TS. NGUYỄN HỒNG BỬU LONG
Tên đề tài tốt nghiệp: Xây dựng mô hình tích hợp tri thức ngôn ngữ trong dịch máy mạng Neural Anh - Việt
Trường tốt nghiệp: Trường Đại học Khoa học tự nhiên
Chuyên ngành: Khoa học máy tính
Năm tốt nghiệp: 2023
Email: nhblong@fit.hcmus.edu.vn
TS. TRƯƠNG TOÀN THỊNH
Tên đề tài tốt nghiệp: Phát triển các phương pháp chứng thực người dùng trên thiết bị di động
Trường tốt nghiệp: Trường Đại học Khoa học Tự nhiên
Chuyên ngành: Khoa học máy tính
Năm tốt nghiệp: 2019
Email: ttthinh@fit.hcmus.edu.vn
TS. NGUYỄN TIẾN HUY
Trường tốt nghiệp: Viện Khoa Học và Công Nghệ Tiên Tiến Nhật Bản, JAIST.
Chuyên ngành: Khoa học thông tin
Năm tốt nghiệp: 2019
Email: nthuy@fit.hcmus.edu.vn
TS. VÕ HOÀI VIỆT
Tên đề tài tốt nghiệp: Nhận dạng hành vi người trong video dựa trên đặc trưng hình dáng và chuyển động
Mô tả sơ nét đề tài:
- Mô hình nhận dạng hành động: luận án rút trích đặc trưng cục bộ không gian - thời gian trên hai kênh dữ liệu màu và độ sâu để mô tả hình dáng và chuyển động của người. Kỹ thuật phân đoạn và mô hình trọng số mềm với GMM và kmeans++ được áp dụng để biểu diễn hành vi một cách hiệu quả. Mô hình học đa nhân được ứng dụng để xây dựng bộ trong số hiệu quả kết hợp các dạng đặc trưng khác nhau này dựa trên thuật toán đạo hàm riêng giảm dần.
- Mô hình nhận dạng hoạt động trong sinh hoạt hàng ngày: hoạt động được xem xét như là một tập các hoạt động con có quan hệ không gian - thời gian trong quá trình thực hiện. Các hoạt động con này được rút trích thông tin hình dáng và chuyển động dựa trên dữ liệu khung xương, màu và độ sâu. Mỗi hoạt động được biểu diễn bởi một chuỗi thời gian được phát sinh từ mô hình GMM. Cuối cùng, mô hình HCRF được kết hợp từ HMM và CRF để xây dựng bộ phân lớp hiệu quả biểu diễn chuỗi hoạt động con.
- Mô hình nhận dạng hoạt động trong môi trường không ràng buộc: đặc trưng tĩnh và động của các hoạt động con được rút trích từ mô hình mạng học sâu VGG. Đặc trưng tĩnh dựa trên việc sử dụng khung hình chính và đặc trưng động sử dụng bản đồ MHI và luồng chuyển động quang học theo hai hướng x và y. Mô hình NBNN được sử dụng để phân lớp hành vi từ tập đặc trưng biểu diễn hoạt động con.
Trường tốt nghiệp: Trường Đại học Khoa học Tự nhiên
Chuyên ngành: Khoa học máy tính
Năm tốt nghiệp: 2019
Email: vhviet@fit.hcmus.edu.vn
TS. LÂM QUANG VŨ
Tên đề tài tốt nghiệp: Phát hiện thông tin bạo lực trong video dựa trên đa đặc trưng mang tính ngữ nghĩa cao.
Trường tốt nghiệp: Trường đại học Khoa học Tự nhiên
Năm tốt nghiệp: 2018
Email: lqvu@fit.hcmus.edu.vn
TS. THÁI LÊ VINH
Tên đề tài tốt nghiệp: Modèles et outils pour favoriser l’articulation entre la généricité d’un assistant intelligent et les spécificités de son usage en EIAH
Trường tốt nghiệp: Trường Claude Bernard Lyon 1, Pháp
Chuyên ngành: Công nghệ thông tin
Năm tốt nghiệp: 2017
Email: tlvinh@fit.hcmus.edu.vn
TS. NGUYỄN TRƯỜNG SƠN
Tên đề tài tốt nghiệp: Phân tích cấu trúc và nhận diện suy diễn trong văn bản luật sử dụng phương pháp học sâu
Trường tốt nghiệp: Viện Khoa Học và Công Nghệ Tiên Tiến Nhật Bản, JAIST.
