Bài viết nghiên cứu ứng dụng mô hình học máy (MLP-ANN) và mô phỏng Monte Carlo để xác định độ dày vật liệu qua kỹ thuật đo gamma truyền qua. Kết quả cho thấy phương pháp này có độ chính xác cao, mở ra hướng phát triển mới trong kiểm định vật liệu.

Bài viết nghiên cứu lựa chọn mô hình dự đoán xác suất vỡ nợ cho khách hàng cá nhân tại ACB, sử dụng Logistic và Ensemble. Các yếu tố ảnh hưởng gồm học vấn, giới tính, thu nhập.

Nghiên cứu ứng dụng học máy (Random Forest) dự đoán tình trạng bỏ học của sinh viên với độ chính xác 91.33%, từ đó đưa ra giải pháp hỗ trợ kịp thời.

Hệ thống phân tích kích thước hạt thóc tự động, dùng YOLOv8, đạt mAP50 0.99. Xử lý 3.4 giây/ảnh, tăng năng suất chọn tạo giống lúa.

Luận án Tiến sĩ Kỹ thuật điện tử nghiên cứu phát triển mô hình học máy dùng ảnh xạ hình hỗ trợ chẩn đoán ung thư tuyến giáp sau phẫu thuật, nâng cao hiệu quả điều trị tại Việt Nam.

Tóm tắt Luận án Tiến sĩ Kỹ thuật điện tử về mô hình học máy dùng ảnh xạ hình (SPECT) chẩn đoán ung thư tuyến giáp sau phẫu thuật, xây dựng CSDL lớn cho người Việt, đề xuất giải pháp tính liều phóng xạ.

Bài thuyết trình Ứng dụng khai thác dữ liệu (Data Mining and Application): Loan approval prediction giới thiệu hệ thống dự đoán phê duyệt khoản vay dựa trên các thuộc tính người vay và mô hình học máy. Bài thuyết trình trình bày quá trình xây dựng bài toán, áp dụng thuật toán và đánh giá hiệu quả mô hình. Đây là hướng ứng dụng quan trọng trong lĩnh vực tài chính. Mời các bạn cùng tham khảo để biết thêm chi tiết!

Bài thuyết trình Ứng dụng khai thác dữ liệu (Data Mining and Application): Multi-label classification of enzyme substrates trình bày ứng dụng kỹ thuật phân loại đa nhãn trong nhận diện cơ chất của enzyme. Bài thuyết trình trình bày tổng quan bài toán, xây dựng mô hình và đánh giá kết quả. Đây là một ứng dụng tiềm năng trong nghiên cứu sinh học và hóa sinh. Mời các bạn cùng tham khảo để biết thêm chi tiết!

Nghiên cứu này áp dụng hai mô hình học máy là SVR và LSTM để dự báo mực nước hồ Buôn Tua Srah, lưu vực Srê Pốk, Việt Nam. Các bước dự báo khác nhau (6h, 12h,24h, 48h,72h) được thực hiện với các trường hợp dữ liệu đầu vào khác nhau được thu thập từ 2017- 2023 ở thời điểm dự báo, 24h và 72h trước đấy để tìm ra bộ dữ liệu đầu vào phù hợp cho mỗi mô hình học máy.

Trên cơ sở xu hướng nghiên cứu về đánh giá nguy cơ SLĐ ở trên thế giới cũng như hạn chế của các nghiên cứu áp dụng tại khu vực vùng núi tỉnh Quảng Ngãi, nghiên cứu này sử dụng các mô hình học máy từ đơn giản đến phức tạp như LR, DT, SVM, Random Forest, XGBoost để dự đoán nguy cơ SLĐ. Mô hình có khả năng dự đoán tốt nhất được lựa chọn để xây dựng bản đồ phân vùng nguy cơ SLĐ. Hiệu quả của bản đồ này sẽ được đánh giá bằng chỉ số mật độ SLĐ và kết quả kiểm chứng thực tế.

