คอลเล็กชัน (Collections)

ทั้งหมด 104 วารสารวิชาการ 74 รายงานวิจัย 4 บทความประชุม 25 หนังสือ/ตำรา 1
พบ 9 รายการ (ค้นหา: "โครงข่ายประสาทเทียม")
วารสารวิชาการ ระดับชาติ (TCI) TCI กลุ่ม 3
เครื่องต้นแบบพัฒนาภาษามือโดยใช้เทคโนโลยี IoT
IoT-Based Sign Language Recognition System
ผศ.สุรเทพ แป้นเกิด 2569 Engineering Transactions: A Researc 1,717 0 คณะบริหารธุรกิจ
Collection : วารสารวิชาการ  |  ปี : 2569  |  เจ้าของผลงาน : ผศ.สุรเทพ แป้นเกิด
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
แสดงรายละเอียด
บทความประชุมวิชาการ ระดับชาติ
การตรวจจับข่าวปลอมจากชุดข้อมูล Fake News ด้วยโครงข่ายประสาทเทียมแบบ LSTM
Fake News Detection on the Fake News Dataset Using LSTM
ผศ.ดร.นิกร กรรณิกากลาง 2569 758 0 คณะบริหารธุรกิจ
Collection : บทความประชุมวิชาการ  |  ปี : 2569  |  เจ้าของผลงาน : ผศ.ดร.นิกร กรรณิกากลาง
งานวิจัยนี้มีวัตถุประสงค์ดังนี้ (1) เพื่อศึกษาประสิทธิภาพของเทคนิคโครงข่ายประสาทเทียมแบบ ความจำระยะสั้น–ยาว (Long Short-Term Memory: LSTM) ในการตรวจจับข่าวปลอม และ (2) เพื่อ เปรียบเทียบประสิทธิภาพของโครงข่ายประสาทเทียมแบบความจำระยะสั้น–ยาวกับเทคนิคพื้นฐานในการ ตรวจจับข่าวปลอม การดำเนินการวิจัยใช้ข้อมูลข่าวจากสถานการณ์จริงทั่วโลก จำนวนทั้งสิ้น 20,800 ข่าว ประกอบด้วยข่าวปลอมจำนวน 10,413 ข่าว และข่าวจริงจำนวน 10,387 ข่าว แบ่งข้อมูลออกเป็นชุดข้อมูล ฝึกสอนร้อยละ 80 และชุดข้อมูลทดสอบร้อยละ 20 การวิเคราะห์ข้อมูลดำเนินการด้วยการจำแนกประเภท ข่าวโดยใช้โครงข่ายประสาทเทียมแบบความจำระยะสั้น–ยาว ผลการวิจัยพบว่า (1) โครงข่ายประสาทเทียม แบบความจำระยะสั้น–ยาว มีประสิทธิภาพในการตรวจจับข่าวปลอม โดยมีค่าความถูกต้อง (accuracy) เท่ากับร้อยละ 97.78 และ (2) เมื่อเปรียบเทียบประสิทธิภาพกับเทคนิคพื้นฐาน ได้แก่ เทคนิคต้นไม้ตัดสินใจ และเทคนิคป่าต้นไม้สุ่ม พบว่าโครงข่ายประสาทเทียมแบบความจำระยะสั้น–ยาว มีประสิทธิภาพสูงกว่า ทั้งนี้ เนื่องจากโครงข่ายประสาทเทียมแบบความจำระยะสั้น–ยาว มีความสามารถในการเรียนรู้เชิงลึกและการเรียนรู้ ลำดับข้อมูลเชิงเวลา ซึ่งเหมาะสมกับข้อมูลข้อความข่าว
แสดงรายละเอียด DOI
บทความประชุมวิชาการ ระดับชาติ
การตรวจจับข่าวปลอมจากชุดข้อมูล Fake News ด้วยโครงข่ายประสาทเทียมแบบ GRU
Fake News Detection on the Fake News Dataset Using GRU
ผศ.ดร.นิกร กรรณิกากลาง 2569 798 0 คณะบริหารธุรกิจ
