1. Trí tuệ nhân tạo trong giáo dục: Cơ hội và thách thức đến tương lai của việc dạy và học ở trường đại học/Đinh Thị Mỹ Hạnh, Trần Văn Hưng.

Tóm tắt: Trí tuệ nhân tạo (Artificial Intelligence - AI) đang bùng nổ và có khả năng làm thay đổi mọi mặt trong đời sống nhân loại. Trong giáo dục, AI đang tạo ra những phương pháp dạy và học mới đang được thử nghiệm trong những điều kiện và ở nhiều quốc gia với trình độ phát triển khác nhau và đạt những mức độ thành công khác nhau. Bài báo này tập trung phân tích cơ hội, thách thức và những tác động trong tương lai của AI đối với việc dạy và học ở các trường đại học thế giới nói chung. (1) Bài báo phân tích những thay đổi tích cực mà AI đem lại cho giáo dục. (2) Những thách thức, khó khăn khi ứng dụng AI vào giáo dục đại học cũng như đề xuất một số giải pháp chủ yếu để khắc phục những khó khăn đó.

Nguồn trích: Tạp chí Khoa học và Công nghệ (Đại học Đà Nẵng) - 2021 - no.2 - tr.38-42. ISSN.1859-1531.

2. Ảnh hưởng của trí tuệ nhân tạo tới nghề kế toán / Đỗ Thị Thu Thủy

Tóm tắt: Sự phát triển của công nghệ số, với mạng Internet, Dữ liệu lớn, Trí tuệ nhân tạo (AI)... đang làm thay đổi mọi mặt của đời sống kinh tế và xã hội. Nghề kế toán cũng đang chứng kiến những sự thay đổi lớn về vai trò của mình trong tổ chức và các chức năng thực hiện. Bài viết này nhằm mục đích thảo luận một số thách thức mà nghề kế toán phải đối mặt hiện nay và làm sáng tỏ một số xu hướng phát triển có thể có trong tương lai của nghề này trong bối cảnh trí tuệ nhân tạo được ứng dụng ngày càng rộng rãi.

Nguồn trích: Tạp chí Kế toán và Kiểm toán - 2021 - no.6 - tr.92-97 - ISSN.1859-1914

3. Ứng dụng của trí tuệ nhân tạo trong giáo dục / Nguyễn Tất Thắng; Đặng Thị Thu Hà; Lã Đăng Hiệp

Tóm tắt: Công nghệ mới dưới dạng trí tuệ nhân tạo (AI) hiện đang dần thay đổi các công cụ và thể chế giáo dục, từ đó có thể thay đổi tương lai của lĩnh vực này. Việc ứng dụng trí tuệ nhân tạo (AI) trong giáo dục như quản lý, đổi mới giảng dạy đã có tác động rất rõ nét đến bài giảng, tạo hứng thú học tập, mới lạ và không gian học tập ngày càng mở rộng không biên giới. Bài viết này trình bày các ứng dụng của AI trong giáo dục.

Nguồn trích: Tạp chí Thiết bị giáo dục - 2021 - no.245 - tr.1-3 - ISSN.1859-0810

4. Chiến lược phát triển công nghệ trí tuệ nhân tạo của Nhật Bản hiện nay / Phạm Thu Thủy

Tóm tắt: Nhật Bản là một trọng số nước tiên tiến hàng đầu thế giới trong phát triển công nghệ trí tuệ nhân tạo (AI) trong những thập niên cuối thế kỷ XX nhưng sau đó bị tụt hậu so với Trung Quốc, Mỹ và một số nước Tây u. Để hồi sinh vị thế tiên phong thế giới và khắc phục những vấn đề kinh tế, xã hội đang đặt ra cấp bách cho quốc gia này, Chính phủ Nhật Bản đang nỗ lực hoạch định, hoàn thiện và triển khai chiến lược phát triển công nghệ AI trong những năm vừa qua. Bài viết góp phần làm rõ quá trình hoạch định và những điểm nổi bật về nội dung chiến lược trí tuệ nhân tạo của Nhật Bản, một số triển vọng triển khai và những liên hệ bước đầu với chiến lược phát triển trí tuệ nhân tạo của Việt Nam.

