โครงการนี้นำหลักการของเทคโนโลยีปัญญาประดิษฐ์ และ Deep Learning มาจัดทำระบบตำรวจอัจฉริยะ (Smart Police) เพื่อวิเคราะห์อัตลักษณ์บุคคลและยานพาหนะที่ต้องสงสัยว่าเกี่ยวข้องกับการกระทำความผิดเพื่อใช้รักษาความปลอดภัยในชีวิตและทรัพย์สินของประชาชน โดยหลักการทำงานของระบบตำรวจอัจฉริยะ จะติดตั้งกล้อง CCTV ในพื้นที่ที่มีความเสี่ยงในกการโจรกรรม เพื่อตรวจจับบุคคลที่มีอำพรางอาวุธ โดยวิเคราะห์จากภาพจากกล้อง CCTV ด้วยการประมวลผลภาพและประยุกต์ใช้เทคโนโลยีปัญญาประดิษฐ์ ในการเฝ้าระวังและตรวจจับสิ่งที่อยู่ในเหตุการณ์ เมื่อมีการโจรกรรมหรือเหตุการผิดปกติ ระบบจะแจ้งเตือนเหตุการณ์เข้ามาที่ศูนย์เฝ้าระวังภายในสถานีตำรวจ เพื่อให้ตำรวจไปตรวจสอบความผิดเบื้องต้น และไปพื้นที่เกิดเหตุได้ทันเหตุการณ์เพื่อดำเนินการป้องกันหรือระงับเหตุ ในกรณีที่มีการหลบหนี ระบบจะติดตามรถยนต์ หรือ รถมอเตอร์ไซด์ พร้อมระบุเส้นทางที่สามารถใช้ในการหลบหนีโดยใช้การติดตามจากลักษณะของยานพาหนะ และป้ายทะเบียนของยานพาหนะที่ก่อเหตุ เพื่อทำการติดตามและระงับเหตุได้ ดังนั้นระบบตำรวจอัจฉริยะที่พัฒนาขึ้นเป็นการร่วมมือของคณะวิศวกรรมศาสตร์ สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง, สำนักงานตำรวจภูธรภาค 2 มูลนิธิฉะเชิงเทราเพื่อการพัฒนา และสำนักงานเมืองอัจฉริยะจังหวัดฉะเชิงเทรา เพื่อป้องกันและป้องปรามการเกิดอาชญากรรม เพิ่มความปลอดภัยสาธารณะและความสงบเรียบร้อยให้แก่ประชาชนในพื้นที่จังหวัดฉะเชิงเทราซึ่งเป็นพื้นที่ในเขต EEC ซึ่งเป็นแหล่งเศรษฐกิจของประเทศ และเป็นแหล่งท่องเที่ยวใกล้กรุงเทพ และเป็นการสร้างเครือข่ายความร่วมมือทั้งภาครัฐ เอกชน และชุมชน ตลอดจนถ่ายทอดองค์ความรู้การใช้งานนวัตกรรมและการเขียนให้แก่ตำรวจและเจ้าหน้าที่ในการนำเทคโนโลยีไปใช้งานจริงและสามารถพัฒนาต่อยอดนวัตกรรมได้ใช้เอง ซึ่งเป็นการพัฒนาแบบต่อเนื่องในระยะยาวเพื่อให้เกิดความยั่งยืนและนําข้อมูลไปใช้ประโยชน์ด้านการวางแผนการดำเนินการรักษาความปลอดภัยและแผนการท่องเที่ยวของจังหวัดฉะเชิงเทรา
-
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
โครงการนี้มีเป้าหมายเพื่อพัฒนาศักยภาพการใช้พลังงานในอนาคต Net Zero ของกรุงเทพครั้งใหม่ โดยมีเป้าหมายที่จะตอบข้อบกพร่องของโครงสร้างเมืองในปัจจุบัน ซึ่งยังคงไม่มีประสิทธิภาพและก่อมลพิษอย่างมาก ในทางกลับกันโครงการนี้สามารถผลิตพลังงานและส่งพลังงานส่วนเกินกลับคืนสู่เมืองและชุมชนโดยรอบ