Chuyên ngành: Khoa học thông tin
Năm tốt nghiệp: 2018
Email: ntson@fit.hcmus.edu.vn
TS. LÊ NGUYỄN HOÀI NAM
Tên đề tài tốt nghiệp: Nghiên cứu và đề xuất các phương pháp tinh giảm số lượng đặc trưng cho bài toán phân loại văn bản
Mô tả sơ nét đề tài:
- Một phương pháp lựa chọn đặc trưng cho phân loại văn bản gồm hai giai đoạn chính là tính độ quan trọng đặc trưng cho phân loại văn bản và xếp hạng độ quan trọng đặc trưng. Về phương pháp tính độ quan trọng đặc trưng cho phân loại văn bản, luận án đã đề xuất một phương pháp, có tên là DtFCFS, thể hiện tính độ quan trọng của một đặc trưng nếu đặc trưng làm cho các văn bản trong từng chủ đề trở nên gần nhau hơn và các chủ đề trong hệ thống thì trở nên tách biệt nhau hơn.
-Về phương pháp xếp hạng độ quan trọng đặc trưng, luận án đã đề xuất hai phương pháp xếp hạng độ quan trọng đặc trưng khác nhau, có tên là RatCL và BRatTL. Cả hai phương pháp này hướng tới giải quyết vấn đề mất cân bằng về hiệu suất phân loại giữa các chủ đề với nhau sau lựa chọn đặc trưng.
-Về phương pháp chuyển đổi đặc trưng, luận án tập trung vào phương pháp chuyển đổi đặc trưng văn bản bằng phép phân tích ma trận không âm với ưu thế về tính diễn giải ""part-based representation"" và luôn duy trì ý nghĩa không âm của nó. Cụ thể, luận án đã đề xuất một phương pháp khởi tạo phép phân tích ma trận không âm nhằm giúp cho quá trình chuyển đổi đặc trưng dựa trên phép phân tích ma trận không âm trở nên xác định (đạt được các kết quả giống nhau trong các lần chạy khác nhau) cũng như góp phần nâng cao hiệu suất của chuyển đổi đặc trưng.
-Ngoài ra, chúng tôi đã đề xuất một phương pháp tích hợp tính ngữ nghĩa của phép nhúng từ vào quá trình chuyển đổi đặc trưng truyền thống dựa trên phép xấp xỉ ma trận, tên là WEintoLRA. Bằng sự tích hợp này, các khái niệm học bởi phương pháp chuyển đổi đặc trưng được đề xuất vừa mang tính hiệu quả về mặt thống kê và vừa mang tính hiệu quả về mặt ngữ nghĩa.
Trường tốt nghiệp: Trường Đại học Khoa học Tự nhiên
Chuyên ngành: Hệ thống thông tin
Năm tốt nghiệp: 2019
Email: lnhnam@fit.hcmus.edu.vn
TS. NGÔ HUY BIÊN
Tên đề tài tốt nghiệp: Nghiên cứu đề xuất mẫu thiết kế cho việc phát triển phần mềm trong môi trường điện toán đám mây.
Mô tả sơ nét đề tài: Các đóng góp chính của luận án bao gồm:
- Mẫu thiết kế người thuê phân cấp giải quyết vấn đề mô hình hóa người thuê phân cấp trong một hệ thống đám mây; hỗ trợ định danh, phân quyền việc truy cập tài nguyên của hệ thống.
- Mẫu thiết kế hệ thống giao dịch giải quyết vấn đề về sự phức tạp của kiến thức lĩnh vực trong một hệ thống xử lý giao dịch; hỗ trợ mô hình hóa các kiến thức lĩnh vực một cách nhất quán; cho phép các giao dịch thực thi một cách bảo mật theo một cung cách nhất quán.
- Mẫu thiết kế khung ứng dụng web giải quyết vấn đề xây dựng khung ứng dụng web đa người thuê theo phương pháp đặc thù; cung cấp mô hình giúp các kiến trúc sư và các nhà phát triển xây dựng, đánh giá và lựa chọn một khung ứng dụng web đa người thuê.
- Mẫu thiết kế tùy biến giao diện giải quyết vấn đề xây dựng tính tùy biến cho giao diện đồ họa người dùng trong các phần mềm đa người thuê theo phương pháp đặc thù; cung cấp mô hình để phát triển, đánh giá và lựa chọn một khung giao diện đồ họa người dùng đa người thuê.
