Tác giả
- Lê, Duy Khánh (1)
- Phùng, Thị Khánh Linh (1)
- Trần, Anh Tuấn (1)
- Trần, Quang Toàn (1)
- Sau >
Chủ đề
- Dữ liệu (1)
- Dữ liệu viễn thông (1)
- Luận văn thạc sĩ (1)
- Mô hình toán học (1)
- < Trước Sau >
Năm xuất bản
Toàn văn
- true (7)
Luận văn ThS Khoa Công nghệ thông tin (7)
Danh sách tài liệu trong bộ sưu tập (Sắp xếp theo "Nhan đề " với thứ tự "Tăng dần "): Hiển thị 1-7 trong tổng số 7 tài liệu
Trong luận văn này, chúng tôi định nghĩa, phân tích, mô hình hóa bài toán lập kế hoạch tối ưu với các ràng buộc công việc xung đột, tiếp theo chúng tôi để xuất mô hình toán học mới để giải quyết bài toán này, kết quả nghiên cứu là các thuật toán chính xác và meta-heuristic để giải quyết bài toán, đồng thời kiểm tra hiệu quả các thuật toán trên các bộ dữ liệu sinh ngẫu nhiên. |
Nghiên cứu một phiên bản mạnh của bài toán lựa chọn địa điểm để khai thác tối đa lợi nhuận trong thị trường cạnh tranh, giả định rằng mỗi khách chọn địa điểm để đến trong số tất cả các địa điểm có sẵn theo mô hình tối đa hóa độ khả dụng. |
Vấn đề nghiên cứu mà tôi đặt ra trong đề tài này là nhận dạng văn bản viết tay tiếng việt. Tôi quan tâm đến việc xây dựng các kiến rúc mô hình học máy có khả năng nhận diện và xử lý văn bản viết tay một các chính xác, hiệu quả. |
Luận văn tập trung nghiên cứu và cải tiến mô hình học sâu cho nhiệm vụ phát hiện đối tượng 3D, một thành phần quan trọng trong hệ thống tự lái xe băng cách kết hợp cảm biến Lidar và Camera hai loại cảm biến này bổ sung cho nhau. Với Lidar cung cấp thông tin về độ sâu chi tiết trong dữ liệu đám mây điểm 3D và Camera cung cáp thông tin màu sắc đối tượng
Kết quả thử nghiệm cho thấy mô hình đề xuất đạt trình độ chính xác cao hơn so với các phương pháp chỉ sử dụng một cảm biến Lidar. Đặc biệt, mô hình đã nhận diện được nhiều loại đối tượng hơn và chính sác hơn, bao gồm các đối tượng như người đi bộ, xe tải, ô tô và người ngồi với độ chính xác trung bình cao hơn so với mô hình cơ sở. |
Trong bối cảnh dữ liệu nhiều chiều ngày càng trở nên phổ biến trong học máy, việc lựa chọn đặc trưng hiệu quả đóng vai trò then chốt trong việc xây dựng các mô hình phân lớp dữ liệu chính xác, đồng thời tối ưu hóa chi phí tính toán. Luận văn này đề xuất và phát triển hai mô hình lựa chọn đặc trung: Top Frequency-Based Feature Selection (TFFS) và Hybrid Feature Selection Paradigm. Mô hinh hybrid được thiết kế dựa trên kết quả từ TFFS như một giai đoạn nền tảng, sau đó kết hợp các kỹ thuật chọn lọc đặc trưng cổ điển để tạo ra các tập hợp con đặc trưng mạnh mẽ. Những tập hợp này được áp dụng vào bốn mô hình phân lớp phổ biến gồm Naive Bayes, Decision Tree, K-Nearest Neighbors và Support ... |
Nghiên cứu này ứng dụng các thuật toán học máy như Logistic Regression, Decision Tree và Radom Forest để dự báo khả năng rời bỏ của khách hàng viễn thông, đồng thời áp dụng duy diễn nhân quả để xác định nguyên nhân khiến khách hàng rời bỏ dịch vụ. Phương pháp nghiên cứu bao gồm xử lý, phân tích dữ liệu, xây dựng mô hình học máy với suy diễn nhân quả. |
Xây dựng cây quyết định có trọng số cho dự đoán sai với ràng buộc về tài nguyên bằng mô hình quy hoạch nguyên tuyến tính hỗn hợp. Đề xuất một mô hình toán học mới để giải quyết bài toán xây dựng cây quyết định nhạy cảm với chi phí và ràng buộc về thời gian. Đưa ra một số điều chỉnh trong các nghiên cứu trước sao cho phù hợp với bài toán nhằm mục đích so sánh hiệu suất kết quả thực nghiệm giữa các mô hình. |