คณะอุตสาหกรรมอาหาร
ขนมเจลลี่ทางเลือกใหม่ของคนรักสุขภาพ อร่อยง่าย พกพาสะดวก ดีต่อลำไส้ อุดมไปด้วยโพรไบโอติกและพรีไบโอติก มีสารต้านอนุมูลอิสระ และยังมีวิตามินที่จำเป็นต่อร่างกาย เหมาะกับคนที่รัสุขภาพ และผู้ที่แพ้แลคโตสสามารถรับประทานได้ ไม่ใส่แต่งสี และแต่งกลิ่น
คณะวิทยาศาสตร์
ด้วยการพัฒนาของเทคโนโลยีทางด้านอวกาศทำให้การสำรวจท้องฟ้าโดยใช้กล้องโทรทรรศน์ที่มีมุมมองกว้างขยายขอบเขตของข้อมูลใหม่ๆ สำหรับการวิจัยดาราศาสตร์โดเมนเวลามากยิ่งขึ้น ทำให้การวิเคราะห์ข้อมูลแบบดั้งเดิมไม่สามารถตอบสนองต่อข้อมูลได้อย่างรวดเร็วและแม่นยำเพียงพอต่อปริมาณข้อมูลที่เพิ่มขึ้นอย่างต่อเนื่อง ดังนั้น การจำแนกประเภทของข้อมูลซีรีส์เวลาอย่างกราฟแสงจึงเป็นความท้าทายอย่างมากในยุคที่ข้อมูลมีขนาดใหญ่ ในปัจจุบันการวิเคราะห์กราฟแสงจึงจำเป็นต้องใช้เทคนิคการเรียนรู้ของเครื่องเข้ามาช่วยในการวิเคราะห์ คัดกรองข้อมูลอันมหาศาลอย่างหลีกเลี่ยงไม่ได้ โดยอัลกอริทึมการเรียนรู้ของเครื่องแบ่งออกได้ 2 ประเภท คือ แบบตื้นและแบบลึก นักวิจัยหลายๆ ท่านได้นำเสนอวิธีการและการพัฒนาอัลกอริทึมหลากหลายรูปแบบสำหรับการจำแนกประเภทของกราฟแสง ซึ่งในงานนี้เราได้ทำการทดลองใช้ Support Vector Machine (SVM) และ XGBoost ซึ่งเป็นอัลกอริทึมการเรียนรู้ของเครื่องประเภทแบบตื้น และ 1D-CNN และ Long Short-Term Memory (LSTM) ซึ่งเป็นอัลกอริทึมการเรียนรู้เชิงลึกเป็นอีกหนึ่งสาขาของการเรียนรู้ของเครื่องที่เป็นประเภทแบบลึก เพื่อใช้ในการจำแนกประเภทของดาวแปรแสง โดยข้อมูลที่ใช้ในการอบรบและทดสอบ คือ ข้อมูล Optical Gravitational Lensing Experiment-III (OGLE-III) เป็นข้อมูลของดาวแปรแสง โดยอยู่ในพื้นที่ Large Magellanic Cloud (LMC) ที่มีการแบ่งได้ 5 คลาสหลักส่วนใหญ่ (Classical Cepheids, δ Scutis, eclipsing binaries, RR Lyrae stars และ Long-period variables) ผลลัพธ์แสดงให้เห็นถึงการวิเคราะห์ประสิทธิภาพของการเรียนรู้ของเครื่องแต่ละประเภทที่ใช้กับข้อมูลกราฟแสง อีกทั้งยังชี้ให้เห็นถึงความแม่นยำและค่าสถิติต่างๆ ของการเรียนรู้ของเครื่องที่ใช้ในทดลอง