Nguồn trích: Nghiên cứu Đông Bắc Á - 2021 - no.4 - tr.60-68 - ISSN.2354-077X

5. Thiết kế hệ thống theo dõi và phát hiện bất thường cho cầu đường bộ dựa trên trí tuệ nhân tạo / Đặng Xuân Kiên; Đồng Văn Hướng; Hồ Lê Anh Hoàng.

Tóm tắt: Gần đây, những tiến bộ trong công nghệ cảm biến, mô hình truyền thông dữ liệu và các thuật toán xử lý dữ liệu đã thúc đẩy các nghiên cứu về giám sát sức khỏe cấu trúc, phát hiện bất thường, giám sát lưu lượng và các triển khai khác của hệ thống giám sát cầu đường bộ. Bài báo đề xuất phương pháp thiết kế hệ thống theo dõi và phát hiện bất thường cho cầu đường bộ kết hợp công nghệ trí tuệ nhân tạo (AI) và Internet vạn vật (loT). Máy tính nhúng Raspberry Pi 4 tích hợp công nghệ loT và AI với mạng nơ-rơn tích chập (CNN) được sử dụng để đồng thời giám sát các cây cầu từ xa trên website và app thông qua cơ sở dữ liệu đám mây Google Firebase. Bước đầu thử nghiệm thành công tại phòng thí nghiệm cho thấy hệ thống có khả năng làm việc ổn định và đáp ứng mục tiêu đã để xuất.

Nguồn trích: Giao thông vận tải - 2021 - no.6 - tr.51-54 - ISSN.2354-0818

6. Ứng dụng mạng thần kinh nhân tạo để dự báo sức chịu tải cọc / Phạm Tuấn Anh.

Tóm tắt: Bài báo trình bày kết quả ứng dụng mô hình mạng thần kinh nhân tạo trong việc xác định sức chịu tải cọc. Một mô hình mạng thần kinh nhân tạo đã được xây dựng và đào tạo trên phần mềm EXCEL và được sử dụng để xác định sức chịu tải cọc. Một bộ số liệu nén tĩnh cọc được sử dụng để đào tạo và kiểm tra mô hình. Kết quả của nghiên cứu được so sánh với công thức thực nghiệm theo TCVN 10304:2014, cho thấy mạng thần kinh nhân tạo cho phép dự đoán sức chịu tải cọc sát với kết quả thí nghiệm và tốt hơn so với công thức trong tiêu chuẩn. Kết quả khảo sát cũng cho thấy rằng, mô hình dự báo sức chịu tải của cọc nhồi tốt hơn so với cọc đóng ép. Ngoài ra, mô hình xác định sức chịu tải của cọc bê tông tốt hơn so với cọc thép và cọc làm bằng vật liệu tổng hợp. Kết quả của nghiên cứu là một tiền đề cho việc ứng dụng mạng thần kinh nhân tạo trong việc giải quyết các bài toán khác trong lĩnh vực xây dựng.

Nguồn trích: Tạp chí Xây dựng - 2021 - no.7 - tr.124-127 - ISSN.2734-9888

7. Nghiên cứu ứng dụng kỹ thuật trí tuệ nhân tạo dự báo áp lực tiền cố kết của đất yếu tại một số khu vực ở đồng bằng Bắc Bộ / Nguyễn Đức Mạnh; hồ Sỹ An; Nguyễn Hải Hà; Phạm Bá Khải; Nguyễn Đình Trung; Nguyễn Đình Dũng.

