បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយបញ្ហានៃការប្រែប្រួលអាកាសធាតុមិនលីនេអ៊ែរនៅក្នុងផ្ទះកញ្ចក់ ដែលមានឥទ្ធិពលអវិជ្ជមានដល់ការលូតលាស់របស់កូនប៉េងប៉ោះ ព្រមទាំងទាមទារប្រព័ន្ធគ្រប់គ្រងវៃឆ្លាតដើម្បីរក្សាតុល្យភាពសីតុណ្ហភាព សំណើម និងកម្រិតឧស្ម័នកាបូនិក។
វិធីសាស្ត្រ (The Methodology)៖ អ្នកស្រាវជ្រាវបានស្នើឡើងនូវម៉ូដែលប្រព័ន្ធអនុមានសរសៃប្រសាទស្រអាប់បែបបន្សាំ (ANFIS) ដោយប្រើប្រាស់ទិន្នន័យឧតុនិយម និងឧបករណ៍បញ្ជា ដើម្បីព្យាករណ៍ និងគ្រប់គ្រងអាកាសធាតុខាងក្នុងផ្ទះកញ្ចក់។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Adaptive Neuro-Fuzzy Inference System (ANFIS) ប្រព័ន្ធអនុមានសរសៃប្រសាទស្រអាប់បែបបន្សាំ |
អាចទាញយកលក្ខណៈពិសេសនៃកត្តាអាកាសធាតុមិនលីនេអ៊ែរបានយ៉ាងល្អ ដោយបញ្ចូលគ្នានូវភាពបត់បែននៃបណ្ដាញសរសៃប្រសាទ (ANN) និងតក្កវិទ្យាស្រអាប់ (Fuzzy Logic)។ វាមានសមត្ថភាពខ្ពស់ក្នុងការសម្របខ្លួន និងផ្តល់លទ្ធផលព្យាករណ៍ច្បាស់លាស់។ | ទាមទារការព្យូទ័រក្នុងការគណនាច្រើន ដោយសារភាពស្មុគស្មាញនៃការកំណត់ក្បួន (Fuzzy Rules) និងអនុគមន៍សមាជិកភាព (Membership functions) ព្រមទាំងត្រូវការទិន្នន័យជាក់លាក់ខ្ពស់។ | ទទួលបានភាពត្រឹមត្រូវរហូតដល់ ៩៨% និងមានអត្រាកំហុសត្រឹមតែ ២% នៅពេលប្រើប្រាស់អនុគមន៍ Gaussian និង Sigmoidal។ |
| Standard Artificial Neural Networks (ANN) បណ្តាញសរសៃប្រសាទសិប្បនិម្មិតធម្មតា |
ងាយស្រួលក្នុងការរៀនពីទិន្នន័យដោយស្វ័យប្រវត្តិ ដោយមិនចាំបាច់កំណត់ក្បួនតក្កវិទ្យាស្រអាប់ស្មុគស្មាញពីខាងក្រៅ។ | មានលក្ខណៈជាប្រអប់ខ្មៅ (Black-box) ដែលពិបាកក្នុងការបកស្រាយដំណើរការសម្រេចចិត្ត និងមានភាពត្រឹមត្រូវទាបជាងម៉ូដែលកូនកាត់ (Hybrid) ក្នងករណីប្រែប្រួលអាកាសធាតុ។ | ទទួលបានភាពត្រឹមត្រូវត្រឹមតែ ៩២% និងមានអត្រាកំហុសរហូតដល់ ៨%។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះមិនបានបញ្ជាក់លម្អិតពីតម្លៃឬប្រភេទកុំព្យូទ័រ (Hardware) ដែលប្រើប្រាស់នោះទេ ប៉ុន្តែបានបង្ហាញយ៉ាងច្បាស់អំពីតម្រូវការទិន្នន័យ ក្បួនដោះស្រាយ និងឧបករណ៍វាស់ស្ទង់ជាក់ស្តែងនៅក្នុងផ្ទះកញ្ចក់។
