<?xml version="1.0" encoding="UTF-8"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns="http://purl.org/rss/1.0/" xmlns:dc="http://purl.org/dc/elements/1.1/">
  <channel rdf:about="https://rsuir-library.rsu.ac.th/handle/123456789/27">
    <title>DSpace Community:</title>
    <link>https://rsuir-library.rsu.ac.th/handle/123456789/27</link>
    <description />
    <items>
      <rdf:Seq>
        <rdf:li rdf:resource="https://rsuir-library.rsu.ac.th/handle/123456789/3166" />
        <rdf:li rdf:resource="https://rsuir-library.rsu.ac.th/handle/123456789/3165" />
        <rdf:li rdf:resource="https://rsuir-library.rsu.ac.th/handle/123456789/3164" />
        <rdf:li rdf:resource="https://rsuir-library.rsu.ac.th/handle/123456789/3163" />
      </rdf:Seq>
    </items>
    <dc:date>2026-04-14T23:27:34Z</dc:date>
  </channel>
  <item rdf:about="https://rsuir-library.rsu.ac.th/handle/123456789/3166">
    <title>การศึกษาการพยากรณ์ยอดขายสำหรับประกันชีวิตกรมธรรม์หลักและสัญญาเพิ่มเติมโดยใช้วิธีการพยากรณ์แบบฤดูกาล และการพยากรณ์แนวโน้ม</title>
    <link>https://rsuir-library.rsu.ac.th/handle/123456789/3166</link>
    <description>Title: การศึกษาการพยากรณ์ยอดขายสำหรับประกันชีวิตกรมธรรม์หลักและสัญญาเพิ่มเติมโดยใช้วิธีการพยากรณ์แบบฤดูกาล และการพยากรณ์แนวโน้ม
Authors: ปานรวี บุญสม
Abstract: งานวิจัยนี้นำเสนอการพยากรณ์ยอดขายประกันชีวิตโดยใช้วิธีการ 4 วิธี ได้แก่ การบวก โฮลท์วินเทอร์ การคูณโฮลท์วินเทอร์ ปรับเรียบเอ็กซ์โพเนนเชียลอย่างง่าย และปรับเรียบเอ็กซ์ โพเนนเชียลสองเท่า โดยจะใช้วิธีคำนวณค่าเฉลี่ย 3 วิธีในการประเมินค่าความคลาดเคลื่อนสาหรับ การพยากรณ์ ได้แก่ ค่าความผิดพลาดสัมบูรณ์เฉลี่ย ค่าความผิดพลาดเปอร์เซ็นต์สัมบูรณ์เฉลี่ย และ ค่าความผิดพลาดกา ลังสองเฉลี่ย จากนั้นทำการวัดค่าความแม่นยำของการพยากรณ์แต่ละวิธีเพื่อ เลือกวิธีการพยากรณ์ที่แม่นยำและเหมาะสมที่สุด ผลการวิจัยพบว่าการพยากรณ์ยอดขายประกัน ชีวิตจากการประกันชีวิตกรมธรรม์หลัก-ผลิตภัณฑ์ประกันชีวิตแบบทั่วไป การใช้การคูณโฮลท์วิน เทอร์ มีความแม่นยำสูงสุดที่ 98.43% การพยากรณ์ยอดขายประกันชีวิตกรมธรรม์หลัก วิธีการคูณ โฮลท์วินเทอร์มีความแม่นยำสูงที่สุดถึง 86.12% การพยากรณ์ยอดขายประกันชีวิตสัญญาเพิ่มเติมวิธี ที่แม่นยำที่สุดคือการบวกโฮลท์วินเทอร์มีเปอร์เซ็นต์ความแม่นยำสูงสุดถึง 94.61% และการ พยากรณ์ยอดขายประกันชีวิตรวมทุกกรมธรรม์ วิธีการคูณโฮลท์วินเทอร์มัลติพลิเคทีฟ มีความ แม่นยำสูงที่สุดที่ 98.72% ซึ่งสูงกว่าวิธีการอื่น ๆ อย่างชัดเจน
Description: วิทยานิพนธ์ (วศ.ม. (วิศวกรรมไฟฟ้าและคอมพิวเตอร์)) -- มหาวิทยาลัยรังสิต, 2567</description>
