งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาระบบแปลภาษามือตัวอักษรภาษาอังกฤษแบบเรียลไทม์โดยใช้แนวคิดการประมวลผลแบบไฮบริดระหว่างเว็บไคลเอนต์และอุปกรณ์ IoT ระบบใช้ MediaPipe ส าหรับสกัดพิกัดจุดข้อต่อของมือจ านวน 42 ค่าแทนการใช้ภาพถ่ายดิบ เพื่อลดความซับซ้อนของข้อมูลและเพิ่มประสิทธิภาพในการประมวลผล จากนั้นน าข้อมูลพิกัดไปจ าแนกด้วยโมเดลโครงข่ายประสาทเทียมแบบหลายชั้น (MLP) บนไมโครคอนโทรลเลอร์ ESP32 โดยประยุกต์ใช้แนวคิดรูปแบบมาตรฐาน (Canonical Form) เพื่อแก้ปัญหาความแตกต่างระหว่างมือซ้ายและขวา ผลการทดลองพบว่าระบบสามารถแปลภาษามือตัวอักษรภาษาอังกฤษ A–Z (ยกเว้น J และ Z) ได้อย่างมีประสิทธิภาพ โดยมีค่าความถูกต้องเฉลี่ยเท่ากับ 91.67% และสามารถท างานได้อย่างเสถียรในสภาพแวดล้อมที่แตกต่างกัน งานวิจัยนี้แสดงให้เห็นว่าการใช้ข้อมูลเชิงโครงสร้างร่วมกับสถาปัตยกรรมแบบไฮบริดช่วยให้ระบบแปลภาษามือมีความแม่นย าสูง เหมาะสมกับการประยุกต์ใช้บนอุปกรณ์ IoT ที่มีข้อจ ากัดด้านทรัพยากร

The objective of this research is to comparatively study the analysis of depression potentiality from videos recorded during PHQ-9 assessment and clinical psychologists’ expertise (psychometric) in major depression disorder diagnosis by implementing experimental research from three subject groups. The subjects were selected by using the purposive sampling method, and they consented according to the Human Research Ethics Committee. In addition, the data were collected via experimentation at the Psychiatry and Drug Addiction Subdivision of the hospital by using a research tool created from the application of facial expression recognition pre-training model, user behavior tracking, and PHQ-9 questionnaire in accordance with clinical manifestations. The relationship between PHQ-9 questions and the subjects’ emotions, which occurred while they are taking the questionnaires, are analyzed by using correlation statistics. After that, the results are compared by three clinical psychologists who have been specializing in depression diagnosis for more than seven years. The relationship exhibits the following interesting outcomes: 1) The correlation result showed a significant relationship between PHQ-9, emotion, behavior tracking, and reaction time with real subjects (Experimental group) but not significant with fake subjects (Experimental excluded group); and 2) Most of the emotions derived from the experiment have similar trends. To elaborate, the untreated subjects and the subjects who are undergoing treatment are prone to sadness, whereas the normal subjects tend to be happy, and the result barely has a relationship with PHQ-9

Sequential behaviors and social ties jointly shape user preferences; however, most prior work models them in isolation and relies on shallow fusion in Euclidean space, which struggles to capture temporal drift and hierarchical social structure. We propose a novel framework; HGT4Rec, a Hyperbolic Graph Transformer for Sequential and Social Recommendation. A graph transformer encodes item-transition dependencies to track evolving preferences along the sequence, while a hyperbolic transformer operates on the social graph to represent long-range and hierarchical influence. We further introduce FusionGRU, an adaptive gating module that integrates the two representations into a unified preference state for Top-K prediction. Experiments on Yelp, iFashion, LastFM show that HGT4Rec delivers substantial improvements over the strongest baseline, achieving +348.22% / +314.86%, +383.21% / +210.19%, and +90.85% / +9.83% in Recall@10 and NDCG@10, respectively. Our results demonstrate the value of combining graph transformers with hyperbolic space modeling and the gated fusion for next-item recommendation in sequential and social settings (our code).

