|
Dòng
|
Nội dung
|
|
1
|
|
|
2
|
|
|
3
|
Tối ưu hóa quy trình chiết xuất cao quả Mai Dương – Mimosa Pigra L. Fabaceae hướng ức chế Alpha Glucosidase : Đề án Thạc Sĩ Kiểm nghiệm thuốc và Độc chất; Mã ngành: 8720210 / Trương Minh Quân; Phan Thiện Vy, Trần Anh Vỹ hướng dẫn
Tp.Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2025
viii, 52 tr. : hình ảnh; bảng ; 29 cm.
Ký hiệu phân loại (DDC): 615.19
Định danh thực vật: Xác định mẫu thực hiện là cây Mai Dương (Mimosa pigra L.).Thực hiện tối ưu hóa: Xác định các yếu tố ảnh hưởng đến hiệu suất và hoạt tính ức chế α-glucosidase Thiết kế thí nghiệm: dùng công cụ Design-Expert để tạo ra ma trận thí nghiệm Thực hiện thí nghiệm: tiến hành lần lượt các thí nghiệm theo ma trận đã thiết kế và thu thập dữ liệu Phân tích dữ liệu: nhập dữ liệu thu thập từ ma trận vào phần mềm Design-Expert để phân tích, sử dụng chức năng tối ưu hóa số để tìm ra các điều kiện lý tưởng cho quy trình chiết xuất cao và hoạt tính ức chế enzym Xác nhận kết quả: thực hiện các thí nghiệm được phân tích là tối ưu để đảm bảo rằng các điều kiện tối ưu thực sự mang lại kết quả ức chế enzym mong muốn. Kiểm nghiệm cao chiết tối ưu: Kiểm tra một số chỉ tiêu chất lượng của cao: định tính; định lượng; độ ẩm; tro toàn phần và tro không tan trong acid.
Số bản sách:
(1)
Tài liệu số:
(0)
|
|
4
|
Tối ưu hóa tài nguyên động trên môi trường điện toán đám mây : Báo cáo Tổng kết Đề tài Khoa học và Công nghệ cấp cơ sở năm 2024 - 2025 / Nguyễn Thị Phong Dung
Tp.Hồ Chí Minh : Đại học Nguyễn Tất ThànhĐại học Nguyễn Tất Thành, 2025
48 tr. : sơ đồ ; 29 cm.
Ký hiệu phân loại (DDC): 005.376
Nghiên cứu này hướng đến việc xây dựng một hệ thống tích hợp để dự báo và tối ưu hóa phân bổ tài nguyên trong môi trường điện toán đám mây, với mục tiêu cải thiện hiệu năng hệ thống, giảm chi phí vận hành và đảm bảo chất lượng dịch vụ (QoS). Đề xuất hệ thống bao gồm 3 tầng chính: Tầng đầu vào, Tầng dự đoán và Tầng tối ưu hóa.Nghiên cứu này đã đưa ra và triển khai một hệ thống tích hợp dự báo nhu cầu tài nguyên và tối ưu hóa phân bổ tài nguyên trong môi trường điện toán đám mây, sử dụng mô hình Transformer (TF) kết hợp với các thuật toán tối ưu hóa như Thuật toán Di truyền (GA) và Tối ưu hóa Đàn Kiến (ACO). Hệ thống đề xuất sử dụng mô hình Transformer (TF) kết hợp với các thuật toán GA và ACO đã đạt được kết quả vượt trội, nghiên cứu vẫn tồn tại một số hạn chế như cần kiểm tra trên nhiều loại tải công việc khác nhau, chi phí tính toán của TF cao hơn so với LSTM và việc thích nghi nhanh với nhu cầu thay đổi tài nguyên cần được phát triển thêm để đảm bảo sự ổn định của hiệu suất.
Số bản sách:
(1)
Tài liệu số:
(1)
|
|
|
|
|