จากการเข้ามาถึงของนวัตกรรมทางมัลติมีเดียอย่างเกมทำให้การเข้าถึงสื่อไม่เหมือนเดิม สร้างความแปลกใหม่ให้กับการเสพสื่อ โดยโอเวอร์สเตียร์เป็นโครงงานที่ใช้ประโยจน์จากสื่อประเภทเกมเพื่อทำให้ผู้ใช้สามารถสัมผัสประสบการณ์การขับรถคล้ายกับการขับรถบนสนามแข่ง
เกิดจากความชอบใน รถยนต์ เครื่องยนต์ และเกม จึงนำความชอบมารวมกัน และได้เป็นโครงงานนี้
คณะวิศวกรรมศาสตร์
งานวิจัยนี้เสนอแนะการใช้โพลีเมอร์เชือกเสริมเส้นใยธรรมชาติ เพื่อเสริมกำลังเสาคอนกรีตสี่เหลี่ยมรวมรีไซเคิลที่ประกอบด้วยอิฐมวลรวมแข็งจากดินเหนียวเผา เพื่อลดต้นทุนสูงที่เกี่ยวข้องกับโพลีเมอร์เสริมใยสังเคราะห์ ตัวอย่างคอนกรีตจำนวน 24 คอลัมน์เพื่อทำการศึกษาครั้งนี้ ตัวอย่างได้รับการทดสอบภายใต้แรงอัดตามแนวแกนแบบโมโนโทนิก ตัวแปรที่น่าสนใจคือ กำลังของคอนกรีตไม่จำกัดจำนวน และจำนวนชั้น FRR จากผลการทดสอบ ชิ้นงานที่ได้รับการปรับปรุงให้แข็งแกร่งขึ้นแสดงให้เห็นถึงกำลังรับแรงอัดและความเหนียวที่เพิ่มขึ้น โดยเฉพาะอย่างยิ่ง ชิ้นงานที่มีความแข็งแรงไม่จำกัดน้อยที่สุดแสดงให้เห็นถึงการปรับปรุงที่ใหญ่ที่สุดในด้านกำลังรับแรงอัดและความเหนียว โดยเฉพาะกำลังรับแรงอัดและความเครียดเพิ่มขึ้นถึง 181% และ 564% ตามลำดับ เพื่อที่จะคาดการณ์ความเครียดและความเครียดจากแรงอัดที่จำกัดขั้นสุดท้าย การศึกษานี้จึงได้ตรวจสอบแบบจำลองความเครียด-ความเครียดเชิงวิเคราะห์จำนวนหนึ่ง การเปรียบเทียบผลการทดลองและทางทฤษฎีสรุปได้ว่าแบบจำลองความแข็งแกร่งเพียงจำนวนจำกัดเท่านั้นที่ส่งผลให้เกิดการคาดการณ์อย่างใกล้ชิด ในขณะที่มีการสังเกตการกระจายที่ใหญ่กว่าสำหรับการทำนายความเครียด การเรียนรู้ของเครื่องถูกนำมาใช้โดยใช้โครงข่ายประสาทเทียมเพื่อทำนายกำลังรับแรงอัด ชุดข้อมูลที่ประกอบด้วย 142 ตัวอย่างเสริมความแข็งแกร่งด้วยกัญชา FRP ถูกดึงออกมาจากวรรณกรรม โครงข่ายประสาทเทียมได้รับการฝึกอบรมเกี่ยวกับชุดข้อมูลที่แยกออกมา และประสิทธิภาพของมันได้รับการประเมินสำหรับผลการทดลองของการศึกษานี้ ซึ่งแสดงให้เห็นถึงข้อตกลงที่ใกล้ชิด
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
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
เเนวความคิดของงานนี้ ผมได้มาจากความสงสัยที่ว่า ถ้าในการเดินทางข้ามมิติในอวกาศใช้ระบบเทเลพอร์ต ซึ่งก็คือการลบมวลสารจากจุดนึงไปยังอีกจุดนึงโดยคงสภาพมวลสารนั้นไว้ เกิดความผิดพลาด ซึ่งก็คือมวลสารเหล่านั้นถูกสร้างขึ้นมาใหม่รวมกันจะสิ่งที่ออกมาจะเป็นสัตว์ทดลองหลอมรวมเข้ากับตัวยาน ผมเลือกตัวหมีน้ำเป็นสัตว์ทดลองตัวเเรกที่ใช้ระบบเทเลพอร์ตเพราะหมีน้ำเคยถูกส่งไปอวกาศมาเเล้วเเละรอดกลับมาได้ด้วย เลยคิดว่าถ้าความจริงเรากำลงจะทดลองระบบเทเลพอร์ตนี้ หมีน้ำก็คงจะมีโอกาสโดนจับไปทดลองสูง