Trường tốt nghiệp: Trường Đại học Khoa học Tự nhiên
Chuyên ngành: Khoa học máy tính
Năm tốt nghiệp: 2018
Email: nhbien@fit.hcmus.edu.vn
TS. ĐẶNG HẢI VÂN
Tên đề tài tốt nghiệp: Kiểm định công khai đảm bảo tính riêng tư cho dữ liệu lưu trữ ngoài.
Trường tốt nghiệp: Trường Đại học Khoa học Tự nhiên
Chuyên ngành: Khoa học máy tính
Năm tốt nghiệp: 2017
Email: dhvan@fit.hcmus.edu.vn
TS. NGUYỄN ĐỨC HOÀNG HẠ
Tên đề tài tốt nghiệp: Feature-based Robust Techniques For Speech Recognition
Mô tả sơ nét đề tài: In this thesis, speech feature enhancement and model adaptation for robust speech recognition are studied, and three novel methods to improve performance are introduced.
- The first work proposes a modification of the spectral subtraction method to reduce the non-stationary characteristics of additive noise in the speech.
- The second work proposes an extension of particle filter compensation (PFC) for the large vocabulary continuous speech recognition (LVCSR) task.
- The third work proposes a novel spectro-temporal transform framework to improve word error rate for the noisy and reverberant environments.
Trường tốt nghiệp: Trường Đại học công nghệ Nanyang, Singapore
Chuyên ngành: Khoa học máy tính
Năm tốt nghiệp: 2017
Link thông tin đề tài: https://dr.ntu.edu.sg/handle/10356/69839
Email: ndhha@fit.hcmus.edu.vn
TS. NGÔ MINH NHỰT
Tên đề tài tốt nghiệp: Robust Audio Data Hiding Based on Dynamic Phase Manipulation and Its Applications
Trường tốt nghiệp: Viện Khoa Học và Công Nghệ Tiên Tiến Nhật Bản (JAIST)
Chuyên ngành: Khoa học thông tin
Năm tốt nghiệp: 2015
Email: nmnhut@fit.hcmus.edu.vn
TS. BÙI TIẾN LÊN
Tên đề tài tốt nghiệp: Face recognition using local patterns and Relation learning.
Trường tốt nghiệp: Trường đại học Canberra, Úc.
Chuyên ngành: Khoa học máy tính
Năm tốt nghiệp: 2015
Email: btlen@fit.hcmus.edu.vn
TS. NGUYỄN TRẦN MINH THƯ
Tên đề tài tốt nghiệp: Một mô hình và giải pháp phục vụ truy vấn hiệu quả trong hệ thống dữ liệu di động
Trường tốt nghiệp: Trường Đại học Khoa học Tự nhiên
Chuyên ngành: Công nghệ Thông tin
Năm tốt nghiệp: 2014
Email: ntmthu@fit.hcmus.edu.vn
TS. NGUYỄN NGỌC THẢO
Tên đề tài tốt nghiệp: A study of local binary pattern features for effective feature matching
Trường tốt nghiệp: Viện Khoa Học và Công Nghệ Tiên Tiến Nhật Bản, JAIST.
Chuyên ngành: Khoa học tri thức
Năm tốt nghiệp: 2014
Email: nnthao@fit.hcmus.edu.vn
TS. NGUYỄN THỊ HỒNG NHUNG
Tên đề tài tốt nghiệp: Unsupervised Relation Extraction from Biomedical Literature Using Deep Syntax
Mô tả sơ nét đề tài: Bài toán rút trích mối quan hệ giữa hai thực thể y sinh thường tập trung vào rút trích một tập các mối quan hệ đã được định nghĩa trước. Điểu này làm giới hạn tập mối quan hệ sẽ được rút trích. Để giải quyết giới hạn này, luận án đề xuất một hệ thống rút trích các mối quan hệ mà có thể xác định tất cả các mối quan hệ có thể có trong tập tài liệu đầu vào.
