Water quality plays an immensely significant role in safeguarding the health of humans and other species on the planet. Polluted water sources can contain harmful substances such as heavy metals, pesticides, bacteria, and viruses, which can pose threats to human health and other organisms. Water quality is also a crucial factor in protecting the environment and sustaining the ecosystems of freshwater and marine environments. Polluted water sources can impact the lives of aquatic animals and plants, causing harm and endangering biodiversity by disrupting the food chain.

The chosen algorithm for this project is the MLP (Multi-layer Perceptron) classifier, which has seen significant development in recent years and has widespread applications in various Al domains. This is why it has been selected as the foundation for the system in this project. The research topic aims to utilize this algorithm to construct a system that rapidly predicts whether a mushroom is edible or poisonous, facilitating practical applications.

Recent MLP-Mixer has a good ability to handle longrange dependencies, however, to have a good performance, one requires huge data and expensive infrastructures for the pre-training process. In this study, we proposed a novel model for nuclei image segmentation namely Axial Convolutional-MLP Mixer, by replacing the token mixer of MLP-Mixer with a new operator, Axial Convolutional Token Mix.

Bài viết dụng mạng nơron nhân tạo để đánh giá mức độ ảnh hưởng của các nhân tố đến sự thỏa mãn công việc trình bày một ứng dụng của mạng nơron nhân tạo, cụ thể là mạng nơron MLP nhằm đánh giá mức độ ảnh hưởng của các nhân tố đến sự thỏa mãn công việc.

Mục đích của luận án là nghiên cứu và phát triển một phương pháp mới sử dụng mạng nơron nhân tạo MLP (MultiLayer Perceptron) độc lập hoặc phối hợp với thuật toán tổng trở (tính toán trên máy tính hoặc cài trong các rơle khoảng cách thực tế) để cho phép ước lượng vị trí sự cố trên đường dây truyền tải điện đƣợc chính xác hơn. Đồng thời các mạng nơron MLP cũng được sử dụng để ước lượng giá trị của điện trở sự cố và xác định dạng sự cố với độ chính xác cao.

Luận án Đề xuất phương pháp mới sử dụng song song một rơle khoảng cách và một mạng nơron MLP để xác định vị trí sự cố trên đường dây truyền tải dựa trên các tín hiệu dòng điện và điện áp đo được ở đầu đường dây với sai số nhỏ hơn so với thuật toán tổng trở. Luận án cũng xây dựng đồng thời hai mạng nơron MLP khác để xác định dạng của sự cố và điện trở sự cố.

The main goal of this study is to investigate the classification capability of several machine learning (ML) techniques, including decision tree (DT), multilayer perceptron (MLP) network, Naïve Bayes, radial basis function (RBF) network, and support vector machine (SVM) for predicting purchase decisions.