Dòng Nội dung
1
Đề xuất mô hình chú thích ảnh sử dụng đồ thị tri thức : Đề án Thạc sĩ Công nghệ thông tin / Đinh Xuân Thao; Nguyễn Kim Quốc (hướng dẫn)
Tp. Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2023
64 tr. : hình ảnh; sơ đồ ; 29 cm.
Ký hiệu phân loại (DDC): 005.72
Nghiên cứu này nhằm xây dựng và đánh giá một mô hình chú thích ảnh sử dụng đồ thị tri thức tích hợp với phương pháp R-CNN. Phát triển một mô hình chú thích ảnh hiệu quả sử dụng đồ thị tri thức để cải thiện độ chính xác và đầy đủ của các chú thích; Tích hợp đồ thị tri thức vào mô hình R-CNN để cung cấp thông tin ngữ nghĩa và mối quan hệ giữa các đối tượng trong ảnh. Nghiên cứu cách mà mô hình có thể hiểu được ngữ cảnh của ảnh và áp dụng thông tin này để cải thiện quá trình chú thích; Nghiên cứu cách mô hình có thể xử lý hiệu quả các ảnh có nhiều đối tượng và ngữ cảnh phức tạp. Thực hiện các thử nghiệm và đánh giá hiệu suất của mô hình đề xuất so với các phương pháp chú thích ảnh truyền thống và mô hình R-CNN cơ bản; Đề xuất cách mà mô hình có thể tích hợp vào các ứng dụng thực tế, bao gồm hệ thống quản lý ảnh, ứng dụng di động và các hệ thống liên quan đến thị giác máy tính.
 Số bản sách: (1) Tài liệu số: (1)
2
Đề xuất mô hình chú thích ảnh sử dụng đồ thị tri thức : Báo cáo Tổng kết Đề tài Khoa học và Công nghệ cấp cơ sở năm 2024 - 2025 / Nguyễn Kim Quốc
Tp.Hồ Chí Minh, Đại học Nguyễn Tất Thành
vi, 51 tr. : hình ảnh; bảng ; 29 cm.
Ký hiệu phân loại (DDC): 006.336
Đề tài hướng đến việc đề xuất một mô hình chú thích ảnh hiệu quả dựa trên sự kết hợp giữa mạng học sâu và đồ thị tri thức. Nghiên cứu nhằm cải thiện khả năng hiểu ngữ cảnh hình ảnh, tăng tính chính xác, đa dạng và hợp lý trong quá trình sinh chú thích tự động. Mục tiêu tổng quát này được cụ thể bởi các mục tiêu sau: Tiến hành tổng quan các công trình nghiên cứu liên quan đến lĩnh vực chú thích ảnh, học sâu và ứng dụng đồ thị tri thức. Xác định các hướng tiếp cận, ưu điểm, hạn chế và những khoảng trống nghiên cứu cần được khai tháctrong đề tài. Đề xuất nội dung nghiên cứu chi tiết và phương pháp tiếp cận phù hợp. Thiết kế, xây dựng mô hình chú thích ảnh kết hợp mạng học sâu và đồ thị tri thức, nhằm nâng cao khả năng biểu diễn ngữ nghĩa và tạo sinh câu mô tả. Thực hiện các thí nghiệm với bộ dữ liệu chuẩn trong lĩnh vực chú thích ảnh để kiểm chứng mô hình. Phân tích, đánh giá kết quả đạt được, so sánh với các mô hình hiện có, thảo luận ưu điểm, hạn chế và định hướng phát triển.Nghiên cứu này sẽ cung cấp cái nhìn sâu sắc về cách tích hợp đồ thị tri thức có thể cải thiện mô hình R-CNN trong bài toán chú thích ảnh, có thể giúp nâng cao hiểu biết về sự kết hợp linh hoạt giữa các phương pháp phổ biến trong phát hiện đối tượng, tìm kiếm xử lý ảnh và trí tuệ nhân tạo.
 Số bản sách: (1) Tài liệu số: (0)
3
GRR : GraphRAG Reranking xây dựng đồ thị tri thức kết hợp LLM cho chẩn đoán, trả lời câu hỏi bệnh hiếm : Khóa luận tốt nghiệp chuyên ngành Trí tuệ nhân tạo / Phạm Anh Quân; Hà Minh Tân hướng dẫn
Tp. Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2024.
viii, 56 tr. : hình ảnh ; 29 cm.
Ký hiệu phân loại (DDC): 616
Nghiên cứu nhằm xây dựng một hệ thống tích hợp đồ thị tri thức (Knowledge Graph) với mô hình ngôn ngữ lớn (LLM), sử dụng kỹ thuật LightRAG và tự động đánh giá bộ ba (triplet) truy xuất gọi là reranking để chẩn đoán và trả lời các câu hỏi liên quan đến bệnh hiếm. Triplet (h, r t), đỉnh đầu, mối quan hệ, đỉnh đuôi. Hệ thống được kỳ vọng sẽ nâng cao độ chính xác và độ tin cậy trong việc cung cấp thông tin trong trả lời câu hỏi y khoa và hỗ trợ chẩn đoán. Đồng thời, hệ thống sẽ tiết kiệm chi phí hơn so với các phương pháp truyền thống như fine-tuning hoặc huấn luyện lại toàn bộ mô hình từ đầu. Điều quan trọng là hệ thống này không chỉ dừng lại ở việc hỗ trợ chẩn đoán mà còn hướng đến khả năng mở rộng, dễ dàng áp dụng vào thực tế y khoa và các lĩnh vực khác.
Số bản sách: (1) Tài liệu số: (1)
4
Nghiên cứu sử dụng mô hình ngôn ngữ và đồ thị tri thức cho xây dựng hệ hỏi đáp : Đề án Thạc sĩ Công nghệ Thông tin; Mã ngành: 8480201 / Nguyễn Việt Cường ; Trần Khải Thiện, Võ Thị Hồng Thắm hướng dẫn
Tp. Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2024
vii,63 tr. : hình ảnh ; 29 cm.
Ký hiệu phân loại (DDC): 005.52
Xây dựng một KG đặc thù cho tiếng Việt nhằm giải quyết vấn đề thiếu hụt dữ liệu và tài nguyên ngôn ngữ, từ đó nâng cao độ chính xác và hiệu quả của hệ thống QA. Đề tài giới thiệu một hệ thống QA mới bằng cách kết hợp các mô hình ngôn ngữ hiện đại, chẳng hạn như GPT với KG. Dù việc sử dụng KG để cải thiện độ chính xác đã được khám phá, việc kết hợp KG với các mô hình ngôn ngữ tiên tiến trong bối cảnh tiếng Việt vẫn chưa được thực hiện rộng rãi. Bên cạnh đó, đề tài tập trung vào việc cải thiện khả năng xử lý các câu hỏi phức tạp và yêu cầu kiến thức chuyên sâu.Việc tích hợp KG sẽ giúp hệ thống hiểu rõ hơn về ngữ cảnh và các mối quan hệ giữa các khái niệm, qua đó nâng cao độ chính xác của câu trả lời. Nghiên cứu xây dựng một hệ thống trả lời câu hỏi QA mới tích hợp các mô hình ngôn ngữ tiên tiến với KG để cải thiện độ chính xác và hiệu suất trong xử lý các câu hỏi bằng tiếng Việt.
 Số bản sách: (1) Tài liệu số: (1)