การจำลองข้อมูลเพื่อเปรียบเทียบความแม่นยำในการพยากรณ์ ระหว่างวิธีโครงข่ายประสาทเทียมกับวิธีซัพพอร์ตเวกเตอร์แมชชีน

นันทณัฐ พันธุ์สีดา

DSpace Home
→
Faculty and Institute
→
Faculty of Commerce and Accountancy - Acctn
→
Acctn - Theses
→
View Item

dc.contributor.advisor	นัท กุลวานิช
dc.contributor.author	นันทณัฐ พันธุ์สีดา
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะพาณิชยศาสตร์และการบัญชี
dc.date.accessioned	2017-06-19T09:29:13Z
dc.date.available	2017-06-19T09:29:13Z
dc.date.issued	2556
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/52998
dc.description	วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2556	en_US
dc.description.abstract	การวิจัยในครั้งนี้ มีวัตถุประสงค์เพื่อเปรียบเทียบความแม่นยำในการพยากรณ์ระหว่างวิธีการโครงข่ายประสาทเทียมแบบแพร่ย้อนกลับกับวิธีซัพพอร์ตเวกเตอร์แมชชีนด้วยฟังก์ชัน เคอร์เนล โดยใช้ Receiver Operating Characteristic (ROC) เป็นเครื่องมือวัดประสิทธิภาพความแม่นยำในการพยากรณ์จำแนกประเภทของข้อมูล โดยใช้พื้นที่ใต้โค้ง ROC (Area Under ROC Curve : AUC) และใช้อัตราความผิดพลาดในการจำแนกประเภทข้อมูล (Misclassification Rate : MCR) พิจารณาค่าเฉลี่ยของ AUC จะได้ว่า วิธีซัพพอร์ตเวกเตอร์แมชชีนด้วย Laplacian Kernel ให้ประสิทธิภาพความแม่นยำในการพยากรณ์จำแนกประเภทของข้อมูลได้ดีที่สุดในกรณีที่ข้อมูล มีการแจกแจงแบบชี้กำลังและข้อมูลที่มีการแจกแจงแบบปกติ ส่วนกรณีที่ข้อมูลมีการแจงแจกแบบปัวส์ซงนั้น วิธีโครงข่ายประสาทเทียมแบบย้อนกลับ ให้ประสิทธิภาพความแม่นยำในการพยากรณ์จำแนกประเภทของข้อมูลดีที่สุด พิจารณาค่าของเฉลี่ยของ MCR จะได้ว่า ในทุกกรณีของการแจกแจงที่ศึกษาในงานวิจัยนี้นั้น วิธีซัพพอร์ตเวกเตอร์แมชชีนด้วย Laplacian Kernel ให้ค่าอัตราความผิดพลาดในการจำแนกประเภทข้อมูลได้ต่ำที่สุด และวิธีโครงข่ายประสาทเทียมแบบย้อนกลับ ให้ค่าอัตราความผิดพลาดในการจำแนกประเภทข้อมูลได้สูงที่สุดในทุกรณี	en_US
dc.description.abstractalternative	This thesis attempted to identify a simulation study to compare prediction accuracy between the backpropagation artificial neural network and support vector machine. The method was to compare the forecasting accuracy using area under ROC curve (AUC) and misclassification rate (MCR). The average values of the AUC was the support vector machines with the laplacian kernel method provides better prediction performance than the backpropagation artificial neural network in most cases ,except in case independent variables was poisson distribution The average values of the MCR was that in all cases the distributions was studied in this research . Method with support vector machines with the laplacian Kernel to the error rate in the classification have the lowest . The Backpropagation Artificial Neural Network have the error rate in the highest classification in all cases.	en_US
dc.language.iso	th	en_US
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.relation.uri	http://doi.org/10.14457/CU.the.2013.1859
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.subject	นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)
dc.subject	ซัพพอร์ตเวกเตอร์แมชชีน
dc.subject	Neural networks (Computer science)
dc.subject	Support vector machines
dc.subject	Kernel functions
dc.title	การจำลองข้อมูลเพื่อเปรียบเทียบความแม่นยำในการพยากรณ์ ระหว่างวิธีโครงข่ายประสาทเทียมกับวิธีซัพพอร์ตเวกเตอร์แมชชีน	en_US
dc.title.alternative	A simulation Study to compare prediction accuracy between artificial Neural network and support vector machine	en_US
dc.type	Thesis	en_US
dc.degree.name	สถิติศาสตรมหาบัณฑิต	en_US
dc.degree.level	ปริญญาโท	en_US
dc.degree.discipline	สถิติ	en_US
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.email.advisor	nat.kulvanich@gmail.com
dc.identifier.DOI	10.14457/CU.the.2013.1859