Mục tiêu chính của bài viết là nghiên cứu nhận dạng cảm xúc từ tiếng nói bằng cách kết hợp đặc trưng giọng nói và thông tin ngữ nghĩa từ văn bản dựa trên các mô hình học sâu như CNN hay LSTM và mô hình ngôn ngữ lớn (LLM). Hai cảm xúc cơ bản sẽ được nghiên cứu bao gồm: tiêu cực và trung lập trên bộ dữ liệu tiếng nói tiếng Việt thực tế.

Bài viết này đề xuất một cách tiếp cận khác để nhận dạng tín hiệu ra-đa sử dụng mạng AlexNet để nâng cao độ chính xác và rút ngắn thời gian huấn luyện phục vụ cho mục đích trinh sát điện tử. Thuật toán đề xuất gồm có 02 bước: Bước 1 sử dụng để trích xuất đặc trưng tín hiệu bằng kỹ thuật phân tích Wavelet trên cả hai miền thời gian-tần số. Bước 2 sử dụng mạng AlexNet để nhận dạng các tín hiệu nói trên.

Trong luận văn này, đề xuất mô hình học sâu là mạng nơ-ron tích chập trong việc phân loại tập ảnh. Đồng thời, kết hợp ngữ nghĩa vào việc tìm kiếm dựa trên một domainontology để mô tả các mối quan hệ giữa các chủ đề ảnh cần phân lớp. Phương pháp tìm kiếm này không những hiệu quả và chính xác hơn phương pháp tìm kiếm dựa trên meta - data hoặc nội dung của ảnh mà còn cho phép mở rộng và đa dạng hóa kết quả tìm kiếm thông qua việc kết hợp ngữ nghĩa vào việc tìm kiếm.

mục tiêu của luận văn là nghiên cứu và ứng dụng các kỹ thuật học sâu trong việc trích xuất đặc trưng ảnh vệ tinh nhằm giám sát lớp phủ thực vật, áp dụng trên phạm vi tỉnh Cao Bằng. Trọng phạm vi luận văn này sẽ tập trung nghiên cứu về mô hình mạng Nơ-ron phức hợp U-Net để tiến hành giám sát lớp phủ thực vật của tỉnh Cao Bằng dựa trên dữ liệu ảnh vệ tinh Sentinel.

Mục tiêu của luận án đó là nghiên cứu cải tiến một số kỹ thuật rút gọn đặc trưng tiên tiến trong phân lớp dữ liệu đối với một số miền ứng dụng. Hướng tiếp cận lựa chọn đặc trưng xác định một tập con đặc trưng tốt nhất có thể từ tập đặc trưng ban đầu mà không làm giảm kết quả phân lớp. Mời các bạn cùng tham khảo đề tài.