ការសិក្សានេះប្រើប្រាស់ទិន្នន័យដែលប្រមូលបានពីផ្ទះកញ្ចក់ជ័រនៅតំបន់ Guelma ប្រទេសអាល់ហ្សេរី ក្នុងចន្លោះខែកុម្ភៈ ដល់ខែមេសា ដែលមានអាកាសធាតុខុសប្លែកពីប្រទេសកម្ពុជា។ ដោយសារកម្ពុជាមានអាកាសធាតុត្រូពិចក្ដៅសើមពេញមួយឆ្នាំ ការយកម៉ូដែលនេះមកអនុវត្តផ្ទាល់ទាមទារឱ្យមានការប្រមូលទិន្នន័យក្នុងស្រុកឡើងវិញ ដើម្បីបង្ហាត់ម៉ូដែលឱ្យស្របតាមលក្ខខណ្ឌជាក់ស្តែងរបស់យើង។
បច្ចេកទេសម៉ូដែល ANFIS នេះមានសក្តានុពលខ្ពស់សម្រាប់ជួយជំរុញវិស័យកសិកម្មឆ្លាតវៃនៅកម្ពុជា ជាពិសេសក្នុងការដាំដុះដំណាំដែលមានតម្លៃសេដ្ឋកិច្ចខ្ពស់ក្នុងផ្ទះកញ្ចក់។
ជារួម ការអនុវត្តប្រព័ន្ធនេះនឹងជួយកសិករកម្ពុជាសន្សំសំចៃថាមពល កាត់បន្ថយកម្លាំងពលកម្ម និងបង្កើនទិន្នផលបានយ៉ាងប្រសើរ ប្រសិនបើមានការវិនិយោគត្រឹមត្រូវលើប្រព័ន្ធ IoT ក្នុងជំហានដំបូង។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Adaptive Neuro Fuzzy Inference System (ANFIS) | ជាប្រព័ន្ធបញ្ញាសិប្បនិម្មិតកូនកាត់ដែលរួមបញ្ចូលគ្នានូវសមត្ថភាពរៀនសូត្រពីទិន្នន័យរបស់បណ្តាញសរសៃប្រសាទ (Neural Networks) ជាមួយនឹងក្បួនសម្រេចចិត្តរបស់តក្កវិទ្យាស្រអាប់ (Fuzzy Logic) ដើម្បីទស្សន៍ទាយនិងធ្វើការសម្រេចចិត្តក្នុងស្ថានភាពដែលទិន្នន័យមានភាពស្មុគស្មាញ។ | ដូចជាការបង្រៀនកុំព្យូទ័រឱ្យចេះទន្ទេញមេរៀនផង និងចេះគិតពិចារណាដោយភាពបត់បែនតាមស្ថានភាពជាក់ស្តែងផង។ |
| Fuzzy Logic | ជាវិធីសាស្ត្រគណនាដែលមិនពឹងផ្អែកតែលើតម្លៃដាច់ខាត "ពិត" ឬ "ខុស" នោះទេ ប៉ុន្តែវាអនុញ្ញាតឱ្យមានតម្លៃនៅចន្លោះកណ្តាល (ឧទាហរណ៍៖ ពិតខ្លះ ឬ ត្រឹមត្រូវពាក់កណ្តាល) ដែលស្រដៀងនឹងរបៀបដែលមនុស្សគិតទូទៅ។ | ជំនួសឱ្យការនិយាយថាទឹកនេះ "ក្តៅ" ឬ "ត្រជាក់" ដាច់អហង្ការ វាអនុញ្ញាតឱ្យម៉ាស៊ីនយល់ពីពាក្យថា "ក្តៅឧណ្ហៗ" ឬ "ត្រជាក់ល្មម"។ |
| Artificial Neural Network (ANN) | ជាម៉ូដែលកុំព្យូទ័រដែលត្រូវបានបង្កើតឡើងដោយយកគំរូតាមបណ្តាញសរសៃប្រសាទខួរក្បាលរបស់មនុស្ស វាមានសមត្ថភាពអាចរៀនសូត្រពីសំណុំទិន្នន័យចាស់ៗ ដើម្បីស្វែងរកលំនាំ និងធ្វើការទស្សន៍ទាយសម្រាប់ពេលអនាគត។ | ដូចជាខួរក្បាលកូនក្មេងដែលរៀនស្គាល់សត្វឆ្មាដោយការមើលរូបភាពសត្វឆ្មាជាច្រើនដងរហូតដល់ចំណាំបានយ៉ាងច្បាស់។ |