Tóm tắt: Áp lực tiền cố kết (Pc) của đất yếu ở một số khu vực Đồng bằng Bắc Bộ Việt Nam đã được dự đoán bằng Trí tuệ nhân tạo - Máy học thông qua 3 mô hình: Hỗ trợ hồi quy vectơ (SVR), Mạng nơron nhân tạo đa lớp Perceptron (ANN MLP), Hồi quy Ridge (RR) . Các mô hình đó được xây dựng bằng ngôn ngữ lập trình Python và thư viện máy học phần mềm Scikit-learning. Số liệu cho nghiên cứu này là 159 mẫu đất yếu được lấy tại công trường với đầy đủ các chỉ tiêu cơ lý đạt được từ các thí nghiệm trong phòng thí nghiệm tại các tỉnh Quảng Ninh, Hải Phòng, Thái Bình, Nam Định, Ninh Bình và Hải Dương. Chúng tôi sử dụng 15 đặc tính vật lý của đất làm đầu vào để phân tích mối tương quan với Pc. Sau khi loại bỏ các thông số có mối tương quan yếu với Pc, ta có 6 thông số tương quan mạnh với Pc: độ sâu lấy mẫu trên (m), độ sâu lấy mẫu dưới (m), hàm lượng sét (%), chỉ số thanh khoản, khối lượng riêng (g / cm3), tỷ lệ rỗng. Để dự đoán Pc, các mô hình được xây dựng với 70% tập huấn luyện và 30% tập thử nghiệm. Hiệu suất của các mô hình đã được xác nhận bằng cách sử dụng các biện pháp thống kê khác nhau: Sai số tuyệt đối trung bình (MAE), Hệ số tương quan trung bình trung bình gốc (RMSE) Hệ số tương quan (R) và Hệ số xác định (R2). Kết quả dự đoán mô hình Pc cho thấy hiệu suất của các mô hình sử dụng các phương pháp khác nhau là khác nhau nhiều, trong đó giá trị R2 thay đổi từ 0,728 đến 0,843. Nghiên cứu này cho rằng mô hình ANN-MLP có khả năng dự báo cao nhất trong 3 mô hình: R2 = 0,843, MAE = 0,143, RMSE = 0,187 và R = 0,923.

Nguồn trích: Tạp chí Địa Kỹ thuật - 2021 - no.03 - tr.26-35 - ISSN.0868-279X

8. Kinh nghiệm sử dụng trí tuệ nhân tạo trong lĩnh vực tín dụng tại một số quốc gia và bài học kinh nghiệm cho các ngân hàng thương mại Việt Nam / Nguyễn Tiến Hưng.

Tóm tắt: Trong xu hướng bùng nổ của cuộc cách mạng 4.0, trí tuệ nhân tạo đang dần thể hiện được vai trò là công nghệ tiên phong đối với lĩnh vực ngân hàng nói chung và lĩnh vực tín dụng nói riêng. Công nghệ này đã được phát triển từ hơn 50 năm trước, tuy nhiên với sự tiến bộ của khoa học máy tính, sự dồi dào về dữ liệu và nhu cầu của thị trường thì trí tuệ nhân tạo đang được phát triển một cách mạnh mẽ và dần định hình cuộc chơi của các ngân hàng trong tương lai.

Nguồn trích: Tạp chí Kinh tế Châu Á - Thái Bình Dương/ 2021 - no.587 - tr.88-90 - ISSN.0868-3808

9. Đánh giá các tham số của mô hình mạng nơ-ron tích chập và ứng dụng vào thiết kế phần mềm nhận dạng chữ số viết tay trên nền tảng di động android / Nguyễn Ngọc Tuấn Anh; Vương Quang Phước; Phan Hải Phong.

Tóm tắt: Trong thập kỉ vừa qua, trí nhân tạo nói chung hay kĩ thuật học sâu nói riêng đã có những bước phát triển đáng chú ý. Bài báo trình bày một mô hình mạng trí tuệ nhân tạo, nhận diện chữ số viết tay bằng mạng neuron tích chập (Convolutional neural network - CNN) [1]. Qua đó làm rõ các khái niệm tham số, đánh giá tầm quan trọng các tham số trong mô hình, trình bày kết quả mô phỏng đạt được khi sử dụng mạng neuron nhân tạo để nhận diện các ảnh chữ số viết tay dựa trên tập dữ liệu MNIST (Modified National Institute of Standards and Technology) [2] và đưa mô hình mạng CNN ứng dụng vào bài toán nhận dạng chữ số viết tay trên nền tảng Android. Hiệu năng của mô hình được đánh giá qua tỉ lệ nhận dạng đúng và được khảo sát với nhiều trường hợp khác nhau.

Nguồn trích: Trường Đại học Khoa học, Đại học Huế - 2021 - no.1 - tr.59-69 - ISSN.2354-0850

10. Lao động ngành trí tuệ nhân tạo: Thị trường giàu tiềm năng / Minh Hà.

Tóm tắt: Chiến lược quốc gia về cuộc cách mạng công nghiệp 4.0 đã xác định Trí tuệ nhân tạo (AI - Artificial Intelligence) là một trong những công nghệ đột phá, mũi nhọn, cần được ưu tiên tập trung các nhóm chính sách để thúc đẩy phát triển. Do đó, cùng với sự phát triển mạnh mẽ của AI, những đòi hỏi ngày càng cao về nguồn nhân lực đáp ứng yêu cầu của ngành này đã đặt ra hướng đi về một thị trường lao động giàu tiềm năng.