Để xây dựng một hệ thống rút trích tổng quát như vậy chúng ta sẽ gặp hai thách thức chính: (1) không có các công cụ sẵn có để nhận diện tên các thực thể trong văn bản trong khi các hướng tiếp cận dựa trên tự điển có thể phát sinh các thực thể không đúng, (2) không có sẵn các ngữ liệu đã gán nhãn để huấn luyện một hệ thống rút trích mối quan hệ tổng quát. Hệ thống được đề xuất trong luân án sử dụng công cụ nhận diện tên thực thể dựa vào từ điển và thực hiện một số thao tác hậu xử lý để loại bỏ các thực thể nhiễu. Hệ thống sau đó giải quyết thách thức thứ hai bằng cách dùng các mẫu cấu trúc vị từ-đối số (Predicate-Argument Structure)---một loại cấu trúc có thể biểu diễn các thông tin cú pháp sâu giữa các từ trong câu. Trong luận án này, chúng tôi đề nghị 6 mẫu cấu trúc vị từ-đổi số cho các mối quan hệ nhị phân giữa các thực thể. Sau khi so khớp các mẫu cấu trúc này để rút ra các ứng viên, hệ thống sẽ kiểm tra loại ngữ nghĩa của các thực thể cũng như của mối quan hệ ứng viên dựa vào mạng ngữ nghĩa của UMLS. Đánh giá trên một tập 500 câu được lựa chọn ngẫu nhiên từ MEDLINE cho thấy hệ thống đạt được hiệu quả ngang bằng với một số hệ thống khác như ReVerb, OLLIE và SemRep. Hệ thống của chúng tôi có thể rút trích nhiều loại thực thể hơn nhưng kém chính xác hơn SemRep---một hệ thống dựa vào luật cho văn bản y sinh.
Chúng tôi đã áp dụng hệ thống xây dựng trong luận án cho toàn bộ văn bản trong MEDLINE, và phát sinh được hơn 137 triệu mối quan hệ ngữ nghĩa. Kết quả này cung cấp một cái nhìn tổng quan về các loại mối quan hệ ngữ nghĩa được đề cập đến trong MEDLINE. Toàn bộ kết quả này được công bố dưới dạng máy có thể được để có thể được sử dụng trong các cơ sở tri thức phục vụ cho các ứng dụng khai thác văn bản trong y sinh học.
Khi các mối quan hệ ngữ nghĩa này được sử dụng trong truy vấn cơ sở dữ liệu, chúng ta có thể gặp khó khăn trong tính dạng của các câu truy vấn bằng ngôn ngữ tự nhiên. Để giải quyết vấn đề này, luận án thực hiện phát hiện các mối quan hệ đồng nghĩa để tránh trường hợp các mối quan hệ không khớp nhau dù chúng cùng chỉ về một nét ngữ nghĩa. Các công trình trước đây thường sử dụng các độ đo tương đồng giữa các cụm quan hệ dựa trên chuỗi văn bản và bỏ qua các ngữ cảnh xung quanh cụm từ đó. Do đó luận án đã đề xuất sử dụng các vector để biểu diễn các cụm mối quan hệ dựa vào việc học các từ trong ngữ cảnh xung quanh nó. Luận án sau đó sử dụng giải thuật k-mean để gom nhóm các cụm mối quan hệ giống nhau dựa vào vector biểu diễn. Kết quả thực nghiệm cho thấy phương pháp này cho hiệu quả tốt hơn một số phương pháp dựa vào thống kê khác như Latent Dirichlet Allocation và Mạng Logic Markov.
Trường tốt nghiệp: Viện Khoa Học và Công Nghệ Tiên Tiến Nhật Bản, JAIST.
Chuyên ngành: Khoa học thông tin
Năm tốt nghiệp: 2014
Email: nthnhung@fit.hcmus.edu.vn
TS. NGHIÊM QUỐC MINH
Tên đề tài tốt nghiệp: Semantic Enrichment of Mathematical Expressions for Mathematical Search
Mô tả sơ nét đề tài: Làm giàu ngữ nghĩa của các biểu thức toán học là một thành phần quan trọng trong hệ thống hiểu toán học, và đóng một vai trò quan trọng trong công cụ tìm kiếm dựa trên nội dung cho các biểu thức toán học. Luận án này trình bày một cách tiếp cận mới trong việc làm giàu ngữ nghĩa của biểu thức toán học. Bài toán được xây dựng như thêm hình thức ngữ nghĩa vào hình thức trình bày của biểu thức toán học. Cụ thể hơn, đó là vấn đề dịch một biểu thức toán học từ MathML Presentation Markup sang MathML Content Markup.