Bài viết này nhằm giải quyết vấn đề bằng cách sử dụng mô hình học máy Faster Region-based Convolutional Neural Network (Faster R-CNN) để phân loại nấm ăn được và nấm độc. Mô hình Faster R-CNN được huấn luyện trên tập dữ liệu hình ảnh nấm đa dạng, tập trung vào các đặc điểm hình dạng, màu sắc và kết cấu. Sau quá trình huấn luyện, mô hình đã đạt độ chính xác ấn tượng lên đến 99,10% trong việc phân loại nấm.

Nghiên cứu này đề xuất phương pháp cải thiện hiệu quả mô hình học máy thống kê trong bài toán khử nhập nhằng nghĩa từ tiếng Việt bằng cách tích hợp luật kết hợp được khai phá từ dữ liệu. Luật kết hợp giúp bổ sung tri thức ngữ cảnh dưới dạng các mẫu ngữ nghĩa thường gặp, từ đó hỗ trợ mô hình học tốt hơn trong việc phân biệt các nghĩa khác nhau của từ đa nghĩa.

Trong nghiên cứu này, ba phương pháp: K-Nearest Neighbors (KNN), Linear Regression (LR) và Random Forest Regression (RFR), được sử dụng để phân tích độ tin cậy, tính chính xác của từng phương pháp. Trạm thủy văn Cần Thơ (trên sông Hậu) được sử dụng để dự báo mực nước trong vòng 6 tháng để làm rõ ưu điểm và hạn chế của các phương pháp, khẳng định tính khả thi và hiệu quả của Machine Learning trong quản lý tài nguyên nước.

Nghiên cứu này áp dụng mô hình mạng nơ-ron tích chập với quy trình chuyển đổi đa giai đoạn 56ms. Kết quả của chúng tôi cho thấy phương pháp đề xuất có thể vượt trội so với một số phương pháp tiên tiến nhất trên tập dữ liệu 1000 hình ảnh tự thu thập được chụp bởi UAV.

Nghiên cứu này tập trung vào việc áp dụng các mô hình phân loại sử dụng Support Vector Machine (SVM) và mạng nơ-ron nhân tạo (NN) để tiến hành bước thứ hai này. Dữ liệu hình ảnh chứa ô tròn sẽ được trích xuất đặc trưng rồi được đưa qua các mô hình phân loại để quyết định xem ô tròn trong đó có được tô hay không.

Nghiên cứu này đề xuất phương pháp đánh giá chất lượng kênh truyền viễn thông dựa trên mô hình học máy không xâm lấn, sử dụng tín hiệu tiếng nói đầu ra thay vì cần tín hiệu tham chiếu. Hệ thống áp dụng các đặc trưng âm học và thống kê trích xuất từ tín hiệu thu, sau đó đưa vào mô hình học sâu để ước lượng điểm chất lượng tiếng nói (MOS).

Luận văn Thạc sĩ Máy tính "Nghiên cứu phát triển các giải pháp tích hợp công cụ thu thập, phân tích dữ liệu trong nền tảng quản lý và chia sẻ dữ liệu nghiên cứu khoa học và công nghệ quốc gia" trình bày các nội dung chính sau: Xây dựng giải pháp tích hợp các nền tảng thu thập, phân tích dữ liệu vào hệ thống Openscience.vn; Thử nghiệm, đánh giá các giải pháp tích hợp để kiểm tra luồng (pipeline) đã thực hiện được trên hệ thống.

Nghiên cứu này nhằm khám phá các yếu tố tác động đến sự hài lòng của sinh viên đối với giảng dạy của giảng viên tại Trường Đại học Thương mại, sử dụng các mô hình học máy để phân tích dữ liệu. Các yếu tố nghiên cứu có thể bao gồm: phương pháp giảng dạy, khả năng truyền đạt kiến thức, sự tương tác giữa giảng viên và sinh viên, cơ sở vật chất và hỗ trợ học tập, cũng như yếu tố cá nhân của giảng viên và sinh viên.