Person Image

    Education

    • Ph.D., North Carolina State University, U.S.A., 2550
    • M.S. (Electrical Engineering), North Carolina State University, U.S.A., 2547
    • วศ.บ. (วิศวกรรมไฟฟ้า), มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี, ไทย, 2539

    Expertise Cloud

    receptive field resolution การพยากรณ์ความเร็วลม(GA)advertising classificationair qulaityAlgorithm solutionAnalytic Hierarchy Process (AHP)Anomaly DetectionArray of sensorsArtificial intelligenceartificial neural networkArtificial organsAutoencoderaverage value of MFCCsBig Data analyticsBinary ProgrammingCharging SchedulingClassification (of information)Classification algorithmClassification performanceCross sensitivityData miningData setsdeep learningdictionaryDictionary learningDiscrete wavelet transformdiscriminative sparse codingdropoutElectric VehiclesElectronic NOSEelectronic NosesElectronic noses (e-nosesElectronic noses (e-noses)E-nosesEvent Index (EI)Feature extractionFeature selectionFeature subset selectionFilters methodGenetic algorithmGenetic algorithm (GA)Genetic algorithmsGreen teaHealth indexhigh-level featureHigh-level feature representationhigh-level representationk-Nearest Neighbors (k-NN)K-SVDK-SVD.labeled dataLearning algorithmslight-weight modelLocal Binary Pattern (LBP)machine learningMachine olfactionMaximum margin criterionsMixing ratiosMixturesMNIST datasetMulticlass SVMmultilayer perceptronsneural networkobject classification.Odor mixtureOdor mixtures Sensor responseOdor recipeOdor sensing systemodor-type signaturesOn-machinesOptimal solutionsOptimizationoutlieroverfittingPattern recognition and classificationPeak-to-Average Ratiopm 2.5Power Quality Index(PQI)Principal Component Analysis (PCA)promotional advertisingrainfallReal-valued genetic algorithmReconstruction techniquesregularizationRepairRGB-D Object Recognition.Search AlgorithmsSearching strategyself-taught learningSensor responseSensor subset selectionSensorssparse autoencodersupervised learningSupport vector machinesSupport vector regressiontransient feature extractionunlabeled dataUnsupervised feature learning

    Interest

    Pattern recognition and classification, Machine learning and Neural networks, Unsupervised feature learning

    Administrative Profile


      Resource

      • จำนวนหน่วยปฏิบัติการที่เข้าร่วม 0 หน่วย
      • จำนวนเครื่องมือวิจัย 0 ชิ้น
      • สถานที่ปฏิบัติงานวิจัย
        • ห้อง 1243 ชั้น 12 อาคารคณะวิทย์ 45 ปี

      งานวิจัยในรอบ 5 ปี

      Project

      งานวิจัยที่อยู่ระหว่างการดำเนินการ
      • ทุนใน 1 โครงการ (หัวหน้าโครงการ 1 โครงการ)
      • ทุนนอก 0 โครงการ
      งานวิจัยที่เสร็จสิ้นแล้ว
      • ทุนใน 1 โครงการ (หัวหน้าโครงการ 1 โครงการ)
      • ทุนนอก 5 โครงการ (หัวหน้าโครงการ 3 โครงการ, ผู้ร่วมวิจัย 2 โครงการ)

      แนวโน้มผลงานทั้งหมดเทียบกับแนวโน้มผลงานในรอบ 5 ปี

      Output

      • บทความ 26 เรื่อง (ตีพิมพ์ในวารสารวิชาการ 5 เรื่อง, นำเสนอในการประชุม/สัมมนา 21 เรื่อง)

      แนวโน้มการนำผลงานไปใช้ประโยชน์ในด้านต่างๆ

      Outcome

      • การนำผลงานไปใช้ประโยชน์ 3 เรื่อง (เชิงวิชาการ 3 เรื่อง, เชิงนโยบาย/บริหาร 0 เรื่อง, เชิงสาธารณะ 0 เรื่อง, เชิงพาณิชย์ 0 เรื่อง)

      รางวัลที่ได้รับ

      Award

      • รางวัลที่ได้รับ 1 เรื่อง (ประกาศเกียรติคุณ/รางวัลนักวิจัย 0 เรื่อง, รางวัลผลงานวิจัย/สิ่งประดิษฐ์ 1 เรื่อง, รางวัลผลงานนำเสนอในการประชุมวิชาการ 0 เรื่อง)


