การจำแนกอนุกรมเวลาโดยใช้เทคนิคการคำนวณแบบวิวัฒนาการ
Time Series Classification Using Evolutionary Computation


น.ส.ปวีณา มงคลพงศ์สิริ*
Paweena Mongkolpongsiri
คณะเทคโนโลยีสารสนเทศ

หมายเหตุ นายไชยรัตน์ ว่องวัฒนาการลาออก ในระยะที่ 2
ทุนวิจัยพระจอมเกล้าธนบุรี ปีการศึกษา 2549 รอบที่ 1 งบประมาณ 75,000 บาท
ทุนวิจัยพระจอมเกล้าธนบุรี ปีการศึกษา 2550 รอบที่ 1 งบประมาณ 75,000 บาท

ความสำคัญและที่มาของการวิจัย

การจำแนกข้อมูลเป็นงานแขนงหนึ่งที่มีบทบาทในสาขาวิชาปัญญาประดิษฐ์ ในงายวิจัยนี้จะทำการศึกษาการจำแนกข้อมูล Control Chart Pattern ซึ่งเป็นข้อมูลอนุกรมเวลา (Time Series Data) รูปแบบหนึ่งที่มีความสำคัญในกระบวนการควบคุมการทำงานของเครื่องจักร (Process Control) เพื่อใช้ในการตรวจหาความผิดปกติในสภาวะการทำงานของระบบ โดยการจำแนกรูปแบบของข้อมูล Control Chart Pattern จะช่วยให้ผู้ดูแลระบบสามารถระบุแนวโน้มความเป็นไปได้ของข้อบกพร่องที่อาจเกิดขึ้น ที่ผ่านมาได้มีการนำเทคนิคทางด้านปัญญาประดิษฐ์มาประยุกต์ใช้ในการจำแนกข้อมูลลักษณะดังกล่าว งานส่วนใหญ่จะเป็นการนำเทคนิคทางด้าน Neural Networks ซึ่งให้ผลลัพธ์การจำแนกข้อมูลที่น่าพอใจหากความแปรปรวน (Noise) ในอนุกรมเวลามีไม่มากนัก หากอนุกรมเวลามีความแปรปรวนสูงจะทำให้การประยุกต์ใช้ Neural Network และเทคนิคทางสถิติกับข้อมูลโดยตรงจะให้ความถูกต้องค่อนข้างต่ำ แนวทางหนึ่งที่ได้รับการพัฒนาขึ้นอีกคือการประยุกต์ Neural Network หลายยูนิตในลักษณะ Synergistic Neural Network ต่อมาได้มีการพัฒนาเพิ่มขึ้นโดยการสกัดคุณลักษณะ (Features Extraction) ที่สำคัญออกก่อนแล้วนำ Neural Network หรือ Synergistic Neural Network มาใช้ในการจำแนกจากคุณลักษณะ (Features) เหล่านั้น อย่างไรก็ตามถึงแม้ว่าผลลัพธ์ความถูกต้องที่ได้จากเทคนิคต่างๆ ที่กล่าวมาอาจเป็นที่น่าพอใจ สิ่งที่เทคนิคเหล่านี้ยังไม่สามารถบอกได้คือรูปแบบ (Patterns) ที่แฝงอยู่ในอนุกรมเวลาของแต่ละแบบได้
การคำนวณแบบวิวัฒนาการ (Evolutionary Computation) เป็นเทคนิคหนึ่งในวิชาปัญญาประดิษฐ์ที่ได้รับความสนใจมากในปัจจุบันและได้มีการนำมาประยุกต์ใช้ในงานจำแนกข้อมูลแล้ว[8,9] เท่าที่ได้ศึกษามายังไม่ปรากฏว่าได้มีการนำมาประยุกต์ใช้กับข้อมูลอนุกรมเวลาโดยเฉพาะอนุกรมเวลาของ Control Chart Pattern ข้อดีอย่างหนึ่งในการนำการคำนวณแบบวิวัฒนาการมาประยุกต์ใช้ในการจำแนกอนุกรมเวลาคือผลลัพธ์ที่ได้จะทราบถึงรูปแบบที่แฝงอยู่ในอนุกรมเวลาของแต่ละกลุ่มได้ ในเบื้องต้นนี้คาดว่าอาจจำเป็นต้องศึกษาเทคนิคการเตรียมข้อมูลก่อนการประมวลผล (Preprocess) ที่เหมาะสมก่อนที่จะนำการคำนวณแบบวิวัฒนาการมาทำการจำแนกอนุกรม
ในงานวิจัยนี้จึงเสนอแนวทางการจำแนกอนุกรมเวลาโดยใช้เทคนิคการปรับรูปแบบ Mining Algorithms ที่ได้พัฒนากฎขึ้นใหม่ในชื่อว่า Self-adjusting Association Rules Generator (SARG) โดยการประยุกต์เทคนิคการ Evolutionary Computation ร่วมกับเทคนิคหนึ่งที่สามารถนำมาใช้ในการเรียนรู้ข้อมูลคือ Inductive Learning โดยใช้ข้อมูล Control Chart Pattern โดยจะพิจารณาทั้ง Genetic Algorithm และ Genetic Programming ซึ่งเป็นเทคนิคย่อยในแขนงการคำนวณแบบวิวัฒนาการ เพื่อเปรียบเทียบประสิทธิภาพของแต่ละแบบเพื่อให้สามารถเลือกใช้แนวทางที่เหมาะสม ระบบที่ได้นอกจากจะสามารถจำแนกข้อมูลได้แล้ว ระบบควรจะได้รูปแบบ (Pattern) และกฎที่ใช้ในการจำแนกข้อมูลในแต่ละรูปแบบด้วย

วัตถุประสงค์ของโครงการ

  1. เพื่อศึกษาและประยุกต์ใช้งาน Evolutionary Computation และ Inductive Learning กับข้อมูลอนุกรมเวลา
  2. เพื่อศึกษาแนวทางการวิเคราะห์ข้อมูลอนุกรมเวลา
  3. พัฒนาระบบจำแนกข้อมูลอนุกรมเวลา โดยใช้การคำนวณแบบวิวัฒนาการ (Evolutionary Computation)

ประโยชน์ที่คาดว่าจะได้รับจากการวิจัย

  1. เทคนิคการเตรียมข้อมูกก่อนการประมวลผล (Preprocess) ข้อมูลอนุกรมเวลาที่เหมาะสมในการจำแนกข้อมูลโดยการคำนวณแบบวิวัฒนาการ (Evolutionary Computation)
  2. สามารถทราบถึงความเหมาะสมในการนำ Evolutionary Computation ไปใช้งานในด้านข้อมูลอนุกรมเวลา
  3. สามารถเข้าใจเกี่ยวกับแนวทางการประยุกต์ใช้ Evolutionary Computation กับอนุกรมเวลา
  4. บทความวิจัยที่สามารถเผยแพร่ในงานประชุมวิชาการระดับนานาชาติ

return topic

Revised: 12 June 2009/13:43:10
© 1999 -2004 by Research and Intellectual Property Promotion Center.