Cách tiếp cận được đề xuất sử dụng phương pháp dịch máy thống kê để tìm hiểu các quy tắc dịch tự động từ dữ liệu đánh dấu MathML song song. Sự khác biệt về cấu trúc giữa MathML Presentation và Content được giải quyết bằng cách giới thiệu quy tắc phân đoạn mới. Một cải tiến cho hệ thống dịch máy thống kê được thực hiện bằng cách sử dụng SVM để phân biệt các thuật ngữ toán học không rõ ràng với các tính năng được trích xuất từ cả biểu thức toán học dạng trình bày và văn bản xung quanh. Các cải tiến kết hợp trong luận án đạt được kết quả tốt hơn so với các hệ thống làm giàu ngữ nghĩa trước đây. Luận án cũng trình bày một hệ thống tìm kiếm toán học dựa trên nội dung là một ứng dụng của việc làm giàu ngữ nghĩa của các biểu thức toán học. Cách tiếp cận sử dụng việc làm giàu ngữ nghĩa của các biểu thức toán học để chuyển đổi các biểu thức toán học thành dạng nội dung của chúng và việc tìm kiếm được thực hiện bằng cách sử dụng các biểu thức dựa trên nội dung này. Bằng cách xem xét nội dung của các biểu thức toán học, chất lượng của hệ thống tìm kiếm được cải thiện hơn so với các hệ thống dựa trên trình bày.
Luận án này có những đóng góp đáng chú ý cho lĩnh vực nghiên cứu toán học liên quan. Nó xác nhận rằng các kỹ thuật xử lý ngôn ngữ tự nhiên có thể được áp dụng để giải quyết các vấn đề liên quan đến biểu thức toán học. Vì nội dung toán học là một nguồn thông tin có giá trị cho nhiều người dùng, phát hiện này có ý nghĩa quan trọng trong việc phát triển các hệ thống liên quan đến toán học.
Trường tốt nghiệp: Trường Graduate University for Advanced Studies (SOKENDAI)
Chuyên ngành: Tin học
Năm tốt nghiệp: 2014
Link thông tin đề tài: http://id.nii.ac.jp/1013/00004725/
Email: nqminh@fit.hcmus.edu.vn
TS. CHÂU THÀNH ĐỨC
Tên đề tài tốt nghiệp: Binaural Sound Source Localization in Noisy Reverberant Environments based on Equalization-Cancellation Theory.
Trường tốt nghiệp: Viện Khoa Học và Công Nghệ Tiên Tiến Nhật Bản (JAIST)
Chuyên ngành: Khoa học thông tin
Năm tốt nghiệp: 2014
Email: ctduc@fit.hcmus.edu.vn
TS. LÊ THỊ NHÀN
Tên đề tài tốt nghiệp: Học motif phân biệt cho nghiên cứu viêm gan C (HCV)
Trường tốt nghiệp: Viện Khoa Học và Công Nghệ Tiên Tiến Nhật Bản, JAIST.
Chuyên ngành: Khoa học tri thức
Năm tốt nghiệp: 2013
Email: ltnhan@fit.hcmus.edu.vn
TS. PHẠM THỊ BẠCH HUỆ
Tên đề tài tốt nghiệp: Nghiên cứu và phát triển một số giải pháp bảo mật và bảo vệ tính riêng tư trong cơ sở dữ liệu thuê ngoài (ODBS - Outsourced Database Services)
Trường tốt nghiệp: Trường Đại học Khoa học Tự nhiên
Chuyên ngành: Công nghệ thông tin
Năm tốt nghiệp: 2013
Email: ptbhue@fit.hcmus.edu.vn
TS. NGUYỄN HẢI MINH
Tên đề tài tốt nghiệp: A Study on Support Sentence Retrieval
Trường tốt nghiệp: Viện Khoa Học và Công Nghệ Tiên Tiến Nhật Bản, JAIST.