Collection : บทความประชุมวิชาการ  |  ปี : 2569  |  เจ้าของผลงาน : ผศ.ดร.นิกร กรรณิกากลาง
งานวิจัยนี้มีวัตถุประสงค์เพื่อ (1) ศึกษาประสิทธิภาพของโครงข่ายประสาทเทียมแบบ Gated Recurrent Unit (GRU) ในการตรวจจับข่าวปลอม และ (2) เปรียบเทียบประสิทธิภาพของโมเดล GRU กับ เทคนิคพื้นฐานในการจำแนกข่าวจริงและข่าวปลอม โดยใช้ชุดข้อมูลข่าวจากแหล่งข้อมูลสาธารณะเป็น กรณีศึกษา คือ ชุดข้อมูลข่าวปลอม (Fake News Dataset) ประกอบด้วยข่าวจริงและข่าวปลอมอย่าง ละ 10,400 รายการ รวมทั้งหมด 20,800 รายการ กระบวนการวิจัยประกอบด้วยการเตรียมและทำความ สะอาดข้อมูลข้อความ ได้แก่ การตัดคำ การลบคำหยุด และการปรับรูปแบบข้อความ จากนั้นแปลงข้อมูล ข้อความให้อยู่ในรูปแบบเวกเตอร์ด้วยเทคนิค การฝังคำ เพื่อนำไปใช้ในการฝึกสอนและทดสอบโมเดล GRU และโมเดลพื้นฐาน โดยทำการแบ่งชุดข้อมูลออกเป็นชุดฝึกสอน (Training Set) ร้อยละ 80 และชุดทดสอบ (Testing Set) ร้อยละ 20 ของข้อมูลทั้งหมด โดยชุดฝึกสอนประกอบด้วยข้อมูลจำนวน 16,640 รายการ ใช้สำหรับการเรียนรู้และปรับค่าพารามิเตอร์ของแบบจำลอง ขณะที่ชุดทดสอบประกอบด้วยข้อมูลจำนวน 4,160 รายการ ใช้สำหรับประเมินประสิทธิภาพของแบบจำลองหลังจากกระบวนการฝึกสอนเสร็จสิ้น การประเมินประสิทธิภาพของโมเดลดำเนินการโดยใช้ตัวชี้วัด ได้แก่ ความแม่นยำ ความเที่ยงตรง ความ ครอบคลุม ค่าคะแนนเอฟหนึ่ง และ ตารางคอนฟิวชัน ผลการวิจัยพบว่า (1) โมเดล GRU สามารถจำแนกข่าว จริงและข่าวปลอมได้อย่างมีประสิทธิภาพในระดับสูง และ (2) โมเดล GRU มีค่าความแม่นยำเท่ากับร้อยละ 97.19 ซึ่งสูงกว่าเทคนิคพื้นฐานที่นำมาเปรียบเทียบ แสดงให้เห็นว่าโครงข่ายประสาทเทียมแบบ GRU มีศักยภาพในการคัดกรองข่าว เพื่อช่วยลดผลกระทบจากการเผยแพร่ข่าวปลอมในสังคมดิจิทัล
แสดงรายละเอียด DOI
บทความประชุมวิชาการ ระดับชาติ
การประมวลผลภาพชุดข้อมูลแฟชั่นด้วยโครงข่ายประสาทเทียมแบบคอนโวลูชัน (CNN)
Image Processing on Fashion-MNIST Dataset Using Convolutional Neural Networks (CNN)
ผศ.ดร.นิกร กรรณิกากลาง 2569 772 0 คณะบริหารธุรกิจ
Collection : บทความประชุมวิชาการ  |  ปี : 2569  |  เจ้าของผลงาน : ผศ.ดร.นิกร กรรณิกากลาง