Nguồn trích: Con số và sự kiện - 2021 - no.2 - tr.30-32 - ISSN.2734-9136

11. Tác động của trí tuệ nhân tạo trong quan hệ quốc tế: Cơ hội, thách thức và đề xuất chính sách tham chiếu đối với Việt Nam / Nguyễn Việt Lâm.

Tóm tắt: Trí tuệ nhân tạo (AI) được cho là một trong những công nghệ chính trong thế kỷ XXI có tác động mạnh mẽ đến sự vận hành của quan hệ quốc tế. Theo giới phân tích, quốc gia nào trên thế giới có khả năng dẫn dẳt sự sáng tạo và kiểm soát được công nghệ AI sẽ nâng cao được sức mạnh quốc gia, năng lực kinh tế, quốc phòng, từ đó làm thay đổi sự cân hằng lực lượng trong môi trường chính trị - kinh tế quốc tế. Có thế thấy, AI đang và sẽ là xu hướng có nhiều tác động đa chiều đổi với quan hệ quốc tế nói chung và từng quốc gia nói riêng trong tương lai.

Nguồn trích:Tạp chí Cộng sản - 2021 - no.962 - tr.104 – 111

12. Ứng dụng sóng siêu âm và mạng học sâu để nhận biết sự tích lũy kim loại nặng trong khoai lang = Application of Ultrasound and Deep Networks in Recognizing the Presence of Heavy Metals Contaminated in Sweet Potatoes / Nguyễn Tiến Hiển; Lê Văn Dũng; Nguyễn Trọng Kương.

Tóm tắt: Thực phẩm nhiễm kim loại nặng gây ra những hậu quả nghiêm trọng cho sức khỏe con người, đây luôn là mối quan tâm hàng đầu của bất kỳ hệ thống kiểm soát an toàn thực phẩm nào, thậm chí được yêu cầu thông qua các quy trình tốn kém từ thu thập mẫu và đánh giá các thành phần ô nhiễm trong mẫu thực phẩm. Nghiên cứu này nhằm mục đích sử dụng kết hợp sóng siêu âm với mạng lưới sâu để đánh giá sự hiện diện của kim loại nặng trong khoai lang, đồng thời siêu âm vẫn an toàn. Để phân loại các tập dữ liệu siêu âm thu được, chúng tôi đã sử dụng các mạng lưới sâu hiện đã trở thành một công cụ mạnh mẽ và thu hút nhiều nhà nghiên cứu nhằm nhận ra dữ liệu liên quan đến sự hiện diện của chì sunfat trong các mẫu khoai lang. Đối với 31 bộ dữ liệu siêu âm của các mẫu khoai lang thu được, việc áp dụng Mạng Neuron (NN) và máy Deep Boltzmann (DBM) làm mạng sâu mục tiêu của chúng tôi đã mang lại kết quả cho thấy độ chính xác của NN là 62% đối với bộ huấn luyện và 55 % cho tập thử nghiệm và DBM lần lượt là 68% cho tập huấn luyện và 65% cho tập thử nghiệm.

Nguồn trích:Tạp chí Khoa học nông nghiệp Việt Nam - 2021 - no.4 - tr.427-434 - ISSN.2588-1299

13. Tổng quan nghiên cứu ứng dụng trí tuệ nhân tạo trong chẩn đoán ung thư vú bằng ảnh giải phẫu bệnh kỹ thuật số / Đào Văn Tú; Nguyễn Khắc Dũng; Bùi Thị Oanh; Nguyễn Lê Hiệp; Vũ Đức Hoàn; Đặng Hữu Dũng; Nguyễn Văn Chủ; Bùi Văn Giang; Tạ Văn Tờ.

