แบบจำลองระบบแนะนำไทยอาหารโดยใช้ Deep Learning และ Recurrent Neural Network

สมเกียรติ เลี้ยงหิรัญ; ชนิดาภา ธรรมธัชวงศ์

dc.contributor.author	สมเกียรติ เลี้ยงหิรัญ
dc.contributor.author	ชนิดาภา ธรรมธัชวงศ์
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิทยาศาสตร์
dc.date.accessioned	2022-05-02T03:26:23Z
dc.date.available	2022-05-02T03:26:23Z
dc.date.issued	2562
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/78500
dc.description	โครงงานเป็นส่วนหนึ่งของการศึกษาตามหลักสูตรปริญญาวิทยาศาสตรบัณฑิต สาขาเทคโนโลยีทางภาพและการพิมพ์ คณะวิทยาศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย ปีการศึกษา 2562	en_US
dc.description.abstract	การทดลองนี้เป็นการศึกษาและทดลองการสร้างระบบการแนะนำอาหารไทยโดยใช้โครงข่ายประสาทเทียมแบบ Deep Learning และ Recurrent Neural Network ระบบดังกล่าวแบ่งเป็น 2 ส่วนปฏิบัติการ ได้แก่ 1) ระบบเรียนรู้จดจำภาพอาหารไทย และ 2) ระบบแนะนำอาหารไทย โดยทำการคัดเลือกอาหารไทย และเครื่องดื่มที่มีความเป็นสามัญและได้รับความนิยม จำนวนรวมทั้งสิ้น 25 ชนิด นำเข้าเป็นฐานข้อมูลรูปภาพของระบบ เพื่อให้ระบบโครงข่ายประสาทเทียมเชิงลึกทำการเรียนรู้และจดจำภาพอาหาร สร้างความสามารถ ในการระบุชนิดของอาหารนั้น ๆ ให้แก่โครงข่ายประสาทเทียมเชิงลึก โดยนำโครงข่ายประสาทเทียมเชิงลึกที่ เกิดการเรียนรู้ไปใช้ร่วมกับ Recurrent Neural Network ทำการสร้างระบบจำลองการจับคู่แนะนำอาหาร จากชนิดอาหารที่มีอยู่ในฐานข้อมูล ผลการทดลองที่ได้ทำให้ทราบถึงค่าร้อยละความแม่นยำในการระบุและ แนะนำอาหารไทยของโครงข่ายประสาทเทียมที่เกิดการเรียนรู้ และทราบถึงแนวทางในการลดค่าความผิดพลาดที่เกิดขึ้น	en_US
dc.description.abstractalternative	The idea of this study is to research and to creates Thai food recommendation model using Deep Learning and Recurrent Neural Network. The model is consisted of two operational systems which are 1) Thai food Images recognition system and 2) Thai food recommendation system. Model’s image database is inputted with 25 types of commonly known and popular Thai foods and drinks. Deep learning model generated by MatLab coding program is trained using the model’s image database in order to be learns each image’ s attributes and able to identify each specific food item. The trained recognition model is used in collaborate with Recurrent Neural Network to creates Thai food recommendation model. Due to model’s image database, the recommendation model is capable of selecting food item compatible the one inputted into the system. The results of model’s testing show accuracy percentages of food item identification and food item recommendation which suggest the way for developing the model for practical use by reducing founded errors.	en_US
dc.language.iso	th	en_US
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.subject	อาหารไทย	en_US
dc.subject	ระบบแนะนำข้อมูล (การกรองสารสนเทศ)	en_US
dc.subject	นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)	en_US
dc.subject	การรู้จำภาพ	en_US
dc.subject	Thai food	en_US
dc.subject	Recommender systems (Information filtering)	en_US
dc.subject	Neural networks (Computer science)	en_US
dc.subject	Optical pattern recognition	en_US
dc.title	แบบจำลองระบบแนะนำไทยอาหารโดยใช้ Deep Learning และ Recurrent Neural Network	en_US
dc.title.alternative	Thai food recommendation model using Deep Learning and Recurrent Neural Network	en_US
dc.type	Senior Project	en_US
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย	en_US