|
Dòng
|
Nội dung
|
|
1
|
|
|
2
|
Dự đoán giá cổ phiếu sử dụng mô hình GRU và LSTM : Khóa luận tốt nghiệp chuyên ngành Trí tuệ nhân tạo / Hoàng Nguyên Long, Lê Mậu Long hướng dẫn
Tp. Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2024
64 tr. : hình ảnh ; 29 cm.
Ký hiệu phân loại (DDC): 006.3
Nghiên cứu nhằm phát triển một mô hình dự báo trong lĩnh vực tài chính sử dụng công nghệ LSTM (Long Short-Term Memory) - GRU, nhằm mục đích cải thiện năng lực dự báo và quản lý rủi ro trong ngành tài chính. Nghiên cứu và hiểu về LSTM - GRU: Nghiên cứu kỹ lưỡng về cấu trúc và nguyên lý hoạt động của LSTM - GRU, hiểu rõ cách mô hình này xử lý và duy trì thông tin trong dài hạn; Khảo sát các ứng dụng thực tế; Phân tích ưu và nhược điểm trong dự báo tài chính, từ đó phát triển phương pháp tiếp cận hiệu quả nhất cho từng loại dữ liệu. Chuẩn bị và xử lý dữ liệu: Thu thập dữ liệu tài chính từ các nguồn đáng tin cậy; Tiến hành các bước tiền xử lý như chuẩn hóa, loại bỏ nhiễu và xử lý các vấn đề dữ liệu cụ thể. Xây dựng mô hình LSTM - GRU: Thiết kế kiến trúc mô hình LSTM - GRU phù hợp với đặc điểm của dữ liệu tài chính; Xác định và tinh chỉnh các siêu tham số của mô hình. Tối ưu hóa và đánh giá mô hình: Đánh giá hiệu suất mô hình qua các chỉ số chính xác và độ tin cậy; Sử dụng các kỹ thuật tối ưu hóa tiên tiến; Thử nghiệm độ bền và ổn định của mô hình; Phân tích khả năng quẩn lý rủi ro của mô hình.
Số bản sách:
(1)
Tài liệu số:
(1)
|
|
3
|
|
|
4
|
Phát hiện ngôn ngữ ký hiệu bằng Action Recognition với mô hình học sâu LSTM : Khóa luận tốt nghiệp chuyên ngành Trí tuệ nhân tạo / Vi Văn Sang, Đặng Như Phú
Tp. Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2024
ix, 56 tr. : Hình ảnh minh họa ; 29 cm.
Ký hiệu phân loại (DDC): 006.35
Nghiên cứu nhằm sử dụng thị giác máy tính để có thể nhận dạng ngôn ngữ ký hiệu trong thời gian thực với độ chính xác cao. Giúp làm giảm khoảng cách giữa những người có thể nghe tốt với những người khó nghe hoặc thậm chí là điếc. Tạo ra một bộ dữ liệu gồm các toạ độ gộp thành một mảng numpy lớn tương ứng với các chữ cái, chữ số hoặc ký hiệu được áp dụng cho mạng nơron sâu. Các mảng numpy này được gắn nhãn theo chữ cái đang được ký. Nhận dạng ngôn ngữ ký hiệu là nhiệm vụ của việc nhận dạng tự động các ký hiệu từ chuỗi video của ngôn ngữ ký hiệu. Nó cung cấp một phương tiện giao tiếp cho những người có vấn đề về thính lực hoặc nói chuyện cũng như tạo điều kiện cho việc giao tiếp giữa cộng đồng nghe và điếc.
Số bản sách:
(1)
Tài liệu số:
(0)
|
|
5
|
Thiết kế và xây dựng Website dựa trên mô hình LSTM để dự đoán phân tích cảm xúc văn bản : Khóa luận tốt nghiệp chuyên ngành Trí tuệ nhân tạo / Nguyễn Trường Thịnh; Bùi Tiến Đức hướng dẫn
Tp. Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2024
76 tr. : hình ảnh ; 29 cm.
Ký hiệu phân loại (DDC): 006.76
Đề tài nghiên cứu nhằm xây dựng một hệ thống tích hợp, có khả năng phân tích cảm xúc văn bản và nhận diện nội dung độc hại một cách tự động, nhanh chóng và chính xác. Phân tích cảm xúc văn bản là một trong những ứng dụng nổi bật của xử lý ngôn ngữ tự nhiên (NLP). Hệ thống này có thể giúp xác định trạng thái cảm xúc của người viết đối với một sự việc, đối tượng hay sản phẩm cụ thể. Nghiên cứu nhằm tạo ra một website với giao diện thân thiện, nơi người dùng có thể dễ dàng nhập văn bản và nhận được các kết quả phân tích chính xác và trực quan. Sản phẩm này không chỉ là một công cụ hữu ích cho cá nhân mà còn có thể được ứng dụng trong các doanh nghiệp, tổ chức và nền tảng mạng xã hội để quản lý và kiểm soát nội dung tốt hơn
Số bản sách:
(1)
Tài liệu số:
(1)
|
|
|
|
|