Tóm tắt: Ung thư vú là bệnh ung thư phổ biến nhất trên nữ giới và là nguyên nhân gây tử vong hàng đầu do ung thư trên toàn thế giới. Cơ sở chính để điều trị ung thư vú là chẩn đoán mô bệnh học, việc chẩn đoán này quyết định hướng điều trị và tiên lượng bệnh. Những tiến bộ trong trí tuệ nhân tạo (AI) cùng với việc vận dụng giải phẫu bệnh kỹ thuật số đã đưa ra một cách tiếp cận đầy hứa hẹn trong việc chẩn đoán, phân loạiung thư vú, đáp ứng được nhu cầu trong thực tế lâm sàng. Trong bài viết này, chúng tôi tổng quan về ứng dụng AI trong chẩn đoán ung thư vú dựa trên ảnh kỹ thuật số hóa giải phẫu bệnh, đồng thời phác thảo những tiềm năng ứng dụngtại Việt Nam.

Nguồn trích: Tạp chí Y học Việt Nam (Tổng hội Y học Việt Nam) - 2021 - no.1 - tr.68-72 - ISSN.1859-1868

14. Ứng dụng trí tuệ nhân tạo đối với hoạt động quản lý rủi ro tín dụng tại các ngân hàng thương mại Việt Nam / Nguyễn Minh Sáng.

Tóm tắt: Trí tuệ nhân tạo (Artificial intelligence) được hiểu là sự mô phỏng các quá trình, hoạt động của con người thông qua hệ thống phần mềm, máỵ móc. Trí tuệ nhân tạo thuộc lĩnh vực của khoa học máy tính với mục đích lập trình để giúp máy tính có thể tự động hóa các hành vi thông minh như con người, như: Khả nàng biết suy nghĩ và lập luận độc lập, khả năng giải quyết vấn đề, khả năng giao tiếp, khả năng học hỏi và hoàn thiện theo từng hoàn cảnh... Với khả năng tự học thông qua dữ liệu lớn và những tiến bộ về công nghệ, sức mạnh tính toán và các thuật toán học máy đã giúp trí tuệ nhân tạo phát triển nhanh chóng và đảm nhận tốt hơn các nhiệm vụ với vai trò ngày càng giống con người, với tốc độ cao và chính xác hơn. Bài viết phân tích những lợi ích của việc ứng dụng trí tuệ nhân tạo trong hoạt động kinh doanh ngân hàng nói chung và những tiềm năng, ứng dụng của trí tuệ nhân tạo đối với hoạt động quản lý rủi ro tín dụng nói riêng. Bên cạnh đó, bài viết cũng nêu một sô kiến nghị để có thể ứng dụng hiệu quả trí tuệ nhàn tạo đối với hoạt động quản lý rủi ro tín dụng tại các ngân hàng thương mại Việt Nam.

Nguồn trích: Ngân hàng (Chuyên đề Công nghệ và Ngân hàng số) - 2021 - no.3 - tr.32-35 - ISSN.0866-7462

15. Nhận dạng sự cố trên lưới điện phân phối dựa trên trí tuệ nhân tạo / Nguyễn Quốc Minh; Lê Thị Minh Châu.

Tóm tắt: Nghiên cứu này đề xuất phương pháp nhận dạng sự cố ngắn mạch trên lưới điện phân phối dựa trên một số thuật toán trí tuệ nhân tạo. 4 dạng sự cố ngắn mạch bao gồm ngắn mạch 3 pha, ngắn mạch 2 pha, ngắn mạch 2 pha chạm đất và ngắn mạch 1 pha được tạo ra tại các điểm trên lưới điện IEEE 15 nút, mô phỏng trên Matlab. Dòng điện và điện áp các pha tại đầu nguồn khi xảy ra ngắn mạch được gán nhãn làm dữ liệu đầu vào, trong khi các dạng ngắn mạch tương ứng được gán nhãn làm dữ liệu đầu ra. Trong số 8000 điểm sự cố được tạo ra, 70% dữ liệu được sử dụng để huấn luyện và 30% dữ liệu được sử dụng để kiểm tra. Kết quả nhận dạng cho thấy các thuật toán deep learning có thể nhận dạng sự cố trên lưới điện phân phối với độ chính xác lên đến 95%.

Nguồn trích: Tạp chí Khoa học và Công nghệ (Đại học Đà Nẵng) - 2020 - no.9 - tr.32-36 - ISSN.1859-1531

 16. Phát triển trí tuệ nhân tạo trong xây dựng chính phủ điện tử / Nguyễn Thị Thanh Nga.

Tóm tắt: Trí tuệ nhân tạo (AI) hiện nay được xem là một trong những công nghệ cốt lõi của cuộc cách mạng công nghiệp 4.0. Việc nghiên cứu phát triển về AI có ý nghĩa quan trọng, thiết thực trong xây dựng chính phủ điện tử hướng tới chính phủ số, nền kinh tế số ở Việt Nam.

