|
Dòng
|
Nội dung
|
|
1
|
Cải thiện khả năng phát hiện tấn công mạng bằng kỹ thuật học sâu / Tô Trọng Tín // Tạp chí Khoa học và Công nghệ . - 2018. - Số 1, tr. 7-12. - ISSN:
Ký hiệu phân loại (DDC):
Hệ thống phát hiện tấn công mạng (Intrusion Detection System - IDS) là một phần mềm bảo mật được thiết kế để cảnh báo một cách tự động cho các quản trị viên khi có ai đó ho c cái gì đó đang cố gắng xâm nhập hệ thống thông qua các hoạt động nguy hiểm ho c vi phạm chính sách bảo mật. Nhiều nghiên cứu đ áp dụng thành công các thuật toán máy học để hệ thống IDS có khả n ng tự học và cập nhật các cuộc tấn công mới. Nhưng để hạn chế báo động nhầm và t ng khả n ng dự đoán các cuộc tấn công, thì ngoài khả n ng tự quyết định, IDS cần phải có tư duy ph n tích. Một khả n ng mà các nhà nghiên cứu gọi là học sâu. Bài viết này đề cập đến học s u như một hướng tiếp cận mới có thể giúp hệ thống IDS cải thiện độ ch nh xác và t ng tốc độ phân tích khi đầu vào quá lớn. Với việc áp dụng mạng thần kinh s u như mạng đa lớp n (Multilayer Perceptron - MLP) và mạng neural hồi quy (Recurrent Neural Network – RNN) trên tập dữ liệu KDD99 được sử dụng để đánh giá độ ch nh xác (Accuracy), độ l i phân lớp (MSE – Mean Squared Error) và ma trận h n loạn (Confusion Matrix). Hiệu quả đạt được là 98,2% với MLP và 99,04% với RNNs, so với 92,6% của SVM và 88.46% của Naïve Bayes..
Số bản sách:
(0)
Tài liệu số:
(1)
|
|
2
|
|
|
3
|
Phát triển hệ thống dự báo thời tiết bằng học sâu : Khoá luận tốt nghiệp chuyên ngành Khoa học dữ liệu / Nguyễn Hà Gia Bảo; Đặng Như Phú hướng dẫn
Tp. Hồ Chí Minh : Trường Đại học Nguyễn Tất Thành, 2025
65 tr. : bảng, hình ảnh ; 29 cm.
Ký hiệu phân loại (DDC): 006.3
Nghiên cứu nhằm khám phá và ứng dụng các mô hình học sâu và học máy tiên tiến để nâng cao hiệu quả và độ chính xác của dự báo thời tiết. Đánh giá hiệu quả của các mô hình học sâu: So sánh hiệu quả của các mô hình học sâu với các mô hình dự báo thời tiết truyền thống về độ chính xác và khả năng dự đoán. Khám phá các yếu tố ảnh hưởng đến dự báo thời tiết: Phân tích các yếu tố ảnh hưởng đến độ chính xác của các mô hình học sâu và đề xuất các biện pháp cải thiện.Nghiên cứu này không chỉ tập trung vào việc phát triển các mô hình mới mà còn xem xét việc tích hợp dữ liệu từ nhiều nguồn, cải thiện khả năng xử lý và dự báo thời gian thực, cũng như tối ưu hóa các phương pháp tính toán để ứng dụng rộng rãi trong thực tiễn.
Số bản sách:
(1)
Tài liệu số:
(1)
|
|
4
|
Ứng dụng học sâu trong nhận diện khuôn mặt : Khoá luận tốt nghiệp chuyên ngành Trí tuệ nhân tạo / Ngô Tuấn Anh; Đặng Như Phú hướng dẫn
Tp. Hồ Chí Minh : Trường Đại học Nguyễn Tất Thành, 2024
xii, 51 tr. : hình ảnh ; 29 cm.
Ký hiệu phân loại (DDC): 006.42
Tìm hiểu về các thuật toán nhận diện khuôn mặt người, phân tích và thiết kế hệ thống nhận dạng. Xây dựng model deep learning sử dụng ngôn ngữ Python. Xây dựng model để nhận diện khôn mặt một người sau đó đến nhiều người. Sau đó ứng dụng deep learning là sử dụng model của deep là facenet api vào hệ thông điểm danh Sau đó xây dựng cơ sở dữ liệu SQL php để thống kê, hiển thị dữ liệu, sử dụng PHP để xây dựng trang web về điểm danh. Nghiên cứu thực hiện nhằm phát triển và triển khai một giải pháp nhận diện khuôn mặt hiện đại, sử dụng các kỹ thuật học sâu tiên tiến. Đề tài không chỉ tập trung vào việc phân tích các cơ sở lý thuyết và các mô hình, mà còn hướng tới phát triển một hệ thống có tính ứng dụng cao trong thực tiễn, chẳng hạn như điểm danh cho sinh viên.
Số bản sách:
(1)
Tài liệu số:
(1)
|
|
5
|
Xây dựng giải pháp học sâu phát hiện và cảnh báo va chạm trong giao thông : Khoá luận tốt nghiệp chuyên ngành Trí tuệ nhân tạo / Nguyễn Phúc An; Trần Châu Thanh Thiện hướng dẫn
Tp. Hồ Chí Minh : Trường Đại học Nguyễn Tất Thành, 2024
xii, 67 tr. : hình ảnh ; 29 cm.
Ký hiệu phân loại (DDC): 388.312
Nghiên cứu và phát triển giải pháp sử dụng học sâu để phát hiện va chạm và cảnh báo trong giao thông, ứng dụng công nghệ nhận diện đối tượng qua mô hình YOLO (You Only Look Once) và theo dõi đối tượng qua thuật toán DeepSort. Đặc biệt, hệ thống sẽ tính toán khoảng cách giữa các đối tượng và đưa ra cảnh báo khi phát hiện nguy cơ va chạm, giúp người lái xe hoặc người tham gia giao thông có thể chủ động xử lý tình huống. Xây dựng một hệ thống phát hiện và theo dõi đối tượng trong giao thông, qua đó cung cấp một công cụ hữu ích hỗ trợ việc giảm thiểu rủi ro và tai nạn giao thông. Hệ thống không chỉ có tính ứng dụng cao mà còn góp phần vào việc cải thiện hiệu quả quản lý và giám sát giao thông, mang lại lợi ích lâu dài cho cộng đồng.
Số bản sách:
(1)
Tài liệu số:
(1)
|
|
|
|
|