| Membership function | ជាអនុគមន៍គណិតវិទ្យានៅក្នុង Fuzzy Logic ដែលកំណត់កម្រិតភាពជាសមាជិករបស់ទិន្នន័យណាមួយទៅក្នុងក្រុមជាក់លាក់មួយ (ឧទាហរណ៍ កំណត់ថាសីតុណ្ហភាព ២៥°C ស្ថិតក្នុងកម្រិត "ក្តៅ" ប៉ុន្មានភាគរយ និង "ត្រជាក់" ប៉ុន្មានភាគរយ)។ | ដូចជាបន្ទាត់វាយតម្លៃពិន្ទុដែលប្រាប់ថាសិស្សម្នាក់ទទួលបាននិទ្ទេស A ពេញលេញ ឬគ្រាន់តែប្រហាក់ប្រហែលជិតបាននិទ្ទេស A។ |
| Back-propagation algorithm | ជាក្បួនដោះស្រាយដ៏សំខាន់សម្រាប់បង្ហាត់បណ្តាញសរសៃប្រសាទ ដោយវាគណនាកំហុសនៅដំណាក់កាលចុងក្រោយ រួចបញ្ជូនព័ត៌មានកំហុសនោះត្រឡប់មកក្រោយវិញបញ្ច្រាសទិស ដើម្បីកែតម្រូវទម្ងន់នៃការគណនានៅតាមស្រទាប់នីមួយៗឱ្យកាន់តែសុក្រឹត។ | ដូចជាការធ្វើលំហាត់គណិតវិទ្យាខុស រួចឆែកមើលចម្លើយពីក្រោយសៀវភៅ ហើយត្រឡប់មកកែតម្រូវជំហានគណនារបស់ខ្លួនឯងពីក្រោយមកមុខវិញ។ |
| Least squares algorithm | ជាបច្ចេកទេសគណិតវិទ្យាសម្រាប់ស្វែងរកខ្សែគន្លងដែលស័ក្តិសមបំផុតជាមួយទិន្នន័យ ដែលវាដំណើរការដោយការព្យាយាមកាត់បន្ថយផលបូកនៃការ៉េនៃគម្លាតកំហុសរវាងតម្លៃជាក់ស្តែង និងតម្លៃដែលប្រព័ន្ធបានព្យាករណ៍។ | ដូចជាការគូសខ្សែបន្ទាត់មួយកាត់ចំកណ្តាលហ្វូងចំណុចជាច្រើននៅលើក្រដាស ដោយការព្យាយាមធ្វើឱ្យខ្សែនោះនៅកៀកនឹងចំណុចទាំងអស់បំផុតតាមដែលអាចធ្វើបាន។ |
| multi-input multi-output (MIMO) nonlinear system | ជាប្រព័ន្ធស្មុគស្មាញដែលមានអថេរបញ្ចូលច្រើននិងអថេរលទ្ធផលច្រើន ហើយទំនាក់ទំនងរវាងពួកវាមិនមែនជាសមាមាត្រត្រង់ (Nonlinear) ទេ មានន័យថាបម្រែបម្រួលតូចមួយនៃកត្តាខាងក្រៅអាចបណ្តាលឱ្យមានបម្រែបម្រួលធំមិនអាចទាយទុកជាមុនបានចំពោះលទ្ធផល។ | ដូចជាការចម្អិនម្ហូបដែលមានគ្រឿងផ្សំច្រើនមុខ ហើយរសជាតិចុងក្រោយអាចប្រែប្រួលប្លែកខ្លាំងទោះបីជាយើងបន្ថែមកម្រិតអំបិលឬស្ករតែបន្តិចក៏ដោយ។ |
| control actuators | ជាឧបករណ៍បញ្ជាផ្នែករឹង (Hardware) នៅក្នុងប្រព័ន្ធស្វ័យប្រវត្តិ ដែលមានតួនាទីទទួលសញ្ញាបញ្ជាពីកុំព្យូទ័រដើម្បីធ្វើសកម្មភាពរូបវន្តជាក់ស្តែង ដូចជាបើកកង្ហារ បញ្ឆេះប្រព័ន្ធកម្តៅ ឬបើកម៉ាស៊ីនបាញ់សន្សើមក្នុងផ្ទះកញ្ចក់។ | ដូចជាសាច់ដុំដៃនិងជើងរបស់មនុស្ស ដែលធ្វើចលនាតាមការបញ្ជារបស់ខួរក្បាល។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