Nguồn trích: Tạp chí Quản lý Nhà nước - 2020 - no.294 - tr.37-40 - ISSN.0866-7608.

17. Ứng dụng trí tuệ nhân tạo để khoanh vùng cơ quan trong xạ trị = Al contour - application of al for contouring in radiation therapy / Trần Sỹ Hùng; Nguyễn Thu Hà; Vũ Trung Hưng; Lương Văn Hùng; Lương Thế Oanh; Tô Tấn Tài; Trần Thị Hải Yến; Nguyễn Thị Hồng Minh; Đỗ Thanh Hà.

Tóm tắt: Med-Aid AI Contour là phần mềm ứng dụng trí tuệ nhân tạo (AI) để khoanh vùng cơ quan lành trên ảnh chụp cắt lớp. Đây là một công cụ hỗ trợ các bác sỹ ung bướu nhằm giảm thời gian và nâng cao chất lượng vẽ đường bao, với chất lượng ngày càng chính xác hơn theo thời gian. Mục tiêu: Đánh giá chất lượng của AI Contour và khả năng tự học, tự cải thiện của phần mềm khi số lượng dữ liệu ngày càng nhiều hơn. Đối tượng và phương pháp nghiên cứu: Các ca ung thư ở vị trí khác nhau bao gồm: vùng đầu, vùng ngực và vùng tiểu khung được sử dụng như dữ liệu đầu vào để phần mềm AI Contour tự học, sau đó đánh giá kết quả contour của phần mềm dựa trên 60 ca bệnh nhân có contour mẫu được vẽ bởi các bác sỹ. Thống kê kết quả khi tăng dần số lượng dữ liệu đầu vào cho vùng tiểu khung từ 125 lên tới 716 bệnh nhân. Kết quả và bàn luận: AI Contour phiên bản mới nhất cho kết quả đạt yêu cầu trên 80% số đường bao. Cụ thể: vùng đầu 83,02%, vùng ngực 82,69%, vùng tiểu khung 82,04%. AI Contour cho kết quả tốt dần lên khi tăng dần dữ liệu đầu vào đối với vùng tiểu khung. Cụ thể tỷ lệ đạt yêu cầu tăng từ 52,02% (khi dữ liệu đầu vào là 125 bệnh nhân) lên tới 80,46% (khi dữ liệu đầu vào đạt 716 bệnh nhân).

Nguồn trích: Tạp chí Y học lâm sàng – Bệnh viện Trung ương Huế - 2020 - no.66 - tr.137-142 - ISSN.1859-3895.

18. Tối ưu hóa ước tính mức tiêu thụ năng lượng trong các tòa nhà dựa trên các thuật toán trí tuệ nhân tạo = Optimizing estimation accuracy of energy consumption in residential buildings Based on a comparison of artificial intelligence alogirithms / Trần Đức Học; Lê Tấn Tài.

Tóm tắt: Mô phỏng và dự báo năng lượng tiêu thụ đóng vai trò quan trọng trong việc thiết lập chính sách năng lượngvà đưa ra quyết định theo hướng phát triển bền vững. Nghiên cứu này sử dụng phương pháp kỹ thuật thốngkê và công cụ trí tuệ nhân tạo bao gồm mạng nơ-ron thần kinh (ANNs – Artificial neutral networks), máy hỗtrợ véc tơ (SVM – Support vector machine), cây phân loại và hồi quy (CART - Classification and regressiontrees), hồi quy tuyến tính (LR - Linear regression), hồi quy tuyến tính tổng quát (GENLIN - Generalized linearregression), tự động phát hiện tương tác Chi-squared (CHAID - Chi-square automatic interaction detector) vàmô hình tổng hợp (Ensemble model) để dự đoán mức tiêu thụ năng lượng trong các căn hộ tòa nhà chung cư.Bộ dữ liệu để xây dựng mô hình gồm 200 mẫu được khảo sát ở nhiều chung cư tại TP. Hồ Chí Minh. Mô hìnhđơn có hiệu quả tốt nhất trong quá trình dự đoán là CART, trong khi đó mô hình được tổng hợp tốt nhất làCART + GENLIN.

