การพัฒนาอัลกอริทึมการเรียนรู้ของเครื่องจักรสำหรับหาสมการเชิงอนุพันธ์จากข้อมูลเชิงตำแหน่งและอนุกรมเวลา

The development of machine learning algorithm for finding differential equations from spatial and time series data

Name: ภูมิภัทร ทองอุดม

ThaSH: มหาวิทยาลัยเกษตรศาสตร์ -- วิทยานิพนธ์. วท.ม. (คณิตศาสตร์) 2562

Classification :.LCCS: QA76.9.A43

ThaSH: มหาวิทยาลัยเกษตรศาสตร์. สาขาคณิตศาสตร์ -- วิทยานิพนธ์

ThaSH: คอมพิวเตอร์อัลกอริทึม

ThaSH: การเรียนรู้ของเครื่อง

ThaSH: สมการเชิงอนุพันธ์

Abstract: ในงานวิจัยนี้ เราศึกษาการใช้ข้อมูลในการสร้างแบบจำลองเพื่อหารูปแบบของสมการเชิงอนุพันธุ์จากข้อมูลเชิงตำแหน่งและเวลา ซึ่งสามารถใช้เทคนิคถดถอยเชิงเส้นแบบสปาร์ส (Sparse linear regression) ที่เป็นหนึ่งในเทคนิคทางการเรียนรู้ด้วยเครื่องจักร เราได้นำเสนออัลกอริทึม FISTA (Fast Iterative Shrinkage Thresholding Algorithm) ในการแสดงให้เห็นถึงประสิทธิภาพของวิธีการเรียนรู้ของสมการเชิงอนุพันธุ์ เราได้พิจารณาปัญหาการนำพาปัญหาการแพร่ และปัญหา ค่าบีโอดีและดีโอ เราได้ศึกษาปัญหาจริงของมลภาวะในแม่น้ำเจ้าพระยาในเดือนมีนาคม ปี 2550 เราสามารถหาค่าพารามิเตอร์ทุกตัวของการไหลที่ได้โดยง่าย และทำให้ได้สมการเชิงอนุพันธุ์ย่อย สำหรับจำลองเหตุการณ์นี้ In this research, we study about data-driven modeling for finding a differential equation from spatial and time-series data. This problem can be reduced andsolvedby usingthe sparse linear regression technique that can be referred to as one of the powerful techniques in machine learning. We propose to apply theFast IterativeShrinkage-Threshold Algorithm (FISTA) and then study the capability of its predictions. To demonstrate the efficiency of the proposed differential equation learning method, we consider the advection-diffusion problem and BOD-DO problems. The real pollution problem in the Chao Phraya River in March 2011 is studied. All flow parameters can be founded easily and hence the partial differential equation is obtained for modeling this situation.

มหาวิทยาลัยเกษตรศาสตร์. สำนักหอสมุด

Address: กรุงเทพมหานคร

Email: tdckulib@ku.ac.th

Name: มนตรี มาลีวงศ์

Role: อาจารย์ที่ปรึกษาวิทยานิพนธ์หลัก

Created: 2562

Modified: 2567-06-14

Issued: 2567-06-14

วิทยานิพนธ์/Thesis

application/pdf

URL: https://kasetsart.idm.oclc.org/login?url=https://www.lib.ku.ac.th/KUthesis/2562/pumipat-ton-all.pdf

CallNumber: QA76.9.A43.ภ416

tha

DegreeName: วิทยาศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: คณิตศาสตร์

Grantor: มหาวิทยาลัยเกษตรศาสตร์

©copyrights มหาวิทยาลัยเกษตรศาสตร์

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	pumipat-ton-all.pdf	3.31 MB	9	2025-07-03 22:33:47

ใช้เวลา

0.028003 วินาที