|
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
|
Dự báo thời tiết cải thiện thông qua học sâu : Khoá luận tốt nghiệp chuyên ngành Trí tuệ nhân tạo / Đặng Anh Thư, Đặng Như Phú hướng dẫn
Khoá luận tốt nghiệp chuyên ngành : Đại học Nguyễn Tất Thành, 2024
IX, 33 tr. : Sơ đồ; Hình ảnh ; 29 cm.
Ký hiệu phân loại (DDC): 551.6
Thời tiết không chỉ là đối tượng quan tâm của người làm nông, ngư dân hay du khách mà còn ảnh hưởng sâu sắc đến nhiều khía cạnh của đời sống xã hội và kinh tế. Biến động khí hậu, sự biến đổi ngày càng phức tạp và khó lường, tạo ra những tình huống khẩn cấp đòi hỏi những phương tiện dự báo mạnh mẽ và linh hoạt hơn có sữ cải tiến tiến trong lĩnh vực này. Việc nghiên cứu về cải thiện dự báo thời tiết thông qua học sâu là sự tiếp nối của sự phát triển về kỹ thuật mà còn là sự đáp ứng ngày càng cao về độ chính xác và đáng tin cậy của thông tin thời tiết. Nghiên cứu này đặt ra nhiệm vụ quan trọng là tìm kiếm những cách tiếp cận sáng tạo ứng dụng công nghệ học sâu để nâng cao khả năng dự báo thời tiết. Ứng phó với biến động thời tiết một cách chính xác và kịp thời. Qua đó, đóng góp cho sự phát triển tổng thể của ngành công nghiệp dự báo tời tiết và học máy.
Số bản sách:
(1)
Tài liệu số:
(0)
|
|
3
|
|
|
4
|
Phân tích cảm xúc trên phản hồi học viên bằng mô hình bert kết hợp kiến trúc đa kênh cnn-gru / Trần Sơn Nam, Thái Kim Phụng, Phạm Thế Vinh // Tạp chí Nghiên cứu Tài chính - Marketing . - 2025. - tr. 94-110. - ISSN: 1859-3690
Ký hiệu phân loại (DDC): 303.232
Nghiên cứu này đề xuất một mô hình kết hợp BERT và kiến trúc đa kênh gồm CNN và GRU. Bằng việc tận dụng ưu điểm từng mạng, hiệu suất bài toán phân tích cảm xúc trên phản hồi học viên tại Việt Nam được kỳ vọng nâng cao. Trong đó, mô hình tập trung cả hai nhiệm vụ phân loại (chủ đề và cực cảm xúc), hỗ trợ đo lường sự hài lòng cụ thể. Đồng thời, khả năng chống mất cân bằng của mô hình được chú trọng nhằm khai thác hiệu quả các bộ dữ liệu sẵn có, giúp tiết kiệm thời gian và tài chính. Thực nghiệm trên bộ dữ liệu UIT-VSFC cho thấy sự cải thiện hiệu suất tại chỉ số F1-Score (Macro) so với nghiên cứu gần đây, tăng 0,01 và 0,0051 lần lượt tại nhiệm vụ chủ đề và cực cảm xúc. Kết quả của nghiên cứu sẽ là một giải pháp hữu ích cho các cơ sở giáo dục, có thể ứng dụng để cải thiện giảng dạy, quản lý danh tiếng, hỗ trợ người học và là động lực để mở rộng nghiên cứu trong tương lai.
Số bản sách:
(0)
Tài liệu số:
(1)
|
|
5
|
Phát hiện gian lận thẻ tín dụng sử dụng mô hình học sâu Autoencoder kết hợp thuật toán Isolation forest / Ngô Thuỳ Linh, Nguyễn Dương Hùng // Tạp chí Kinh tế - Luật ngân hàng . - 2024. - tr. 167-180. - ISSN: 3030-4199
Ký hiệu phân loại (DDC): 332.178
Trình bày Gian lận thẻ tín dụng là một trong các vấn đề được nhiều ngân hàngcũng như các tổ chức quan tâm và nghiên cứu. Xây dựng các hệ thống để giámsát, phát hiện gian lận là điều vô cùng cần thiết và cấp bách tại các ngân hàng,để giảm thiểu tối đa số tiền mất không rõ lý do ảnh hưởng đến lợi nhuận và cảdanh tiếng, uy tín của ngân hàng hay tổ chức tín dụng đó. Tự động hóa pháthiện gian lận thẻ tín dụng là một giải pháp giải quyết nhu cầu người dùng và cung cấp bảo mật trên quy mô lớn. Trên cơ sở đó, bài báo này đã thực hiện tổng quan nghiên cứu, tiến hành thực nghiệm và đề xuất mô hình mới có sự kết hợp của 2 thuật toán Autoencoder và Isolation Forest trên hai bộ dữ liệu mẫu mô phỏng giao dịch trong ngân hàng. Sử dụng phương pháp nghiên cứu học sâu, Mô hình đề xuất đạt hiệu quả gần như tuyệt đối lên tới 99,77%, cải thiện độ chính xác đáng kể so với các nghiên cứu trước đây.
Số bản sách:
(0)
Tài liệu số:
(1)
|
|
|
|
|