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
ในงานนี้เราได้เสนอการใช้อัลกอริทึมการเรียนรู้ของเครื่องที่ทำการแบ่งอัลกอริทึมได้เป็น 2 ประเภท คือ แบบตื้นและแบบลึกมาทดสอบประสิทธิภาพโดยแบบตื้นมีมีอัลกอริทึม Support Vector Machine (SVM) และ XGBoost แบบลึกมีอัลกอริทึม 1D-CNN และ Long Short-Term Memory (LSTM) เราพิจารณาข้อมูลการสังเกตที่ได้จากฐานข้อมูล Optical Gravitational Lensing Experiment-III (OGLE-III) ที่เป็นดาวแปรแสงในพื้นที่ Large Magellanic Cloud (LMC) ด้วยกล้องโทรทรรศน์ขนาด 1.3-m Warsaw ที่ติดตั้งที่หอดูดาวลาสคัมปานัส ประเทศชิลี ข้อมูลนี้ประกอบด้วยการสังเกตดาวแปรแสงมากกว่าหนึ่งแสนครั้งโดยพิจารณาจากกราฟแสง และใช้ข้อมูลสถิติต่างๆ เช่น Accuracy, Precision, Recall, F1-score, AUG, mPa, mcc และ kappa ซึ่งงานวิจัยนี้มีจุดมุ่งหมายเพื่อที่จะทดสอบประสิทธิภาพในการจำแนกประเภทของดาวแปรแสงโดยใช้ข้อมูลการวิเคราะห์ light curve ด้วยเทคนิคการเรียนรู้ของเครื่องทั้งสองประเภท เพื่อให้เห็นถึงความเข้าใจในลักษณะและพฤติกรรมของดาวแปรแสง ซึ่งใช้ในประโยชน์ต่างๆ เช่น ความรู้ในด้านดาราศาสตร์ฟิสิกส์หรือการค้นพบดาวเคราะห์ดวงใหม่ๆ และการป้องกันภัยจากดาวแปรแสงมีอาจจะมีผลกระทบต่อโลก อีกทั้งในเรื่องการประหยัดเวลาและทรัพยากรในการที่จะจำแนกประเภทดาวแปรแสงอย่างมีระบบและมีประสิทธิภาพ
คณะเทคโนโลยีการเกษตร
ในดินมีสิ่งมีชีวิตหลากหลายชนิดซึ่งมีความสัมพันธ์กันเป็นสายใยอาหารขนาดใหญ่ที่ทำให้เกิดการหมุนเวียนพลังงานและสารอาหารไปยังสิ่งมีชีวิตที่อาศัยอยู่บนดิน สิ่งมีชีวิตในดินทำหน้าที่สร้างอาหารสำหรับพืชเพื่อใช้ในการเจริญเติบโต จุลินทรีย์กลุ่มที่มีประโยชน์ต่อพืช เช่น ช่วยเพิ่มความเป็นประโยชน์ของธาตุอาหารในดิน เพิ่มช่องว่างในดิน ช่วยเพิ่มความแข็งแรงต้านทานโรคให้กับพืช เป็นต้น จุลินทรีย์กลุ่มที่เป็นโทษต่อพืช เช่น เชื้อก่อโรคพืชต่างๆ เมื่อมีอยู่ในดินปริมาณมากจะทำให้พืชเจริญเติบโตได้ไม่ดี หรืออาจทำให้ผลผลิตเสียหาย จุลินทรีย์กลุ่มที่ไม่มีผลต่อพืช เป็นจุลินทรีย์ที่มีแหล่งอาศัยอยู่ในดิน เป็นองค์ประกอบของระบบนิเวศในดินแต่ไม่มีผลด้านบวกหรือลบต่อพืช ดินปริมาณ 1 ช้อนชา มีจุลินทรีย์อยู่มากกว่า 1,000 ล้านชนิด และมีจุลินทรีย์เพียง 1 % เท่านั้นที่สามารถเพาะเลี้ยงได้ ดินจึงเป็นแหล่งที่มีความหลากหลายของสิ่งมีชีวิต โดยเฉพาะความหลากหลายของจุลินทรีย์มากที่สุดในโลก
คณะอุตสาหกรรมอาหาร
งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาการห่อหุ้มแอนโธไซยานินในอิมัลชันชนิดน้ำในน้ำมันในน้ำ (W/O/W) และกระบวนการทำแห้งแบบพ่นฝอย เพื่อเพิ่มความเสถียรของแอนโธไซยานินจากปัจจัยภายนอก เช่น แสง อุณหภูมิ และการเปลี่ยนแปลงค่า pH การเตรียมอิมัลชัน W/O/W ดำเนินการโดยใช้สารลดแรงตึงผิวที่เหมาะสม และทำแห้งด้วยเครื่องพ่นฝอยที่อุณหภูมิขาเข้า 120–140°C และอุณหภูมิขาออกไม่ต่ำกว่า 80°C ผลการศึกษาพบว่าสัดส่วนองค์ประกอบของน้ำ น้ำมัน และสารลดแรงตึงผิวมีผลต่อคุณสมบัติทางกายภาพและเคมีของอิมัลชัน รวมถึงประสิทธิภาพในการกักเก็บแอนโธไซยานิน อิมัลชัน W/O/W ที่ผ่านกระบวนการทำแห้งแบบพ่นฝอยสามารถกักเก็บแอนโธไซยานินได้อย่างมีประสิทธิภาพ และช่วยเพิ่มความเสถียรในระยะยาว ซึ่งสามารถนำไปประยุกต์ใช้ในอุตสาหกรรมอาหารและผลิตภัณฑ์สุขภาพได้
คณะทันตแพทยศาสตร์
Aggregatibacter actinomycetemcomitans เป็นเชื้อก่อโรคหลักของโรคปริทันต์ โดยสามารถทำลายเอ็นยึดปริทันต์และกระดูกเบ้าฟันผ่านการสร้างไบโอฟิล์ม D-LL-31 ซึ่งเป็นเปปไทด์ต้านจุลชีพที่ถูกดัดแปลงทางวิศวกรรม แสดงศักยภาพที่สูงในการกำจัดเชื้อที่ฝังตัวในไบโอฟิล์มได้ดีกว่าวิธีรักษาแบบดั้งเดิม ขณะที่ DNase I ช่วยเสริมประสิทธิภาพโดยการสลายเมทริกซ์ของไบโอฟิล์ม โดยวัตถุประสงศ์ของงานวิจัยนี้ต้องศึกษาผลของ D-LL-31 ร่วมกับ DNase I ต่อไบโอฟิล์มของ A. actinomycetemcomitans ผลการทอลองพบว่า D-LL-31 สามารถกำจัดไบโอฟิล์มได้อย่างมีประสิทธิภาพ และเมื่อใช้ร่วมกับ DNase I จะช่วยเพิ่มการทำลายไบโอฟิล์มได้มากขึ้น โดยไม่ก่อให้เกิดความเป็นพิษต่อเซลล์เยื่อบุเหงือก ดังนั้นการใช้ D-LL-31 ร่วมกับ DNase I มีศักยภาพในการพัฒนาเป็นน้ำยาบ้วนปาก เพื่อช่วยรักษาสุขภาพช่องปากและลดความเสี่ยงของโรคปริทันต์