งานวิจัยนี้มีวัตถุประสงค์ดังนี้ (1) เพื่อศึกษาประสิทธิภาพของเทคนิค CNN ในการจำแนกประเภท รูปภาพแฟชั่น จากชุดข้อมูล Fashion-MNIST และ (2) เพื่อเปรียบเทียบประสิทธิภาพของเทคนิค CNN กับ เทคนิคพื้นฐานทางการเรียนรู้ของเครื่อง ในการจำแนกประเภทรูปภาพแฟชั่น โดยใช้ชุดข้อมูลรูปภาพ แฟชั่น Fashion-MNIST ซึ่งประกอบด้วยภาพเสื้อผ้าแบบขาวดำ จำนวนทั้งหมด 70,000 ภาพ แบ่งเป็น 10 หมวดหมู่ โดยแบ่งชุดข้อมูลสำหรับการฝึกสอนแบบจำลองจำนวน 60,000 ภาพ และชุดข้อมูลสำหรับการ ทดสอบแบบจำลองจำนวน 10,000 ภาพ การวิเคราะห์ข้อมูลดำเนินการด้วยการจำแนกประเภทรูปภาพโดยใช้ โครงข่ายประสาทเทียมแบบคอนโวลูชัน และประเมินประสิทธิภาพของแบบจำลองด้วยค่าความถูกต้อง (Accuracy) และค่าความสูญเสีย (Loss) ผลการวิจัยพบว่า (1) โครงข่ายประสาทเทียมแบบคอนโวลูชันมี ความสามารถในการจำแนกประเภทรูปภาพแฟชั่นได้อย่างมีประสิทธิภาพ โดยมีค่าความถูกต้องเท่ากับร้อยละ 88.84 และ (2) เมื่อเปรียบเทียบกับเทคนิคพื้นฐาน ได้แก่ เทคนิคซัพพอร์ตเวกเตอร์แมชชีน (SVM) และเทคนิค เค-เนียร์เรสต์เนเบอร์ (k-NN) พบว่าโครงข่ายประสาทเทียมแบบคอนโวลูชันมีประสิทธิภาพสูงกว่า ทั้งนี้ เนื่องจากโครงข่ายประสาทเทียมแบบคอนโวลูชันสามารถเรียนรู้คุณลักษณะเชิงพื้นที่และลำดับชั้นของภาพได้ โดยอัตโนมัติ ซึ่งเหมาะสมกับงานประมวลผลและวิเคราะห์ภาพแฟชั่น
แสดงรายละเอียด DOI
บทความประชุมวิชาการ ระดับชาติ
การประมวลผลภาพชุดข้อมูล CIFAR-10 ด้วยโครงข่ายประสาทเทียมแบบคอนโวลูชัน (CNN)
Image Processing on the CIFAR-10 Dataset Using Convolutional Neural Networks (CNN)
ผศ.ดร.นิกร กรรณิกากลาง 2569 784 0 คณะบริหารธุรกิจ
Collection : บทความประชุมวิชาการ  |  ปี : 2569  |  เจ้าของผลงาน : ผศ.ดร.นิกร กรรณิกากลาง
งานวิจัยนี้มีวัตถุประสงค์ดังนี้(1) เพื่อศึกษาประสิทธิภาพของโครงข่ายประสาทเทียมแบบคอนโวลูชัน (Convolutional Neural Network: CNN) สำหรับการจำแนกภาพจากชุดข้อมูล CIFAR-10 และ (2) เพื่อ เปรียบเทียบประสิทธิภาพของโมเดลโครงข่ายประสาทเทียมแบบคอนโวลูชัน (CNN) กับเทคนิคพื้นฐาน สำหรับการ จำแนกภาพจากชุดข้อมูล CIFAR-10 โดยวิธีการเรียนรู้เชิงลึก (Deep Learning) ผ่านการออกแบบสถาปัตยกรรม โครงข่ายประสาทเทียมแบบคอนโวลูชัน ประกอบด้วย ชั้นคอนโวลูชัน ชั้นพูลลิง และชั้นเชื่อมต่อเต็มรูปแบบ พร้อม ทั้งใช้เทคนิคการปรับปรุงประสิทธิภาพของโมเดล เช่น การใช้ฟังก์ชันกระตุ้น การลดปัญหา overfitting และการ ปรับพารามิเตอร์ของโมเดล วิเคราะห์ข้อมูลด้วยการวัดค่าความแม่นยำ (Accuracy) และค่าความสูญเสีย (Loss) ผลการวิจัย พบว่า (1) โครงข่ายประสาทเทียมแบบคอนโวลูชัน สามารถเรียนรู้คุณลักษณะของภาพจากชุด ข้อมูล CIFAR-10 ได้อย่างมีประสิทธิภาพ และ (2) ผลการเปรียบเทียบประสิทธิภาพ พบว่าโครงข่ายประสาทเทียม แบบคอนโวลูชัน มีประสิทธิภาพสูงสุด ด้วยค่าความถูกต้องแม่นยำ เท่ากับ 0.7015 รองลงมา คือ HOG + SVM (Accuracy = 0.6208) และ LBP + k-NN (Accuracy = 0.1012) ตามลำดับ ผลการศึกษาแสดงให้เห็นว่าโครงข่าย ประสาทเทียมแบบคอนโวลูชัน มีศักยภาพในการนำไปประยุกต์ใช้กับงานด้านการประมวลผลภาพจริง
แสดงรายละเอียด DOI
บทความประชุมวิชาการ ระดับชาติ
การวิเคราะห์ความรู้สึกจากชุดข้อมูล IMDB ด้วยโครงข่ายประสาทเทียมแบบ LSTM
Sentiment Analysis on the IMDB Dataset Using LSTM
ผศ.ดร.นิกร กรรณิกากลาง 2569 737 0 คณะบริหารธุรกิจ
Collection : บทความประชุมวิชาการ  |  ปี : 2569  |  เจ้าของผลงาน : ผศ.ดร.นิกร กรรณิกากลาง
งานวิจัยนี้มีวัตถุประสงค์หลักเพื่อ (1) วิเคราะห์ความรู้สึกจากชุดข้อมูล IMDB Large Movie Review Dataset ด้วยโครงข่ายประสาทเทียมแบบ Long Short-Term Memory (LSTM) และ (2) เปรียบเทียบ ประสิทธิภาพการวิเคราะห์ความรู้สึกระหว่างโมเดล LSTM กับเทคนิคพื้นฐาน ได้แก่ Decision Tree และ Random Forest โดยดำเนินการเก็บข้อมูลจาก IMDB Large Movie Review Dataset ซึ่งเป็นชุดข้อมูลรีวิว ภาพยนตร์ภาษาอังกฤษ และประยุกต์ใช้เทคนิคการประมวลผลภาษาธรรมชาติ (Natural Language Processing) ผลการวิจัยพบว่า (1) โครงข่ายประสาทเทียมแบบ LSTM สามารถจำแนกความรู้สึกจากรีวิวภาพยนตร์ที่มีความ ซับซ้อนเชิงบริบทได้อย่างมีประสิทธิภาพ โดยสามารถจัดกลุ่มความคิดเห็นเชิงบวกและเชิงลบได้อย่างเป็นระบบ และ (2) จากการเปรียบเทียบประสิทธิภาพพบว่า โมเดล LSTM ให้ประสิทธิภาพสูงสุด โดยมีค่าความถูกต้อง แม่นยำ (Accuracy) เท่ากับ 0.8945 รองลงมา คือ Random Forest (Accuracy = 0.8519) และ Decision Tree (Accuracy = 0.7226) ตามลำดับ ผลการศึกษาแสดงให้เห็นว่าโครงข่ายประสาทเทียมที่สามารถเรียนรู้ ความสัมพันธ์เชิงลำดับ (Sequential Data) เช่น LSTM มีความเหมาะสมในการวิเคราะห์ข้อมูลข้อความที่มีความ ยาวและบริบทต่อเนื่องมากกว่าเทคนิคพื้นฐาน ซึ่งสามารถนำไปต่อยอดในการพัฒนาระบบแนะนำภาพยนตร์และ เครื่องมือวิเคราะห์ทัศนคติผู้บริโภคในอุตสาหกรรมสื่อดิจิทัลต่อไป
แสดงรายละเอียด DOI
บทความประชุมวิชาการ ระดับชาติ
การวิเคราะห์ความรู้สึกจากชุดข้อมูล IMDB ด้วยโครงข่ายประสาทเทียมแบบ GRU
Sentiment Analysis on the IMDB Dataset Using GRU
ผศ.ดร.นิกร กรรณิกากลาง 2569 765 0 คณะบริหารธุรกิจ
Collection : บทความประชุมวิชาการ  |  ปี : 2569  |  เจ้าของผลงาน : ผศ.ดร.นิกร กรรณิกากลาง
