Ths-Công nghệ thông tin
1627 ấn phẩm có sẵn
Đang tải...
Những tài liệu tải lên gần đây
- Ấn phẩmAdaptive differential evolution methods on 3D range image registration and object tracking(Trường đại học Bách Khoa Hà Nội, 2017) Tào Ngọc Linh; Hasegawa HiroshiTập trung nghiên cứu các phương pháp tối ưu hóa tự nhiên tiên tiến, đặc biệt là thuật toán tiến hóa vi phân thích nghi, nhằm giải quyết các bài toán đăng ký ảnh 3D và theo dõi đối tượng. Đề xuất quy trình mới cho việc áp dụng tối ưu hóa vào 3D Range Image Registration và chứng minh hiệu quả vượt trội so với các thuật toán hiện đại. Các phương pháp được triển khai và đánh giá thực nghiệm, cho kết quả nhanh, chính xác và ổn định. Đồng thời, phát triển hệ thống theo dõi đối tượng không có kết cấu bằng camera 2D, chứng minh khả năng ứng dụng trong bài toán nhận dạng và bám đối tượng.
- Ấn phẩmTemporal health prediction with multimodal electronic health records data(Trường đại học Bách Khoa Hà Nội, 2025) Nguyễn Tuấn Dũng; Nguyễn Phi Lê; Phạm Huy HiệuĐề xuất CARER, một khung dự đoán rủi ro sức khỏe tích hợp lập luận lâm sàng từ mô hình ngôn ngữ lớn (LLM) vào quá trình học sâu, nhằm mô phỏng cách chẩn đoán của chuyên gia y tế. Bên cạnh đó, cơ chế cross-view alignment loss được áp dụng để đồng bộ hóa đặc trưng dữ liệu bệnh nhân với lập luận lâm sàng từ LLM, giúp tăng cường khả năng biểu diễn. Thực nghiệm trên hai bộ dữ liệu EHR (MIMIC-III và MIMIC-IV) cho thấy CARER vượt trội so với các mô hình tiên tiến tới 11,2%, đồng thời cải thiện hiệu quả dữ liệu và khả năng ứng dụng lâm sàng.
- Ấn phẩmLearning the effect of abnormal data in federated learning(Trường đại học Bách Khoa Hà Nội, 2025) Nguyễn Đức Long; Nguyễn Phi LêTập trung giải quyết vấn đề dữ liệu kém chất lượng trong học liên kết, một yếu tố quan trọng nhưng thường bị bỏ qua, ảnh hưởng trực tiếp đến hiệu quả mô hình. Đề xuất thuật toán lựa chọn dữ liệu toàn cục nhằm tối ưu độ chính xác của mô hình, đồng thời giảm chi phí truyền thông và đảm bảo tính riêng tư, thay vì chỉ lựa chọn dữ liệu cục bộ theo từng khách hàng như cách tiếp cận truyền thống. Một bộ dữ liệu y sinh chuyên biệt được xây dựng với các thuộc tính phản ánh tình trạng dữ liệu kém chất lượng, giúp kiểm chứng tính thực tiễn của mô hình. Kết quả thực nghiệm cho thấy giải pháp đề xuất cải thiện hiệu suất khoảng 2–3% trong bối cảnh dữ liệu mất cân bằng và sai lệch phân phối.
- Ấn phẩmA comprehensive strategy for addressing modality missing in multimodal federated learing systems(Trường đại học Bách Khoa Hà Nội, 2025) Phùng Thu Hằng; Nguyễn Phi LêĐề xuất FED-PRIME, một khuôn khổ liên kết mới cho tinh chỉnh prompt trong môi trường dữ liệu đa phương thức phân tán, không đồng nhất và không đầy đủ. Phương pháp gồm cấu trúc prompt hai tầng, trong đó prompt liên khách hàng nắm bắt đặc trưng chung, còn prompt nội khách hàng thích ứng với dữ liệu cục bộ, kết hợp cơ chế chọn lọc thích ứng đầu vào. Ở phía máy chủ, chiến lược gom cụm theo ngữ nghĩa được áp dụng để căn chỉnh và tổng hợp prompt liên khách hàng, tăng cường khả năng khái quát hóa. Mô hình được xây dựng trên nền ViLT cố định, bảo đảm hiệu quả tính toán và tận dụng tối đa biểu diễn đa phương thức. Kết quả thực nghiệm trên các bộ dữ liệu chuẩn cho thấy FED-PRIME vượt trội so với các phương pháp hiện có trong nhiều kịch bản dữ liệu thiếu hụt.
- Ấn phẩmMultilingual voice conversion(Trường đại học Bách Khoa Hà Nội, 2025) Hữu Tường Tú; Nguyễn Thị Thu TrangChuyển đổi giọng nói trong bối cảnh đa ngôn ngữ và ít tài nguyên gặp khó khăn trong việc bảo toàn đặc trưng người nói và nội dung ngôn ngữ. Nghiên cứu đề xuất hai giải pháp: kết hợp tri thức từ ngôn ngữ giàu tài nguyên với huấn luyện đối kháng miền, và khai thác dữ liệu tổng hợp từ mô hình tổng hợp tiếng nói đa người nói kết hợp học chuyển giao. Hai phương pháp này cho phép xây dựng biểu diễn ngữ liệu độc lập người nói, đồng thời tận dụng dữ liệu không gán nhãn để mở rộng khả năng ứng dụng. Kết quả đạt được cho thấy tính hiệu quả và khả năng khái quát trong điều kiện đa ngôn ngữ và hạn chế tài nguyên.
- Ấn phẩmFederated learning-based model for document summarization with limited samples(Trường đại học Bách Khoa Hà Nội, 2025) Tống Ngọc Anh; Nguyễn Phi LêĐề xuất FedROUGE, một chiến lược tổng hợp mới trong học liên kết, kết hợp ROUGE và độ tương đồng ngữ nghĩa để điều chỉnh trọng số theo chất lượng dữ liệu. Phương pháp này giúp nhấn mạnh các bản cập nhật có giá trị, giảm nhiễu và tối ưu hiệu quả truyền thông thông qua cơ chế LoRA adapter. Thử nghiệm trên hai bộ dữ liệu GitSum và SQuALITY cho thấy FedROUGE vượt trội hơn các phương pháp truyền thống, đạt cải thiện 25% về ROUGE-2 trên GitSum và duy trì hiệu quả cạnh tranh trên SQuALITY. Kết quả khẳng định tầm quan trọng của cơ chế nhận thức chất lượng trong tăng cường tính bền vững và khả năng tổng quát của học liên kết dưới điều kiện dữ liệu không đồng nhất.