Duyệt

Hồ sơ tác giả

Topic

ĐA7-2025

URL

Duyệt ĐA7-2025 theo Chủ đề "Học sâu"

Duyệt theo:
0-9
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
Hoặc nhập chữ cái đầu tiên:
Đang hiển thị 1 - 4 của tổng số 4 kết quả
Hiển thị
  • Hình ảnh thu nhỏ
    Ấn phẩm
    Cải tiến mô hình học sâu phát hiện vùng sạt lở dựa trên kỹ thuật tăng độ phân giải ảnh
    (Đại học Bách khoa Hà Nội, 2025) Bùi Hồng Phi; Trần Ngọc Thăng
    Nghiên cứu và cải tiến mô hình học sâu nhằm phát hiện sớm, chính xác các vùng sạt lở đất tại khu vực miền núi. Bằng việc áp dụng kỹ thuật tăng độ phân giải ảnh (Image Super-Resolution) kết hợp với các mô hình học sâu như CNN, U-Net, ResNet, hệ thống đạt độ chính xác cao hơn trong nhận dạng khu vực sạt lở. Kết quả cho thấy phương pháp đề xuất giúp nâng cao hiệu quả giám sát và cảnh báo sạt lở, góp phần hỗ trợ công tác phòng chống thiên tai.
  • Hình ảnh thu nhỏ
    Ấn phẩm
    Dự báo giá chứng khoán dựa trên mô hình TimesNet
    (Đại học Bách Khoa Hà Nội, 2025) Nguyễn Học Sơn; Trần Ngọc Thăng
    Triển khai và đánh giá mô hình học sâu TimesNet để giải quyết bài toán dự báo giá chứng khoán, một lĩnh vực đầy thách thức do tính phi tuyến tính và biến động của dữ liệu chuỗi thời gian. TimesNet sử dụng kiến trúc TimesBlock và cách tiếp cận chuyển đổi 1D thành 2D để học các đặc trưng phức tạp. Kết quả so sánh với các mô hình học sâu khác như N-BEATS và N-HiTS sẽ chứng minh hiệu suất vượt trội của TimesNet, từ đó đóng góp vào việc ứng dụng mở rộng học sâu trong lĩnh vực tài chính.
  • Hình ảnh thu nhỏ
    Ấn phẩm
    Nghiên cứu bài toán tìm điểm bất thường trong chuỗi thời gian
    (Đại học Bách Khoa Hà Nội, 2025) Hoàng Tiến Đạt; Tạ Anh Sơn
    Nghiên cứu ứng dụng mô hình AnomalyBERT – một biến thể của Transformer – nhằm phát hiện bất thường trong dữ liệu truy cập Wi-Fi tại các hệ thống mạng công cộng và doanh nghiệp. Bằng cách sử dụng cơ chế tạo dữ liệu giả để mô phỏng các hành vi bất thường, mô hình có khả năng phân biệt hiệu quả giữa dữ liệu bình thường và bất thường trong chuỗi thời gian. Kết quả kỳ vọng góp phần nâng cao bảo mật mạng, phát hiện kịp thời rủi ro và tối ưu hiệu suất hoạt động của hệ thống Wi-Fi.
  • Hình ảnh thu nhỏ
    Ấn phẩm
    Phát triển ứng dụng trợ lý cuộc họp ứng dụng công nghệ học sâu và mô hình ngôn ngữ lớn.
    (Đại học Bách Khoa Hà Nội, 2025) Hoàng Văn Tú; Nguyễn Đình Hân
    Phát triển một ứng dụng tích hợp các tác vụ học máy và học sâu như xử lý ngôn ngữ tự nhiên, chuyển đổi giọng nói thành văn bản (audio-to-text), tóm tắt và truy vấn thông tin. Ứng dụng được tối ưu hóa đặc biệt cho ngôn ngữ tiếng Việt và ngữ cảnh thực tế, với mục tiêu nâng cao tốc độ và chất lượng làm việc, điển hình là trong tác vụ quản lý nội dung cuộc họp, qua đó cung cấp một công cụ tự động hóa thông minh và hiệu quả cho người dùng.