• Đề tài Deepar - Probabilistic forecasting with autoregressive recurrent networksĐề tài Deepar - Probabilistic forecasting with autoregressive recurrent networks

    Gỉa sử mô hình đã hoàn tất việc training tính tới thời điểm t Dự đoán cho z(i, t+1) Tính toán bộ tham số θ(t) Tạo n mẫu dựa trên phân phối được tạo nên từ bộ tham số θ(t) Trung vị của n mẫu kết hợp với x(i, t+1) và h(i, t) được đưa vào mạng h(i, t+1) Tính toán bộ tham số θ(t+1) Tạo n mẫu dựa trên phân phối được tạo nên từ bộ tham số θ(t+1) ...

    pptx11 trang | Chia sẻ: hachi492 | Ngày: 05/01/2022 | Lượt xem: 395 | Lượt tải: 0

  • Đề tài Evolving neural network through a reverse encoding treeĐề tài Evolving neural network through a reverse encoding tree

    Definition Each neural network is encoded by edge encoding Limit the maximum numbers of nodes (m) in the neural network Each neural network is defined a individual seeding(I) from the population Minimal Initialization Random is unlikely to reduce the complexity of the structure via mutation want network to be as simple as possible Inital s...

    pptx37 trang | Chia sẻ: hachi492 | Ngày: 05/01/2022 | Lượt xem: 353 | Lượt tải: 0

  • Đề tài Áp dụng giải thuật aco cho bài toán tìm đường đi tối ưu trên đồ thị đa miền trên đỉnhĐề tài Áp dụng giải thuật aco cho bài toán tìm đường đi tối ưu trên đồ thị đa miền trên đỉnh

    Kết luận Thời gian chạy tương đối nhanh Kết quả khá tốt với những bộ dữ liệu nhỏ Chưa tốt với những bộ dữ liệu lớn với những nhiều đỉnh, cạnh và miền hơn Hội tụ tương đối nhanh Hướng phát triển Sử dụng phương pháp mã hóa mới để áp dụng thuật toán GA Áp dụng thêm một số kỹ thuật khác để cải tiến độ hiểu quả

    pptx33 trang | Chia sẻ: hachi492 | Ngày: 05/01/2022 | Lượt xem: 488 | Lượt tải: 0

  • Đề tài Forecasting at scaleĐề tài Forecasting at scale

    Datasets: thực nghiệm trên  tập dữ liệu traffic, electricity.​​ Traffic: Mật độ giao thông của 963 con đường ở San Francisco theo giờ​ 10.392 time-points (1 time-point/hr)​ Task: dự đoán lưu lượng giao thông trên từng con đường trong vòng 7 ngày tới, mỗi ngày 24 giờ​ Electricity: điện năng tiêu thụ của 370 hộ gia đình 25.968 time-points (1 tim...

    pptx15 trang | Chia sẻ: hachi492 | Ngày: 05/01/2022 | Lượt xem: 354 | Lượt tải: 0

  • Đề tài Machine learning - Based auto - scaling for containerized applicationsĐề tài Machine learning - Based auto - scaling for containerized applications

    Các nghiên cứu liên quan Reactive method: Đặt một ngưỡng giá trị để dự đoán Proactive method: Sử dụng các phương pháp học máy, học sâu để dự đoán ngưỡng giá trị khi ta phải tăng giảm các máy Hybrid method: Kết hợp 2 phương pháp nêu trên Mô tả bộ dữ liệu Dữ liệu log của fifa1998 chứa các request trong thời gian từ ngày 30/4 đến 26/7 Dữ liệu đư...

    pptx20 trang | Chia sẻ: hachi492 | Ngày: 05/01/2022 | Lượt xem: 449 | Lượt tải: 0

  • Đề tài Đề xuất ý tưởng bài toán IDPC-DU trên cạnhĐề tài Đề xuất ý tưởng bài toán IDPC-DU trên cạnh