การวิจัยนี้มีวัตถุประสงค์เพื่อประเมินปัจจัยทางการเงินในภาพรวม ศึกษามูลค่ากิจการ เปรียบเทียบกลุ่มปัจจัยด้านกําไรกับประเมินมูลค่า ที่มีความสัมพันธ์ต่อราคาหลักทรัพย์ของบริษัทยั่งยืน กลุ่มตัวอย่าง ได้แก่ บมจ.ธนาคารกรุงเทพ (BBL) บมจ.ธนาคารกสิกรไทย (KBANK) บมจ.ธนาคารกรุงไทย (KTB) บมจ.ปตท. (PTT) และ บมจ.ปตท.สผ. (PTTEP) ดําเนินการเก็บข้อมูลรายไตรมาส พ.ศ. 2558-2567 วิเคราะห์แบบจําลอง Panel Econometricsพบว่า อัตรากําไรต่อหุ้น (EPS) และอัตราส่วนกําไรสุทธิ (NPM) มีความสัมพันธ์เชิงบวกต่อราคาหลักทรัพย์ ความเชื่อมั่น 99% ส่วนกําไรก่อนดอกเบี้ยและภาษี (EBIT) อัตราผลตอบแทนจากสินทรัพย์ (ROA) มีความสัมพันธ์เชิงลบต่อราคาหลักทรัพย์ ความเชื่อมั่น 99% แบบจําลอง Fixed Effects จึงเหมาะสมมากกว่า Pooled OLS และประเมินปัจจัยทางการเงินได้ 79% ความสัมพันธ์ระหว่างTOBINS’Q กับราคาหลักทรัพย์ BBL พบว่า EPS และอัตราส่วนราคาต่อกําไร (P/E ratio) มีความสัมพันธ์เชิงบวกต่อราคาหลักทรัพย์ ส่วน EBIT มีความสัมพันธ์เชิงลบต่อราคาหลักทรัพย์ ความเชื่อมั่น 99% KBANK พบว่า P/E ratio มีความสัมพันธ์เชิงบวกต่อราคาหลักทรัพย์ NPM และ ROA มีความสัมพันธ์เชิงลบต่อราคาหลักทรัพย์ ความเชื่อมั่น 99% และ 90% ตามลําดับ KTBพบว่า EPS และ P/E ratio มีความสัมพันธ์เชิงบวกต่อราคาหลักทรัพย์ ความเชื่อมั่น 99% PTT พบว่า EBIT, P/E ratio และอัตราการจ่ายเงินปันผล (DPR) มีความสัมพันธ์เชิงบวกต่อราคาหลักทรัพย์ ความเชื่อมั่น 99% PTTEP พบว่า EPS มีความสัมพันธ์เชิงบวกต่อราคาหลักทรัพย์ P/E ratio และ NPM มีความสัมพันธ์เชิงลบต่อราคาหลักทรัพย์ ความเชื่อมั่น 99% 95% และ 99% ตามลําดับ การเปรียบเทียบพบว่า กลุ่มปัจจัยด้านกําไร ได้แก่ EBIT มีความสัมพันธ์เชิงบวกต่อราคาหลักทรัพย์ ความเชื่อมั่น 99% และ EPS มีความสัมพันธ์เชิงบวกต่อราคาหลักทรัพย์ ความเชื่อมั่น 95% กลุ่มประเมินมูลค่า DPR มีความสัมพันธ์เชิงบวกต่อราคาหลักทรัพย์ ความเชื่อมั่น 99%

บทความนี้มีวัตถุประสงค์เพื่อศึกษาอิทธิพลของอัตราส่วนทางการเงินต่อราคาหลักทรัพย์ของบริษัทพัฒนาอสังหาริมทรัพย์ในตลาดหลักทรัพย์แห่งประเทศไทย เป็นการวิจัยเชิงปริมาณใช้ข้อมูลจากงบการเงินและอัตราส่วนทางการเงินตั้งแต่ไตรมาสที่ 1-4 พ.ศ. 2558-2567 จํานวน200 ตัวอย่าง ผู้วิจัยใช้ข้อมูลประเภททุติยภูมิโดยนําข้อมูลกลุ่มตัวอย่างที่เลือกมาจัดรูปแบบและเรียงลําดับระยะเวลา แหล่งข้อมูลมาจากดัชนีราคาหลักทรัพย์ของกลุ่มธุรกิจพัฒนาอสังหาริมทรัพย์ที่จดทะเบียนในตลาดหลักทรัพย์แห่งประเทศไทย สถิติที่ใช้ในการวิเคราะห์ข้อมูลได้แก่แบบจําลองการวิเคราะห์การถดถอยแบบพหุคูณและวิธีสมการถดถอย ในการวิเคราะห์ข้อมูลผลการวิจัยพบว่าความสัมพันธ์ระหว่างอัตราส่วนทางการเงินทั้ง 5 ประเภทกับราคาหลักทรัพย์ได้แก่ 1) อัตราส่วนทุนหมุนเวียนสามารถอธิบายถึงการเปลี่ยนแปลงของราคาหลักทรัพย์บริษัทเซ็นทรัลพัฒนาจํากัด(มหาชน) ร้อยละ 69 ที่ระดับความเชื่อมั่นร้อยละ 99 2) อัตราการหมุนเวียนของสินทรัพย์รวมสามารถอธิบายถึงการเปลี่ยนแปลงของราคาหลักทรัพย์บริษัทแลนด์แอนด์เฮ้าส์จํากัด(มหาชน) ร้อยละ 66 ที่ระดับความเชื่อมั่นร้อยละ 99 3) อัตราการหมุนเวียนของสินทรัพย์รวมสามารถอธิบายถึงการเปลี่ยนแปลงของราคาหลักทรัพย์บริษัทเฟรเซอร์สพร็อพเพอร์ตี้(ประเทศไทย) จํากัด(มหาชน) ร้อยละ 15 ที่ระดับความเชื่อมั่นร้อยละ 95 4) อัตราส่วนทุนหมุนเวียนและอัตราการหมุนเวียนของสินทรัพย์รวมสามารถอธิบายถึงการเปลี่ยนแปลงของราคาหลักทรัพย์บริษัทศุภาลัยจํากัด(มหาชน) ได้ร้อยละ 64 ที่ระดับความเชื่อมั่นร้อยละ 99 และ5) อัตราส่วนทุนหมุนเวียนสามารถอธิบายถึงการเปลี่ยนแปลงของราคาหลักทรัพย์บริษัทเอพี(ไทยแลนด์) จํากัด(มหาชน) ได้ร้อยละ 90 ที่ระดับความเชื่อมั่นร้อยละ 95