      Scopus h-index

      #Document titleAuthorsYearSourceCited by
      1Intelligent method for sensor subset selection for machine olfactionPhaisangittisagul E., Nagle H.T., Areekul V.2010Sensors and Actuators, B: Chemical
      145(1),pp. 507-515
      30
      2An Analysis of the Regularization Between L2 and Dropout in Single Hidden Layer Neural NetworkPhaisangittisagul E.2016Proceedings - International Conference on Intelligent Systems, Modelling and Simulation, ISMS
      0,pp. 174-179
      29
      3Sensor selection for machine olfaction based on transient feature extractionPhaisangittisagul E., Nagle H., Nagle H.2008IEEE Transactions on Instrumentation and Measurement
      57(2),pp. 369-378
      26
      4Predicting odor mixture's responses on machine olfaction sensorsPhaisangittisagul E., Nagle H.T.2011Sensors and Actuators, B: Chemical
      155(2),pp. 473-482
      18
      5Enhancing multiple classifier system performance for machine olfaction using odor-type signaturesPhaisangittisagul E., Nagle H.T.2007Sensors and Actuators, B: Chemical
      125(1),pp. 246-253
      9
      6Predictive high-level feature representation based on dictionary learningPhaisangittisagul E., Thainimit S., Chen W.2017Expert Systems with Applications
      69,pp. 101-109
      8
      7Improving sensor subset selection of machine olfaction using multi-class SVMPhaisangittisagul E.20103rd International Conference on Knowledge Discovery and Data Mining, WKDD 2010
      ,pp. 28-31
      5
      8Receptive field resolution analysis in convolutional feature extractionPhaisangittisagul E., Chongprachawat R.201313th International Symposium on Communications and Information Technologies: Communication and Information Technology for New Life Style Beyond the Cloud, ISCIT 2013
      ,pp. 485-489
      3
      9Approximating sensors' responses of odor mixture on machine olfactionPhaisangittisagul E.20092009 International Conference on Artificial Intelligence and Computational Intelligence, AICI 2009
      2,pp. 60-64
      3
      10Combining features for RGB-D object recognitionKhan W., Phaisangittisagul E., Ali L., Gansawat D., Kumazawa I.20172017 International Electrical Engineering Congress, iEECON 2017
      2
      11A Light-Weight Artificial Neural Network for Speech Emotion Recognition using Average Values of MFCCs and Their DerivativesNantasri P., Phaisangittisagul E., Karnjana J., Boonkla S., Keerativittayanun S., Rugchatjaroen A., Usanavasin S., Shinozaki T.202017th International Conference on Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology, ECTI-CON 2020
      ,pp. 41-44
      1
      12Transient feature extraction for machine olfaction based on wavelet decompositionPhaisangittisagul E.20085th International Conference on Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology, ECTI-CON 2008
      1,pp. 457-460
      1
      13Post-processing of unsupervised dictionary learning in handwritten digit recognitionPhaisangittisagul E., Chongprachawat R.201514th International Symposium on Communications and Information Technologies, ISCIT 2014
      ,pp. 166-170
      1
      14RGB-D classification using feature selection on the combination of different featuresKhan W., Phaisangittisagul E., Ali L., Gansawat D., Kumazawa I.20172017 8th International Conference on Information and Communication Technology for Embedded Systems, IC-ICTES 2017 - Proceedings
      0
      15Target Advertising Classification using Combination of Deep Learning and Text modelPhaisangittisagul E., Koobkrabee Y., Wirojborisuth K., Ratanasrimetha T., Aummaro S.201910th International Conference on Information and Communication Technology for Embedded Systems, IC-ICTES 2019 - Proceedings
      0
      16Linear predictive model for discriminative feature representation of object classificationPhaisangittisagul E.2018Proceedings - 2018 Joint 10th International Conference on Soft Computing and Intelligent Systems and 19th International Symposium on Advanced Intelligent Systems, SCIS-ISIS 2018
      ,pp. 431-436
      0
      17Consistent Sparse Representation based on Discriminative Dictionary Learning for Face RecognitionPhaisangittisagul E., Thainimit S.20182018 IEEE International WIE Conference on Electrical and Computer Engineering, WIECON-ECE 2018
      ,pp. 41-44
      0
      18A Quantitative Estimation of Power Quality Health Index for Power SubstationBuranarattanavijit T., Phaisangittisagul E.2019Asia-Pacific Power and Energy Engineering Conference, APPEEC
      2019-December
      0