Bài giảng Các kỹ thuật học sâu và ứng dụng - Bài 7: Các biến thể của Recurrent Neural Network tiếp tục khám phá các kiến trúc RNN tiên tiến hơn để giải quyết những hạn chế của mô hình cơ bản. Chuyên đề này trình bày Long Short Term Memory (LSTM), Gated Recurrent Unit (GRU), Bidirectional RNN và Deep-stacked RNN. Nắm vững các biến thể này giúp bạn xử lý hiệu quả các chuỗi dài và phức tạp. Mời các bạn cùng tham khảo bài giảng để biết thêm chi tiết!

Luận án Tiến sĩ Khoa học máy tính "Phát triển mô hình tìm kiếm ảnh dựa trên cấu trúc KD-Tree" trình bày các nội dung chính sau: Nghiên cứu cấu trúc dữ liệu đa chiều KD-Tree; xây dựng các thuật toán thao tác trên KD-Tree tổ chức lưu trữ véc-tơ đặc trưng hình ảnh; hát triển mô hình tìm kiếm ảnh bằng cách kết hợp các phương pháp học có giám sát, bán giám sát và rừng ngẫu nhiên để tạo ra mô hình phân lớp hình ảnh, gom cụm dữ liệu dựa trên cấu trúc KD-Tree.

Bài giảng Học sâu và ứng dụng - Bài 9: Mạng hồi quy. Bài này cung cấp cho học viên những nội dung về: bài toán dự đoán chuỗi; mạng hồi quy thông thường; lan truyền ngược theo thời gian (BPTT); mạng LSTM và GRU; một số áp dụng;... Mời các bạn cùng tham khảo chi tiết nội dung bài giảng!

Luận văn sẽ trình bày về lý thuyết mạng neural RNN và cải tiến của nó là LSTM cùng với một số thuật toán học máy quan trọng trong quá trình xử lý dữ liệu ngôn ngữ. Cuối cùng, luận văn sẽ mô tả việc áp dụng và kết quả khi sử dụng mô hình LSTM trong bài toán trích xuất thông tin quan điểm. Thuật toán sẽ được đánh giá dựa trên hai tập dữ liệu tiếng Anh và tiếng Việt.

Luận văn sẽ trình bày về lý thuyết mạng neural RNN và cải tiến của nó là LSTM cùng với một số thuật toán học máy quan trọng trong quá trình xử lý dữ liệu ngôn ngữ. Cuối cùng, luận văn sẽ mô tả việc áp dụng và kết quả khi sử dụng mô hình LSTM trong bài toán trích xuất thông tin quan điểm. Thuật toán sẽ được đánh giá dựa trên hai tập dữ liệu tiếng Anh và tiếng Việt.

Luận văn sẽ trình bày về lý thuyết mạng neural RNN và cải tiến của nó là LSTM cùng với một số thuật toán học máy quan trọng trong quá trình xử lý dữ liệu ngôn ngữ. Cuối cùng, luận văn sẽ mô tả việc áp dụng và kết quả khi sử dụng mô hình LSTM trong bài toán trích xuất thông tin quan điểm. Thuật toán sẽ được đánh giá dựa trên hai tập dữ liệu tiếng Anh và tiếng Việt.

Bài giảng "Xử lý ngôn ngữ tự nhiên - Chương 1: Neural NLP" cung cấp cho người học các kiến thức về học sâu, Neural NLP, phân loại cảm xúc dựa trên CNN, dịch máy dựa trên RNN. Mời các bạn cùng tham khảo nội dung chi tiết.

Tuyển tập báo cáo các nghiên cứu khoa học quốc tế ngành hóa học dành cho các bạn yêu hóa học tham khảo đề tài: FPGA Prototyping of RNN Decoder for Convolutional Codes