Publication:
การพยากรณ์จำนวนนิสิตที่จะเข้าศึกษาต่อสำหรับคณะวิศวกรรมศาสตร์ แห่งมหาวิทยาลัยศรีนครินทรวิโรฒโดยการเรียนรู้เชิงลึก

dc.contributor.advisorสุนิศา คุณารักษ์
dc.contributor.authorกฤษฎา มีเครือ
dc.contributor.authorชลวิทย์ เลิศไกร
dc.contributor.authorปราโมทย์ นิลดำ
dc.contributor.orgunitคณะวิศวกรรมศาสตร์
dc.date.accessioned2021-11-18T00:04:34Z
dc.date.available2021-11-18T00:04:34Z
dc.date.issued2019
dc.date.issuedBE2562
dc.description.abstractโครงงานนี้มีวัตถุประสงค์เพื่อออกแบบโครงข่ายประสาทเทียมแบบการเรียนรู้เชิงลึกในการพยากรณ์จำนวนนิสิตที่จะเข้าศึกษาต่อสำหรับคณะวิศวกรรมศาสตร์แห่งมหาวิทยาลัยศรีนครินทรวิโรฒ โดยค่าเกรดเฉลี่ยระดับชั้นมัธยมศึกษาตอนปลาย คะแนน PAT3 และรายได้ต่อปีของครอบครัวจะถูกนำเข้าไปเป็นอินพุตของกระบวนการเรียนรู้เชิงลึก นอกจากนี้กลุ่มตัวอย่างในโครงงานจะใช้รูปแบบทาโร่ในการพิจารณา จากผลการทดลองพบว่าค่าความผิดพลาดกำลังสองเฉลี่ยจะมีค่าต่ำกว่า 0.001 และข้อมูลที่พยากรณ์ได้จะมีค่าความถูกต้องประมาณร้อยละ 94 เมื่อเปรียบเทียบกับข้อมูลจริงตามลำดับ
dc.format.mimetypeapplication/pdf
dc.identifier.urihttps://hdl.handle.net/20.500.14740/5909
dc.language.isotha
dc.publisherภาควิชาวิศวกรรมไฟฟ้า มหาวิทยาลัยศรีนครินทรวิโรฒ
dc.rightsผลงานนี้เผยแพร่ภายใต้ สัญญาอนุญาตครีเอทีฟคอมมอนส์แบบ แสดงที่มา-ไม่ใช้เพื่อการค้า-ไม่ดัดแปลง 4.0 (CC BY-NC-ND 4.0)
dc.rights.holderมหาวิทยาลัยศรีนครินทรวิโรฒ
dc.subject.otherโครงข่ายประสาทเทียม
dc.subject.otherการพยากรณ์
dc.subject.otherการทำนาย
dc.subject.otherการเรียนรู้เชิงลึก
dc.subject.otherDeep Learning Neural Networks
dc.subject.otherForecasting
dc.subject.otherPredicting
dc.subject.otherTaro
dc.titleการพยากรณ์จำนวนนิสิตที่จะเข้าศึกษาต่อสำหรับคณะวิศวกรรมศาสตร์ แห่งมหาวิทยาลัยศรีนครินทรวิโรฒโดยการเรียนรู้เชิงลึก
dc.title.alternativeForecasting the number of Prospected Students for Faculty of Engineering in Srinakharinwirot University by Deep Learning
dc.typeWorking Paper
dcterms.accessRightsopen access
dspace.entity.typePublication

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
Eng_Kridsada_M.pdf
Size:
4.08 MB
Format:
Adobe Portable Document Format

License bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: