์การแพทย์ เราพบว่าโดรนเป็นแพลตฟอร์มที่สามารถส่งมอบเครื่องกระตุ้นหัวใจไปยังผู้ป่วยได้อย่างมีประสิทธิภาพผ่านข้อมูลการบินที่รวบรวมและการทดสอบเบื้องต้น ซึ่งให้แพลตฟอร์มที่ยอดเยี่ยมสำหรับการพัฒนาระบบในอนาคต
คณะวิศวกรรมศาสตร์
การประดิษฐ์หุ่นยนต์การแข่งขันหุ่นยนต์ ส.ส.ท. ชิงแชมป์ประเทศไทย ประจำปี 2567 เกม “วิถีข้าว วิถีไทย สู่วิถีสากล (HARVEST DAY)”