Thai Academic Reference Database » National Conference on Computer Information Technologies » CIT 2010 »

Please use this identifier to cite or link to this item: http://tar.thailis.or.th/handle/123456789/39

Title: The Analysis of the Influential Factors on Quantitative Fluctuation of Student Case study: Wangsapung Industrial and Community College
Other Titles: การวิเคราะห์ปัจจัยที่มีอิทธิผลต่อการเพิ่มลดของจำนวนนักศึกษา กรณีศึกษา : วิทยาลัยการอาชีพวังสะพุง
Authors: สุมาลัย นุชิต
สิรภัทร เชี่ยวชาญวัฒนา
คำรณ สุนัติ
Keywords: Analysis of factors influencing access to education
factors affecting
Back-propagation Neural Networks
Issue Date: 15-Mar-2010
Publisher: สำนักงานคณะกรรมการการอุดมศึกษา
Abstract: This special issue is intended to be the ability of artificial neural network. To develop the analysis of factors influencing the increase in the number of students decrease. College career Wangsapug. College students with history of professional Wangsapug. The data mining to provide accurate information and ready to be used in teaching (Training) artificial neural network a multi-layer earth c May the Great Power Corporation (Multilayer Back propagation Neural Network) and using WEKA. algorithms used in learning is a teaching (Supervised Learning) in experiments to create artificial nerve network model for analysis of factors. From test results. Made aware of variables that affect student access. The appropriate structure and the most accurate value. The research found that 80% of the training data and test 20% of the 500 instructors around the structure model used in teaching is valuable 8-13-2 MAE RMSE value equal to 0.1673 equals 0.3283 up 87.98 accuracy. % accurate test results demonstrate the priority of the factors is less significant to the age, tumbol, level, sex, major, status, income and occpa
Description: ปัญหาพิเศษฉบับนี้จัดทำขึ้นเพื่อนำความสามารถของโครงข่ายประสาทเทียม มาทำการพัฒนาการวิเคราะห์ปัจจัยที่มีอิทธิพลต่อการเพิ่มลดของจำนวนนักศึกษา วิทยาลัยการอาชีพวังสะพุง โดยใช้ข้อมูลประวัตินักศึกษาวิทยาลัยการอาชีพวังสะพุง มาทำเหมืองข้อมูลเพื่อให้ได้ข้อมูลที่ถูกต้องและพร้อมที่จะนำไปใช้ในการสอน (Training) โครงข่ายประสาทเทียมหลายชั้นแบบแบ๊คพรอบพาเกชัน (Multilayer Back propagation Neural Network) โดยใช้โปรแกรม WEKA และใช้อัลกอริทึมในการเรียนรู้แบบมีผู้สอน (Supervised Learning) ในการทดลองเพื่อสร้างโมเดลโครงข่ายประสาทเทียมสำหรับการวิเคราะห์ปัจจัย จากผลการทดลอง ทำให้ทราบถึงตัวแปรที่ส่งผลต่อการเข้าเรียนของนักศึกษา โดยกำหนดโครงสร้างที่เหมาะสมและให้ค่าความถูกต้องที่สุด ผลการวิจัยพบว่าการใช้ข้อมูลฝึกสอน 80% และการทดสอบ20% จำนวนการสอน 500 รอบ โดยโครงสร้างแบบจำลองที่ใช้ในการสอนคือ 8-13-2 มีค่า MAE เท่ากับ 0.1673 ค่า RMSE เท่ากับ 0.3283 ค่าความถูกต้อง 87.98% ผลการทดสอบความถูกต้องแสดงให้เห็นการจัดลำดับความสำคัญของปัจจัยจากมาก ไปน้อย คือ age, tumbol, level, sex, major, status, income และ occpa
URI: http://tar.thailis.or.th/handle/123456789/39
Appears in Collections:CIT 2010

Files in This Item:

File Description SizeFormat
CIT2010_18.pdf194.95 kBAdobe PDFView/Open

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.


Sitemap | Privacy & Security | Terms & Conditions

Office of Information Technology Administration for Eduactional Development
328 Sri-Ayuthaya Rd, Ratchathewi, Bangkok 10400 Tel.02-3545678
ThaiLIS is Thailand Library Integrated System