การจำลองข้อมูลเพื่อเปรียบเทียบความแม่นยำในการพยากรณ์ ระหว่างวิธีโครงข่ายประสาทเทียมกับวิธีซัพพอร์ตเวกเตอร์แมชชีน

นันทณัฐ พันธุ์สีดา

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/52998

Title:	การจำลองข้อมูลเพื่อเปรียบเทียบความแม่นยำในการพยากรณ์ ระหว่างวิธีโครงข่ายประสาทเทียมกับวิธีซัพพอร์ตเวกเตอร์แมชชีน
Other Titles:	A simulation Study to compare prediction accuracy between artificial Neural network and support vector machine
Authors:	นันทณัฐ พันธุ์สีดา
Advisors:	นัท กุลวานิช
Other author:	จุฬาลงกรณ์มหาวิทยาลัย. คณะพาณิชยศาสตร์และการบัญชี
Advisor's Email:	[email protected]
Subjects:	นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์) ซัพพอร์ตเวกเตอร์แมชชีน Neural networks (Computer science) Support vector machines Kernel functions
Issue Date:	2556
Publisher:	จุฬาลงกรณ์มหาวิทยาลัย
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
Other Abstract:	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.
Description:	วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2556
Degree Name:	สถิติศาสตรมหาบัณฑิต
Degree Level:	ปริญญาโท
Degree Discipline:	สถิติ
URI:	http://cuir.car.chula.ac.th/handle/123456789/52998
URI:	http://doi.org/10.14457/CU.the.2013.1859
metadata.dc.identifier.DOI:	10.14457/CU.the.2013.1859
Type:	Thesis
Appears in Collections:	Acctn - Theses

Files in This Item:

File	Description	Size	Format
nantanat_pa.pdf		3.07 MB	Adobe PDF	View/Open

Show full item record