    <dc:date>2568-01-01T00:00:00Z</dc:date>
  </item>
  <item rdf:about="https://rsuir-library.rsu.ac.th/handle/123456789/3165">
    <title>การพัฒนาอินเวอร์เตอร์จากแหล่งจ่ายกระแสตรง โดยใช้ตัวแปลงบัค-บูสต์ แบบเลือกขั้วได้ด้วยสัญญาณฟันเลื่อยดัดแปลง</title>
    <link>https://rsuir-library.rsu.ac.th/handle/123456789/3165</link>
    <description>Title: การพัฒนาอินเวอร์เตอร์จากแหล่งจ่ายกระแสตรง โดยใช้ตัวแปลงบัค-บูสต์ แบบเลือกขั้วได้ด้วยสัญญาณฟันเลื่อยดัดแปลง
Authors: จักรกฤษณ์ ขุนแก้ว
Abstract: วิทยานิพนธ์ฉบับนี้ นำเสนอการพัฒนาอินเวอร์เตอร์จากแหล่งกำเนิดไฟฟ้ากระแสตรง โดยใช้ ตัวแปลงบัค-บูสต์ แบบเลือกขั้วได้ เนื่องจากความสัมพันธ์แบบไม่เป็นเชิงเส้นระหว่างระดับสัญญาณ อ้างอิงกับอัตราขยายของตัวแปลงที่เพิ่มขึ้น เมื่อใช้กับสัญญาณฟันเลื่อยทั่วไป การสร้างการปรับ ความกว้างพัลส์, สัญญาณฟันเลื่อยดัดแปลง จึงได้มีการพัฒนาในการวิจัยนี้ โดยการประยุกต์ฟังก์ชัน สัญญาณ ฟันเลื่อยที่ทาการปรับปรุงด้วยวิธีการประมาณเอ็กซ์โพเนนเชียล สำหรับใช้กับคอนเวอร์เตอร์ ที่นำเสนอ นอกจากนี้ งานวิจัยแสดงให้เห็นว่า ค่าสูงสุดของแรงดันไฟฟ้ากระแสสลับ ด้านเอาท์พุตสูงกว่า ค่าของแหล่งกำเนิดไฟฟ้ากระแสตรงด้านอินพุตได้และจ่ายกระแสเอาต์พุตสูงสุด 1 A โดยมีแรงดันอินพุต 156 V และความถี่สวิตช์ 20 kHz สุดท้ายนี้ การออกแบบและการจำลองผลลัพธ์ของสัญญาณเอาต์พุต เพื่อยืนยันการตรวจสอบความถูกต้องการออกแบบการวิเคราะห์งานวิจัยนี้ด้วยคอมพิวเตอร์
Description: วิทยานิพนธ์ (วศ.ม. (วิศวกรรมไฟฟ้าและคอมพิวเตอร์)) -- มหาวิทยาลัยรังสิต, 2567</description>
    <dc:date>2568-01-01T00:00:00Z</dc:date>
  </item>
  <item rdf:about="https://rsuir-library.rsu.ac.th/handle/123456789/3164">
    <title>Determining banana ripeness using machine learning classifiers</title>
    <link>https://rsuir-library.rsu.ac.th/handle/123456789/3164</link>
    <description>Title: Determining banana ripeness using machine learning classifiers
Authors: Hong Chen
Description: Thesis (M. Eng. (Electrical and Computer Engineering)) -- Rangsit University, 2024</description>
    <dc:date>2025-01-01T00:00:00Z</dc:date>
  </item>
  <item rdf:about="https://rsuir-library.rsu.ac.th/handle/123456789/3163">
    <title>Mango maturity classification using machine learning</title>
    <link>https://rsuir-library.rsu.ac.th/handle/123456789/3163</link>
    <description>Title: Mango maturity classification using machine learning
Authors: Xiangchen Dong
Description: Thesis (M. Eng. (Electrical and Computer Engineering)) -- Rangsit University, 2024</description>
    <dc:date>2024-01-01T00:00:00Z</dc:date>
  </item>
</rdf:RDF>

