Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/63686
| Title: | การเรียนรู้ค่าพารามิเตอร์ของเครื่องนับคัดธนบัตร BPS M7 เพื่อจำแนกสภาพธนบัตรด้วยวิธีซัพพอร์ตเวกเตอร์แมชชีน |
| Other Titles: | Parameters learning of BPS M7 banknote processing machine for banknote fitness classification by support vector machine |
| Authors: | ธิติ กองประเสริฐ |
| Advisors: | ประภาส จงสถิตย์วัฒนา |
| Other author: | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ |
| Advisor's Email: | Prabhas.C@Chula.ac.th |
| Issue Date: | 2561 |
| Publisher: | จุฬาลงกรณ์มหาวิทยาลัย |
| Abstract: | ธนบัตรเป็นสื่อชำระเงินหลักที่ได้รับความนิยมมากที่สุดในปัจจุบัน เนื่องจากมีคุณสมบัติที่สำคัญคือเป็นที่ยอมรับโดยทั่วไป สามารถคงมูลค่าได้ รักษาความเป็นส่วนตัววของผู้ใช้งาน และใช้งานได้ทุกที่ไม่จำเป็นต้องพึ่งพาไฟฟ้าหรือเทคโนโลยีใด ๆ แต่สื่อชำระเงินนี้ยังมีต้นทุนการผลิตที่รัฐบาลต้องแบกรับเป็นจำวนเงินมหาศาล วิธีการหนึ่งที่จะสามารถลดต้นทุนในส่วนดังกล่าวทางหนึ่งคือ การหมุนเวียนธนบัตรสภาพดีกลับไปใช้งานได้สอดคล้องกับพฤติกรรมของประชาชน และสภาพแวดล้อม งานวิจัยนี้นำเสนอการเรียนรู้ค่าพารามิเตอร์ของเครื่องนับคัดธนบัตร BPS M7 เพื่อจำแนกสภาพธนบัตรให้มีความสามารถแบ่งแยกธนบัตรได้ใกล้เคียงกับธนกร หรือผู้เชี่ยวชาญด้านธนบัตรมากที่สุดด้วยวิธีซัพพอร์ตเวกเตอร์แมชชีน โดยงานวิจัยนี้เริ่มจากเก็บตัวอย่างธนบัตรมาให้ธนกรร่วมกันพิจารณาและลงความเห็นสภาพธนบัตรรายฉบับ เพื่อเป็นชุดข้อมูลเรียนรู้ให้กับวิธีซัพพอร์ตเวกเตอร์แมชชีน จากนั้นจึงนำสมการแบ่งแยกที่ได้มาประเมินประสิทธิภาพการแบ่งแยกด้วยค่าความแม่นยำ และความถูกต้องจากผลการวิจัยสรุปได้ว่า สมการแบ่งแยกที่ได้จากวิธีซัพพอร์ตเวกเตอร์แมชชีนมีความสามารถแบ่งแยกธนบัตรได้แม่นยำใกล้เคียงกับธนกรมากขึ้นกว่าชุดการตัดสินใจเดิมบนเครื่องนับคัดธนบัตร BPS M7 |
| Other Abstract: | At the present time banknote is the most popular payment method because of its important properties such as generally accepted, able to store of value, keep user’s privacy and not rely on electricity or any complex technology. On the other hand banknote manufacturing cost is a large burden to government, one way to reduce this cost is to circulate banknotes match up with people behavior and environment. This research presents parameters learning of BPS M7 banknote processing machine for duplicate classifying behavior of banknote specialistsG by Support Vector Machine. This research start from collecting sample banknotes and banknote specialists identify status to each banknotes on their opinions which is training data for Support Vector Machine then evaluate output model with accuracy, precision and recall. The evaluation results show that the performance of Support Vector Machine output model is more similar to banknote specialists than former decision logic on banknote processing machine BPS M7 |
| Description: | วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2561 |
| Degree Name: | วิทยาศาสตรมหาบัณฑิต |
| Degree Level: | ปริญญาโท |
| Degree Discipline: | วิทยาศาสตร์คอมพิวเตอร์ |
| URI: | http://cuir.car.chula.ac.th/handle/123456789/63686 |
| URI: | http://.doi.org/10.58837/CHULA.THE.2018.1138 |
| metadata.dc.identifier.DOI: | 10.58837/CHULA.THE.2018.1138 |
| Type: | Thesis |
| Appears in Collections: | Eng - Theses |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 6070926321.pdf | 1.88 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.