หลักสูตร/ปี พ.ศ. วิศวกรรมศาสตรบัณฑิต สาขาวิชาวิศวกรรมคอมพิวเตอร์ ปี พ.ศ. 2569
ภาคและปีการศึกษาที่สำเร็จการศึกษา ภาคปลาย ปีการศึกษา 2568
ประเภทโครงงาน
โครงงานวิศวกรรม
ชื่อโครงงานภาษาไทย
การปรับตัวแบบยืดหยุ่นผ่านการแยกองค์ประกอบของการตัวแทนค่า
ชื่อโครงงานภาษาอังกฤษ
Flexible Adaptation through Disentangled Representation
ผู้พัฒนา
6510503701 ภูวนัตถ์ เนียมหลวง
อาจารย์ที่ปรึกษาหลัก
จิตร์ทัศน์ ฝักเจริญผล
อาจารย์ที่ปรึกษาร่วม
-
บทคัดย่อ
ในปัจจุบัน โมเดลการเรียนรู้เชิงลึกมักสร้าง latent representation ที่ซับซ้อนและผสมกันทำให้ หลายปัจจัยแฝง (entangled features) ส่งผลให้การนำ representation ดังกล่าวไปใช้กับงานที่แตกต่างกัน มักต้องการข้อมูลการฝึกใหม่จำนวนมาก และมีประสิทธิภาพลดลงเมื่อเกิดการเปลี่ยนแปลงขอบเขตของข้อมูล
แนวคิดเรื่อง disentangled representation ถูกเสนอเพื่อลดปัญหาดังกล่าว โดยแยก representation ออกเป็นส่วนย่อยที่สะท้อนปัจจัยแฝงที่แตกต่างกัน อย่างไรก็ตาม การ disentangle ปัจจัยเชิงความหมาย (semantics) อย่างสมบูรณ์นั้นเป็นเรื่องท้าทายและยังไม่สามารถทำได้อย่างแน่ชัด
ดังนั้น โครงงานนี้จึงมุ่งเน้นการพัฒนา representation ที่มีการแยกส่วนประกอบ factorization ในระดับที่เพียงพอ เพื่อเพิ่มความสามารถในการนำ representation ไปปรับใช้กับงานใหม่ได้รวดเร็ว (rapid adaptation) และมีความทนทานต่อการเปลี่ยนแปลงของขอบเขตข้อมูลมากขึ้น
Abstract
In contemporary practice, deep learning models often construct latent representations that are highly complex and entangled, such that multiple underlying factors are intertwined. As a result, applying these representations to different tasks typically requires substantial amounts of new training data, and their performance tends to degrade under distributional shifts.
The concept of disentangled representation has been proposed to mitigate this issue by decomposing representations into sub-components that reflect distinct latent factors. However, achieving fully disentangled semantic factors remains a significant challenge and has not yet been definitively realized.
Accordingly, this project focuses on developing representations with a sufficient degree of factorization, aiming to enhance their ability to be rapidly adapted to new tasks, while also improving robustness to changes in data distributions.
คำสำคัญ (Keywords)
Representation Learning
เว็บไซต์โครงงาน
-
วีดีโอคลิปของโครงงาน
-
ที่เก็บเวอร์ชันซอร์สโค้ด
-
ผู้นำเข้าข้อมูลครั้งแรก
ภูวนัตถ์
เนียมหลวง
(b6510503701)
แก้ไขครั้งสุดท้าย
เมื่อ March 18, 2026, 5:26 p.m. โดย
ภูวนัตถ์
เนียมหลวง
(b6510503701)
สถานะการอนุมัติ
รออนุมัติ