งานวิจัยนี้มีวัตถุประสงค์ดังนี้ (1) เพื่อวิเคราะห์ความรู้สึกจากชุดข้อมูล IMDB ด้วยโครงข่ายประสาท เทียมแบบ GRU และ (2) เพื่อเปรียบเทียบประสิทธิภาพจากชุดข้อมูล IMDB ด้วยโครงโครงข่ายประสาทเทียม ด้วย GRU กับเทคนิคพื้นฐาน โดยใช้ข้อมูลรีวิวภาพยนตร์ภาษาอังกฤษจำนวนทั้งสิ้น 50,000 รีวิว ประกอบด้วย รีวิวเชิงบวก (Positive) จำนวน 25,000 รีวิว และรีวิวเชิงลบ (Negative) จำนวน 25,000 รีวิว แบ่งข้อมูล ออกเป็นชุดฝึกสอนร้อยละ 80 (40,000 รีวิว) และชุดทดสอบร้อยละ 20 (10,000 รีวิว) ผลการวิจัยพบว่า (1) แบบจำลองโครงข่ายประสาทเทียมแบบ GRU ให้ประสิทธิภาพสูงที่สุด โดยมีค่าความถูกต้อง (Accuracy) เท่ากับ 0.8705 ค่า Precision เท่ากับ 0.8653 ค่า Recall เท่ากับ 0.8762 และค่า F1-Score เท่ากับ 0.8707 ตามลำดับ และ (2) ผลการเปรียบเทียบแบบจำลองโครงข่ายประสาทเทียมแบบ GRU มีประสิทธิภาพดีที่สุด เมื่อเทียบกับ Random Forest (Accuracy = 0.8525) และ Decision Tree (Accuracy = 0.7266) ตามลำดับ ผลการวิจัยดังกล่าวแสดงให้เห็นถึงประสิทธิภาพของแบบจำลอง GRU ในการวิเคราะห์ความรู้สึก จากชุดข้อมูลข้อความขนาดใหญ่
แสดงรายละเอียด DOI
บทความประชุมวิชาการ ระดับชาติ
การประมวลผลภาพชุดข้อมูลตัวเลขด้วยโครงข่ายประสาทเทียมแบบคอนโวลูชัน (CNN)
Image Processing on MNIST Digit Dataset Using Convolutional Neural Networks (CNN)
ผศ.ดร.นิกร กรรณิกากลาง 2569 734 0 คณะบริหารธุรกิจ
Collection : บทความประชุมวิชาการ  |  ปี : 2569  |  เจ้าของผลงาน : ผศ.ดร.นิกร กรรณิกากลาง
งานวิจัยนี้มีวัตถุประสงค์ (1) เพื่อศึกษาประสิทธิภาพของเทคนิคโครงข่ายประสาทเทียมแบบคอนโวลู ชัน (Convolutional Neural Network: CNN) ในการวิเคราะห์และจำแนกรูปภาพตัวเลขลายมือเขียน และ (2) เพื่อเปรียบเทียบประสิทธิภาพของเทคนิค CNN กับเทคนิคพื้นฐาน ในการวิเคราะห์รูปภาพตัวเลข โดยใช้ ชุดข้อมูล Digit-MNIST ซึ่งเป็นชุดข้อมูลมาตรฐานที่ประกอบด้วยภาพตัวเลขลายมือเขียนตั้งแต่เลข 0 ถึง 9 เป็นข้อมูลในการทดลอง การสร้างโมเดลสำหรับการจำแนกรูปภาพด้วยเทคนิค CNN และเทคนิคพื้นฐาน ผล การศึกษาพบว่า (1) เทคนิค CNN ให้ประสิทธิภาพในการจำแนกรูปภาพตัวเลข คิดเป็น 98.64% และ (2) เทคนิค CNN มีประสิทธิภาพสูงกว่าเทคนิคพื้นฐาน คือ HOG + SVM มีประสิทธิภาพ 95.75% และ LBP + kNN มีประสิทธิภาพ 35.32% ตามลำดับ แสดงให้เห็นว่าเทคนิค CNN มีความเหมาะสมและมีประสิทธิภาพสูง สำหรับการประมวลผลและวิเคราะห์รูปภาพตัวเลข และสามารถนำไปประยุกต์ใช้กับงานด้านการรู้จำรูปภาพ ในด้านอื่น ๆ ได้อย่างมีประสิทธิภาพ