Nguồn trích: Tạp chí Khoa học Công nghệ Xây dựng - 2020 - no.1 - tr.35-45 - ISSN.2615-9058

19. Ứng dụng mô hình mạng trí tuệ nhân tạo (Artificial neural networks) dự báo mực nước phục vụ dự báo ngập tại thành phố Cần Thơ / Nguyễn Phú Cường; Trần Văn Tý; Trần Vũ Anh; Huỳnh Vương Thu Minh.

Tóm tắt: Sử dụng mô hình ANN để dự báo cao trình mực nước tại thành phố Cần Thơ. Để đạt được mục tiêu trên, (1) trước tiên mối tương quan giữa các trạm đo mực nước và/với cường độ mưa được phân tích để chọn số liệu đầu vào ANN; (2) ANN được thiết lập, cấu trúc được lựa chọn và mô hình được hiệu chỉnh (2009-2015), kiểm định (2016-2019) cho số liệu ngày và hiệu chỉnh (2009-2012), kiểm định (2013-2014) cho số liệu giờ, (3) dự báo mực nước sử dụng các thông số trên theo thời gian t+1, t+2, và t+3. Kết quả nghiên cứu cho thấy, tương quan mực nước tại trạm Cần Thơ với các trạm khác rất tốt, tuy nhiên tương quan lượng mưa tại trạm Cần Thơ với mực nước các trạm kém có thể do phạm vi nghiên cứu rộng nên ảnh hưởng của lượng mưa đến mực nước rất nhỏ. Kết quả mô phỏng cho thấy mực nước thực đo và mô phỏng là tương đối phù hợp và càng tốt nếu dự báo với bước thời gian ngắn. Điều này cho thấy khả năng ứng dụng ANN trong dự báo mực nước tại các trạm thủy văn là tương đối chính xác. Kết quả nghiên cứu là cơ sở bước đầu trong nghiên cứu dự báo mực nước và ngập tại các thành phố.

Nguồn trích:Tạp chí Nông nghiệp & Phát triển nông thôn - 2020 - no.07 - tr.53 - 60 - ISSN.1859 - 4581

20. Kết quả bước đầu của ứng dụng trí tuệ nhân tạo trong phát hiện polyp đại tràng tại Việt Nam / Đào Việt Hằng; Lê Quang Hưng; Nguyễn Phúc Bình; Nguyễn Mạnh Hùng; Lâm Ngọc Hoa; Đào Văn Long; Nguyễn Thị Thủy; Đinh Viết Sang; Vũ Hải.

Tóm tắt: Từ 11/2019 đến 06/2020, nhóm tác giả thu thập 8.190 ảnh nội soi đại tràng (NSĐT) có polyp và 4.000 ảnh NSĐT không polyp, chia thành tập huấn luyện và tập kiểm chứng nhằm xây dựng mô hình AI. Mô hình học sâu đề xuất được xây dựng theo kiến trúc U-Net với nhánh EfficientNet, huấn luyện trong 150 bước với thuật toán SGD và đánh giá bởi chỉ số F1, giá trị dự đoán dương tính (PPV), độ nhạy (Se), độ đặc hiệu (Sp). Kết quả trên tập kiểm chứng cho thấy chỉ số F1 trên 2 tập ảnh khi hội tụ đạt > 95 %. Kết quả kiểm định thuật toán trên tập thực nghiệm (1.321 ảnh với 1.543 polyp) là PPV (94,60%), Se (96,39%) và Sp (99,84%). Trong tổng số 1543 polyp, 63,58% có kích thước < 5 mm và 81,14% thuộc nhóm Is (Phân loại Paris). 52 vùng bị khoanh sai do ảnh có bọt, vùng lóa hoặc dịch nhầy. Các vùng bị nhầm chủ yếu là nếp niêm mạc (44,23%) và dịch nhầy (13,46%). Nghiên cứu cho thấy thuật toán xây dựng trong phát hiện polyp đại tràng có PPV, Se, Sp cao và có tính khả thi.

Nguồn trích: Tạp chí Nghiên cứu y học (Đại học Y Hà Nội) - 2020 - no.130 - tr.101-110 - ISSN.0868-202X


Tổng hợp
Lê Thiện Mỹ