Chuyên ngành: Khoa học thông tin
Năm tốt nghiệp: 2013
Email: nhminh@fit.hcmus.edu.vn
TS. TRẦN TRUNG DŨNG
Tên đề tài tốt nghiệp: New Models and Methods in Wireless Networks: Multigraphs - Games - Mechanism Design (Các mô hình và phương pháp mới trong mạng không dây: đồ thị đa cạnh - Lý thuyết trò chơi - Thiết kế luật chơi)
Trường tốt nghiệp: Trường Đại học Texas - Dallas
Chuyên ngành: Khoa học máy tính
Năm tốt nghiệp: 2010
Email: ttdung@fit.hcmus.edu.vn
TS. NGUYỄN THỊ MINH TUYỀN
Tên đề tài tốt nghiệp: Taking architecture and compiler into account in formal proofs of numerical programs
Mô tả sơ nét đề tài: Đây là đề tài nằm trong dự án Hisseo, một dự án nghiên cứu hợp tác giữa INRIA (https://www.inria.fr/en) và CEA (http://www.cea.fr/english), được cấp kinh phí bởi Digiteo (http://www.digiteo.fr/). Dự án tập trung vào việc xử lý các phép tính số floating-point trong quá trình biên dịch, đặc biệt là trong trường hợp biên dịch mã nguồn C quan trọng.
Trường tốt nghiệp: Trường đại học Paris 11, Pháp.
Chuyên ngành: Công nghệ thông tin
Năm tốt nghiệp: 2012
Link thông tin đề tài: http://hisseo.saclay.inria.fr/
Email: ntmtuyen@fit.hcmus.edu.vn
TS. PHẠM NGUYỄN CƯƠNG
Tên đề tài tốt nghiệp: Conception d’un système d’apprentissage et de travail pervasif et adaptatif fondée sur un modèle de scénario.
Trường tốt nghiệp: Trường Kỹ sư Công nghệ Thông tin và Viễn Thông Telecom Bretagne, Pháp.
Chuyên ngành: Khoa học máy tính
Năm tốt nghiệp: 2010
Email: pncuong@fit.hcmus.edu.vn
TS. NGUYỄN VĂN VŨ
Tên đề tài tốt nghiệp: Improved Size and Effort Estimation Models For Software Maintenance
Trường tốt nghiệp: Trường Đại học Nam California
Chuyên ngành: Khoa học máy tính
Năm tốt nghiệp: 2010
Email: nvu@fit.hcmus.edu.vn
PGS. TS. TRẦN MINH TRIẾT
Tên đề tài tốt nghiệp: Nghiên cứu và phát triển một số phương pháp bảo vệ thông tin dựa trên AES
Mô tả sơ nét đề tài: Xây dựng thuật toán mã hóa khối được tham số hóa làm bước chuyển tiếp giữa kiến trúc thuật toán ở mức trừu tượng với các thuật toán mã hóa cụ thể. Mỗi thuật toán mã hóa khối được tham số hóa xác định một lớp các thuật toán mã hóa khối có cùng kiến trúc và chiến lược xây dựng các thành phần mã hóa.
Thuật toán mã hóa được tham số hóa XAES được đề xuất là một lớp các thuật toán mã hóa khối tựa-AES gồm vô hạn các thuật toán cụ thể tương ứng với các kích thước khóa, kích thước khối lớn không giới hạn, có khả năng tương thích với các kiến trúc xử lý khác nhau, và tương ứng với những bộ hằng số khác nhau.
Để xây dựng XAES, tôi đã đề xuất giải pháp để tổng quát hóa và tham số hóa hai thành phần mã hóa trọng tâm của AES: thành phần mã hóa tuyến tính MixColumns và thành phần mã hóa phi tuyến SubBytes.
Trường tốt nghiệp: Trường đại học Khoa học Tự nhiên
Chuyên ngành: Khoa học máy tính
Năm tốt nghiệp: 2009
Email: tmtriet@fit.hcmus.edu.vn
PGS. TS. LÝ QUỐC NGỌC
Tên đề tài tốt nghiệp: Xây dựng hệ thống truy vấn ảnh dựa vào nội dung.
Mô tả sơ nét đề tài: Đề tài xây hệ thống truy vấn ảnh, video dựa trên việc đề xuất bốn mô hình cơ bản:
- Mô hình truy vấn ảnh, video dựa trên đặc trưng thị giác cấp thấp.
- Mô hình truy vấn ảnh, video dựa trên đặc trưng thị giác cấp cao.
- Mô hình truy vấn ảnh, video dựa trên phả hệ khái niệm thị giác.
- Mô hình truy vấn ảnh, video dựa trên ngữ nghĩa.