แสดงรายละเอียด DOI
วารสารวิชาการ ระดับชาติ (TCI) TCI กลุ่ม 2
การทำนายพฤติกรรมการอบแห้งกระชายขาวภายใต้สุญญากาศด้วยแบบจำลองโครงข่าย ประสาทเทียม
PREDICTION OF VACUUM DRYING KINETICS OF FINGERROOT USING ARTIFICIAL NEURAL NETWORK MODELS
ดร.อำพล พิชัยเชิด 2569 Journal of Science and Technology T 13 0 คณะครุศาสตร์อุตสาหกร
Collection : วารสารวิชาการ  |  ปี : 2569  |  เจ้าของผลงาน : ดร.อำพล พิชัยเชิด
การอบแห้งเป็นกระบวนการหลังการเก็บเกี่ยวที่มีความสำคัญต่อคุณภาพ ความปลอดภัย และอายุการเก็บรักษาของ สมุนไพรและพืชสมุนไพร งานวิจัยนี้มุ่งเน้นการพัฒนาแบบจำลองโครงข่ายประสาทเทียม (Artificial Neural Network: ANN) เพื่อทำนายพฤติกรรมการอบแห้งของกระชายขาว (Boesenbergia rotunda) ภายใต้สภาวะสุญญากาศ โดยได้ทำการทดลอง อบแห้งที่ความดันสัมบูรณ์ 3 ระดับ (5, 10 และ 15 kPa) และความหนาตัวอย่าง 3 ระดับ (3, 5 และ 7 mm) โดยพิจารณาตัว แปรสำคัญ ได้แก่ ความชื้น (Moisture Content; MC) อัตราส่วนความชื้น (Moisture Ratio; MR) และอัตราการแห้ง (Drying Rate; DR) ผลการทดลองชี้ให้เห็นว่า การอบแห้งที่ความดันต่ำ 5 kPa ช่วยเพิ่มประสิทธิภาพในการคายน้ำ ทำให้ ระยะเวลาอบแห้งสั้นที่สุด ในขณะที่ความดันที่สูงขึ้นส่งผลให้การคายน้ำช้าลง แบบจำลอง ANN ที่พัฒนาขึ้นมีโครงสร้าง ประกอบด้วย 2 ชั้นซ่อน (Hidden Layers) พร้อมกลไกการหยุดก่อนเวลา (Early Stopping) และการปรับอัตราการเรียนรู้ (Learning Rate Reduction) เพื่อเพิ่มประสิทธิภาพการเรียนรู้ ผลการประเมินพบว่าแบบจำลองมีความสอดคล้องกับข้อมูล การทดลองอย่างดีเยี่ยม โดยได้ค่า R2 มากกว่า 0.98, ค่า RMSE ต่ำกว่า 0.03 และค่า MAPE อยู่ระหว่าง 3.8–10.9% แสดงให้ เห็นถึงความน่าเชื่อถือและความสามารถของ ANN ในการทำนายพฤติกรรมการอบแห้งภายใต้สภาวะสุญญากาศได้อย่าง Received: Aug 28, 2025 Revised: Jun 16, 2026 Accepted: แม่นยำ ดังนั้น การวิจัยครั้งนี้แสดงให้เห็นถึงศักยภาพของ ANN ในการประยุกต์ใช้เพื่อเพิ่มประสิทธิภาพและควบคุม กระบวนการอบแห้งสุญญากาศของสมุนไพร ซึ่งมีประโยชน์ต่อการออกแบบระบบการอบในระดับอุตสาหกรรม การประหยัด พลังงาน และการคงคุณภาพของสมุนไพรที่มีคุณค่าทางยา คำสำคัญ : กระชายขาว, การอบแห้งสุญญากาศ, โครงข่ายประสาทเทียม, อัตราการแห้ง
แสดงรายละเอียด