นักดนตรีบางคนที่พิการทางการได้ยิน บางคนจบอาชีพการงาน แต่บางคนยังคงทำงานต่อไปโดยที่หูหนวกนั้นยากกว่านักดนตรีปกติมาก บางคนใช้เครื่องช่วยฟังในชีวิตประจำวันและใช้เครื่องช่วยฟังแบบอินเอียร์ในการแสดง สดซึ่งดูเหมือนปกติ แต่ในอินเอียร์ของพวกเขา ได้ยินเพียงเครื่องเมตรอนอมและกลองเท่านั้น เราจะสามารถเพิ่มประสิทธิภาพของอินเอียร์มอนิเตอร์ให้ดีขึ้นจนใกล้เคียงปกติได้อย่างไร
นักดนตรีบางคนที่พิการทางการได้ยิน บางคนจบอาชีพการงาน แต่บางคนยังคงทำงานต่อไปโดยที่หูหนวกนั้นยากกว่านักดนตรีปกติมาก บางคนใช้เครื่องช่วยฟังในชีวิตประจำวันและใช้เครื่องช่วยฟังแบบอินเอียร์ในการแสดง สดซึ่งดูเหมือนปกติ แต่ในอินเอียร์ของพวกเขา ได้ยินเพียงเครื่องเมตรอนอมและกลองเท่านั้น ถ้าพวกเขาสามารถใช้อินเอียร์มอนิเตอร์ในการทำงานได้แต่ยังไม่สามารถทำได้อย่างเต็มประสิทธิภำพเกิดจากอะไรและแก้ไขอย่างไร
คณะวิศวกรรมศาสตร์
โปรเจคนี้มีเป้าหมายในการพัฒนาต้นแบบของระบบเล็งอาวุธที่จำลองเป็นปืนต่อต้านอากาศยาน โดยใช้กล้องออปติคอลเพื่อตรวจจับวัตถุที่เคลื่อนที่และคำนวณวิถีแบบ Real time ผลลัพธ์ที่ได้นั้นจะส่งไปยังเลเซอร์พอยน์เตอร์บนมอเตอร์ 2 แกนหมุน แบบ degrees of freedom(DoF) ส่งผลให้สามารถเล็งไปยังเป้าหมายที่คาดการณ์ไว้ได้ ระบบนี้ถูกสร้างขึ้นบนแพตฟอร์มของ Raspberry Pi 4 ร่วมกับซอฟแวร์ machine vision โปรแกรมการ tracking นั้นถูกพัฒนาภายใต้ไลบรารีของ OpenCV โดยอาศัย color detections algorithms ผลการทดลองตอนนี้สามารถตรวจจับการเคลื่อนไหวของลูกเทนนิสแบบ real time ที่อัตรา 30 เฟรมต่อวินาที(fps) ขณะนี้โปรเจคอยู่นขั้นตอนการออกแบบและทดลองกับระบบแมคคานิคเพื่อควบคุมเลเซอร์พอยน์เตอร์ให้แม่นยำ โปรเจคนี้มีการนำความรู้ทางด้านอิเล็กทรอนิกส์(computer programing) และวิศวกรรมเครื่องกล(การควบคุมมอเตอร์)มาใช้งาน
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
บนเส้นทางของการมีชีวิตอยู่นับตั้งแต่เราเกิด คนเราต่างต้องประสบพบเจอกับสิ่งต่างๆ ที่ผ่านเข้ามาในชีวิตมากมาย ความแตกต่างและหลากหลายลักษณะ ทั้งนี้แล้วแต่ละปัจจัยของการมีชีวิตของแต่ละบุคคล ต่างมีภาระหน้าที่ ความฝันที่ต่างกัน ความแตกต่างของบริบทชีวิต ทุกคนยังคงต้องดิ้นรนต่อสู้กับอุปสรรค ภาระมากมายในการดำเนินชีวิต แบกรับภาระหน้าที่ของตนและครอบครัวเพื่อความอยู่รอด การดำเนินชีวิตในรูปแบบที่ต่างกัน ภาระและความฝันที่มีมากมาย หากแต่ในบทชีวิตจริง จะมีสักกี่คนที่สามารถแบกรับภาระเหล่านี้ไปได้ถึงฝั่งฝันของตน
คณะวิทยาศาสตร์
ปัญหาพิเศษนี้มีวัตถุประสงค์เพื่อศึกษาและเปรียบเทียบประสิทธิภาพการทำนายดัชนีคุณภาพอากาศ (AQI) ด้วยวิธีการเรียนรู้ของเครื่องแบบรวมกลุ่ม 5 วิธี ได้แก่ วิธีป่าสุ่ม วิธี XGBoost วิธี CatBoost วิธีรวมกลุ่มป่าสุ่มและ XGBoost และวิธีรวมกลุ่มป่าสุ่ม SVR และ MLP โดยใช้ชุดข้อมูลจากกรมควบคุมมลพิษกลางของประเทศอินเดีย (CPCB) ซึ่งชุดข้อมูลประกอบด้วยตัวแปรด้านมลพิษ 15 ตัวแปร และข้อมูลด้านสภาพอากาศ 9 ตัวแปร เก็บรวบรวมตั้งแต่มกราคม ค.ศ. 2021 ถึงธันวาคม ค.ศ. 2023 มีจำนวนข้อมูล 1,024,920 ค่า และวิธีการที่ใช้วัดประสิทธิภาพ 3 วิธี ได้แก่ รากของค่าคลาดเคลื่อนกำลังสองเฉลี่ย (Root Mean Square Error : RMSE) ค่าคลาดเคลื่อนสัมบูรณ์เฉลี่ย (Mean Absolute Error : MAE) และสัมประสิทธิ์การกำหนด (Coefficient of Determination) ผลการศึกษาพบว่าวิธีรวมกลุ่มป่าสุ่มและ XGBoost มีค่าวัดประสิทธิภาพทั้ง 3 วิธีดีที่สุด โดยมีค่า RMSE น้อยที่สุดเท่ากับ 0.1040 ค่า MAE น้อยที่สุดเท่ากับ 0.0675 และค่า มากที่สุดเท่ากับ 0.8128 แล้วทำการอธิบายผลลัพธ์จากการเรียนรู้ของเครื่องสำหรับสร้างแผนภาพด้วย SHAP ของวิธีการเรียนรู้ของเครื่องทั้ง 5 วิธี ทุกวิธีได้ข้อสรุปในทำนองเดียวกันคือตัวแปรที่มีผลกระทบต่อ ค่าทำนายโดยรวมมากที่สุด 2 อันดับแรกคือตัวแปร PM2.5 และ PM10 ตามลำดับ