การวิจัยนี้มีวัตถุประสงค์ เพื่อศึกษาปัจจัยที่ส่งผลต่อโครงสร้างเงินทุนและมูลค่ากิจการของบริษัทจดทะเบียนในตลาดหลักทรัพย์แห่งประเทศไทย กลุ่ม SET100ตั้งแต่ปี 2563-2567ของบริษัทจดทะเบียนในตลาดหลักทรัพย์แห่งประเทศไทย กลุ่ม SET100เป็นบริษัทที่มีดัชนีราคาหุ้นที่มีมูลค่าราคาตามตลาดสูงสุด 100 อันดับแรกและการซื้อขายที่มีสภาพคล่องอย่างสม่ำเสมอ ทั้งนี้จะมีการพิจารณาเลือกทุก ๆ 6เดือน รวมทั้งสิ้น 445 รายปีรายบริษัท (Firm-year) การวิเคราะห์ข้อมูลโดยใช้แบบจำลองสมการโครงสร้าง (SEM) ด้วยการวิเคราะห์เส้นทาง (Path analysis) ซึ่งใช้หลักการประมาณค่าด้วยความเป็นไปได้สูงสุด (Maximum Likelihood: ML) ผลการศึกษาพบว่าผลการดำเนินงานมีอิทธิต่อโครงสร้างเงินทุน ผลการดำเนินงานมีอิทธิพลต่อมูลค่าของกิจการผ่านโครงสร้างเงินทุน สินทรัพย์ที่มีตัวตนมีอิทธิพลต่อโครงสร้างเงินทุน และสินทรัพย์ที่มีตัวตนมีอิทธิพลต่อมูลค่าของกิจการผ่านโครงสร้างเงินทุน และโครงสร้างเงินทุนที่มีอิทธิพลต่อมูลค่าของกิจการ ผลการวิจัยชี้ให้เห็นว่า การก่อหนี้จากแหล่งภายนอกที่เพิ่มขึ้นมีแนวโน้มเพิ่มต้นทุนเงินทุนและส่งผลต่อมูลค่ากิจการ ขณะที่โครงสร้างเงินทุนซึ่งวัดจากอัตราส่วนความสามารถในการจ่ายดอกเบี้ยมีอิทธิพลต่อมูลค่ากิจการอย่างมีนัยสำคัญ

Social recommendation utilizes social relationships to alleviate data sparsity and improve recommendation quality. Nevertheless, existing approaches still encounter several limitations. First, user preference structures in social networks are often hierarchical and non-Euclidean, whereas most existing models rely on Euclidean embeddings that are insufficient for capturing such complex geometries. Second, noisy social connections may propagate unreliable information and degrade representation quality. Third, commonly used multi-view fusion strategies based on multilayer perceptrons (MLPs) often lack the expressive capability required to effectively integrate heterogeneous user signals. To address these challenges, this paper proposes HGKAN (Hyperbolic Graph-Based Kolmogorov–Arnold Network), a unified framework that combines hyperbolic representation learning, graph neural networks, and KAN-based nonlinear fusion for social recommendation. Specifically, a Hyperbolic Intent Attention module is introduced to learn fine-grained and hierarchical user intent representations in hyperbolic space. In addition, a Hyperbolic Attention GCN is designed to denoise and aggregate social information while preserving complex relational structures. Furthermore, a KAN-based Multi-View Fusion Layer is developed to replace conventional MLP-based fusion, enabling more expressive and interpretable integration of preference, social, and intent representations. Extensive experiments conducted on three public benchmark datasets, including Yelp, Ciao, and Douban, demonstrate that HGKAN consistently outperforms several state-of-the-art recommendation methods. Experimental results show that the proposed framework achieves substantial improvements in both Recall@5 and NDCG@5, with all performance gains being statistically significant (p < 0.05). These findings verify the effectiveness of integrating hyperbolic geometric learning with KAN-based multi-view fusion for robust and accurate social recommendation.