Đề tài này đã tạo tiền đề vững chắc để thực hiện thành công các đề tài nghiên cứu cấp nhà nước, cấp trọng điểm ĐHQG-HCM sau này (và soạn thảo ra nhiều tài liệu giảng dạy cho chuyên ngành Thị giác máy tính và Điều khiển học thông minh):
- Đề tài cấp nhà nước KC-01: ""Xây dựng hệ thống đa phương tiện trong truy vấn sự kiện thể thao"" (nghiệm thu năm 2010).
- Đề tài cấp ĐHQG loại B: ""Khai thác dữ liệu ảnh dựa vào tái tạo thực thể ba chiều"" (nghiệm thu năm 2016).
- Đề tài cấp ĐHQG loại B: ""Dịch vụ thông minh hỗ trợ giám sát và thống kê trong hoạt động của người dựa vào thông tin thị giác"" (sắp nghiệm thu năm 2020).
Trường tốt nghiệp: Trường đại học Khoa học Tự nhiên
Chuyên ngành: Khoa học máy tính
Năm tốt nghiệp: 2009
Email: lqngoc@fit.hcmus.edu.vn
TS. ĐINH BÁ TIẾN
Tên đề tài tốt nghiệp: Optimal Temporal Planning Using the Plangraph Framework.
Trường tốt nghiệp: Trường đại học Huddersfield, Anh Quốc
Chuyên ngành: Công nghệ thông tin
Năm tốt nghiệp: 2007
Email: dbtien@fit.hcmus.edu.vn
TS. NGUYỄN HẢI QUÂN
Trường tốt nghiệp: Trường đại học Công Nghệ Lille, Pháp.
Chuyên ngành: Công nghệ thông tin
Năm tốt nghiệp: 2007
Email: nhquan@fit.hcmus.edu.vn
TS. NGUYỄN THANH PHƯƠNG
Tên đề tài tốt nghiệp: Các công nghệ song song lọc nhiễu xung trên ảnh vệ tinh
Trường tốt nghiệp: Trường đại học Bách khoa Kiev, Ukraine
Chuyên ngành: Khoa học máy tính
Năm tốt nghiệp: 2005
Email: ntphuong@fit.hcmus.edu.vn
TS. TRẦN THÁI SƠN
Trường tốt nghiệp: Viện Kỹ thuật Toyota, Nhật Bản.
Chuyên ngành: Công nghệ phần mềm
Năm tốt nghiệp: 2005
Email: ttson@fit.hcmus.edu.vn
PGS. TS. LÊ HOÀNG THÁI
Tên đề tài tốt nghiệp: Xây dựng, phát triển, ứng dụng một số mô hình kết hợp giữa mạng nơron, logic mờ và Thuật giải di truyền.
Mô tả sơ nét đề tài: Đề tài đề xuất các mô hình kết hợp qua lại giữa Thuật giải di truyền, Mạng nơron nhân tạo và Logic mờ nhằm giải quyết hiệu quả lớp bài toán phân lớp mẫu tổng quát (gồm: phân lớp mẫu không mất mát thông tin và phân lớp mẫu bị mất mát thông tin).
Cụ thể: Với bài toán phân lớp mẫu không mất mát thông tin, đề xuất 04 mô hình: (1) Mô hình FL-EA (kết hợp giữa Thuật giải tiến hóa với Logic mờ); (2) Mô hình FNN (kết hợp giữa Logic mờ và mạng nơron nhân tạo);(3) Mô hình NN-GA (kết hợp giữa mạng nơron nhân tạo và Thuật giải di truyền); (4)Mô hình NN-FL-GA (kết hợp giữa mạng nơ ron nhân tạo, Logic Mờ và Thuật giải di truyền). Trong đó, Mô hình (1) áp dụng cho chứng thực mẫu (phân biệt mẫu là THẬT hay GIẢ). Các mô hình (2), (3) và (4) áp dụng cho gán nhãn mẫu.
Với bài toán phân lớp mẫu bị mất mát thông tin, đề xuất thêm mạng phục hồi dữ liệu với hai giai đoạn: (1) Mô hình GA-Kohonen-FL (kết hợp giữa Thuật giải di truyền, mạng Kohonen và Logic mờ) cho chuẩn bị dữ liệu huấn luyện; (2) Sử dụng mạng phục hồi AM (Bộ nhớ kết hợp) để tái tạo lại mẫu.
Sau khi mẫu đã được tái tạo, quay trở lại bài toán phân lớp mẫu không mất mát thông tin.