    "Nút " 𝑣∈𝑎𝑑𝑗^𝑘 (𝑢)", mà kiến " 𝑘" di chuyển đến, sẽ được chọn theo bánh xe Roulette" Quá trình của cá thể kiến thứ k tiếp tục cho đến khi tìm được đường đi hoàn chỉnh hoặc không thể tiếp tục Giữ lại các cá thể ưu tú Trộn quần thể cha mẹ với quần thể con Sắp xếp quần thể theo thứ tự Fitness giảm dần Loại bỏ những cá thể có Fitness thấp

    pptx37 trang | Chia sẻ: hachi492 | Ngày: 05/01/2022 | Lượt xem: 391 | Lượt tải: 0

  • Đề tài Time - Series forecasting by deep learningĐề tài Time - Series forecasting by deep learning

    Thực nghiệm Datasets: thực nghiệm trên 3 tập dữ liệu electricity, traffic và wiki​ ​ Electricity: điện năng tiêu thụ của 370 gia đình​ 25.968 time-points (1 time-point/hr)​ Task: dự đoán điện năng tiêu thụ của từng hộ trong vòng 7 ngày tiếp theo​ ​ Traffic: Mật độ giao thông của 963 con đường ở San Francisco theo giờ​ 10.392 time-points (1 ...

    pptx16 trang | Chia sẻ: hachi492 | Ngày: 05/01/2022 | Lượt xem: 500 | Lượt tải: 0

  • Đề tài Ứng dụng GA trong bài toán định tuyến đường tối ưu cho một SFC requestĐề tài Ứng dụng GA trong bài toán định tuyến đường tối ưu cho một SFC request

    Kết luận Phương án đề xuất chạy khá tốt với mô hình thực nghiệm trong phần 4, tuy nhiên do điều kiện thời gian có hạn nên chưa thể tối ưu được các hệ số hàm phạt, xác suất lai ghép, đột biến, tỉ lệ các cá thể sinh ra bằng DFS trong quần thể gốc đầu tiên, cũng như xây dựng một mô hình thực nghiệm có kích thước lớn hơn để có thể kiểm thử. Phương á...

    pptx61 trang | Chia sẻ: hachi492 | Ngày: 05/01/2022 | Lượt xem: 380 | Lượt tải: 0

  • Đề tài Áp dụng GA cho bài toán đặt các VNF đảm bảo luồng cực đại trong mạngĐề tài Áp dụng GA cho bài toán đặt các VNF đảm bảo luồng cực đại trong mạng

    Kết quả đạt được với giải thuật GA Đối với các đồ thị kể cả lớn và nhỏ, nếu rơi vào trường hợp duy nhất 1 đỉnh sẽ hội tụ chỉ sau trung bình từ 1-15 thế hệ, nếu khởi tạo tham lam sẽ đạt được kết quả trong vòng vài giây Khi rơi vào các trường hợp đồ thị thưa hoặc đặc biệt , yêu cầu từ 2 đỉnh ảo hóa trở lên sẽ có thời gian thực hiện vài phút ( 100 ...

    pptx34 trang | Chia sẻ: hachi492 | Ngày: 05/01/2022 | Lượt xem: 374 | Lượt tải: 0

  • Đề tài Effective partial charging scheme for minimizing the energy depletion and charging cost in wireless rechargeable sensor networksĐề tài Effective partial charging scheme for minimizing the energy depletion and charging cost in wireless rechargeable sensor networks

    Đề xuất Ưu điểm: Chia cụm theo Kmeans dễ thực hiện Nhược điểm: Chưa tối ưu do chia cụm theo khoảng cách không phải là cách tốt nhất Do vấn đề về chi phí và số lượng cảm biến trong 1 cụm nên dựa vào đồ thị trên có thể thấy K = 3 sẽ là số cụm hợp lý. Định hướng: Sẽ phát triển thêm các thuật toán khác với bài toán có nhiều cảm biến. Các bài báo đ...

    pptx21 trang | Chia sẻ: hachi492 | Ngày: 05/01/2022 | Lượt xem: 359 | Lượt tải: 0