Các mô hình đề xuất được chỉ ra tính khả thi trong nhiều ứng dụng thực tế: Chứng thực ảnh; Nhận dạng chữ viết tay; và Phân loại ảnh vân tay mất mát thông tin.
Trường tốt nghiệp: Trường Đại học Khoa học Tự nhiên
Chuyên ngành: Khoa học máy tính
Năm tốt nghiệp: 2004
Email: lhthai@fit.hcmus.edu.vn
PGS. TS. HỒ BẢO QUỐC
Tên đề tài tốt nghiệp: Ver une indexation structurée basée sur des syntagmes nominaux (impact sur un SRI envietnamien et la RI multilingue)
Trường tốt nghiệp: Trường Joseph Fourier, Pháp
Chuyên ngành: Tin học
Năm tốt nghiệp: 2004
Email: hbquoc@fit.hcmus.edu.vn
PGS. TS. ĐINH ĐIỀN
1. Tên đề tài tốt nghiệp: Dịch tự động Anh – Việt dựa trên việc học luật chuyển đổi từ ngữ liệu song ngữ.
Mô tả sơ nét đề tài: Xây dựng mô hình học tự động các quy luật chuyển đổi từ ngôn ngữ nguồn sang ngôn ngữ đích từ kho ngữ liệu song ngữ Anh-Việt đã được gán nhãn thông tin ngôn ngữ. Các quy luật chuyển đổi bao gồm: chuyển đổi về hình thái học, ngữ pháp học và ngữ nghĩa học từ tiếng Anh sang tiếng Việt.
Các kết quả ứng dụng thực tế từ đề tài này: thương mại hóa các hệ từ điển điện tử cho 7 ngoại ngữ (Anh, Pháp, Hoa, Nhật, Hàn, Đức, Nga) với tiếng Việt và hệ dịch tự động Anh-Việt trên các dòng sản phẩm từ điển điện tử bỏ túi của thương hiệu Kim Từ Điển bán ra thị trường VN và thế giới từ 2004-2014.
Trường tốt nghiệp: Trường đại học Khoa học Tự nhiên
Chuyên ngành: Tin học
Năm tốt nghiệp: 2003
Link thông tin đề tài: www.clc.hcmus.edu.vn/ddien
Email: ddien@fit.hcmus.edu.vn
2. Tên đề tài tốt nghiệp: Xây dựng và Khai thác kho ngữ liệu song ngữ Anh Việt điện tử.
Mô tả sơ nét đề tài: Xây dựng kho ngữ liệu song ngữ Anh-Việt (dạng điện tử) có gán nhãn các thông tin ngôn ngữ học cho các bình diện hình thái học, ngữ pháp học và ngữ nghĩa học ở các cấp độ ngôn ngữ: hình vị, từ, ngữ và câu cho tiếng Anh và tiếng Việt.
Kết quả ứng dụng thực tế từ đề tài này: thương mại hóa các kho ngữ liệu đơn ngữ và song ngữ liên quan đến tiếng Việt cho các tập đoàn Samsung Electronics (Hàn Quốc), I2R (Singapore), SYSTRAN (châu Á), ELRA (châu Âu).
- Chủ biên dịch bộ từ điển OALD của Oxford từ Anh-Anh sang Anh-Việt cho OUP (Oxford University Press) và đã xuất bản từ 2015.
Trường tốt nghiệp: Trường Đại học Khoa học Xã hội và Nhân văn
Chuyên ngành: Ngôn ngữ học
Năm tốt nghiệp: 2005
Link thông tin đề tài: http://www.clc.hcmus.edu.vn/?page_id=463&lang=en
PGS. TS. NGUYỄN ĐÌNH THÚC
Tên đề tài tốt nghiệp: Phát triển các phương pháp phân tích dữ liệu - ảnh và ứng dụng.
Trường tốt nghiệp: Trường đại học Khoa học Tự nhiên
Chuyên ngành: Khoa học máy tính
Năm tốt nghiệp: 2000
Email: ndthuc@fit.hcmus.edu.vn
GS. TS. LÊ HOÀI BẮC
Tên đề tài tốt nghiệp: Phát triển các mô hình biểu diễn tri thức để giải tự động một số lớp bài toán.
Trường tốt nghiệp: Trường Đại học Khoa học Tự nhiên
Chuyên ngành: Công nghệ thông tin
Năm tốt nghiệp: 1999
Email: lhbac@fit.hcmus.edu.vn