đề tài – nghiên cứu 1

1. Đề tài cấp Quốc gia

1.1.  Đề tài: Phát triển và hoàn thiện phần mềm sử dụng cho việc xây dựng Bộ CSDL về mẫu vật địa chất, thổ nhưỡng và sinh vật sử dụng cho Hệ thống Bảo tàng thiên nhiên Việt Nam (DATP.03/15-17)

  • Chủ trì: TS. Vũ Văn Thiệu
  • Thời gian thực hiện: 6/2016 – 12/2019
  • Nguồn tài trợ: Viện hàn lâm khoa học và công nghệ Việt Nam

Mô tả ngắn gọn: Nhiệm vụ của đề tài là phát triển và hoàn thiện phần mềm sử dụng cho việc xây dựng Bộ CSDL về mẫu vật địa chất, thổ nhưỡng và sinh vật sử dụng cho Hệ thống Bảo tàng thiên nhiên Việt Nam. Yêu cầu cụ thể của phần mềm là: Đảm bảo truy cập và nhập dữ liệu nhanh (thời gian tối đa cho một truy vấn dữ liệu (query) là 0,4 giây, theo chuẩn QRTi của MySql) và chính xác (đảm bảo dữ liệu không bị mất mát khi truy/xuất, đảm bảo hiển thị đầy đủ các dữ liệu chứa từ khóa khi tìm kiếm). Đảm bảo tính bảo mật dư liệu và an toàn an ninh thông tin. Các đặc tính khác của phần mềm tương đương với các phần mềm đang được các bảo tàng lớn trên thế giới sử dụng.

1.2. Đề tài: Nghiên cứu, phát triển tích hợp hệ thống hỗ trợ giám sát, quản lý, vận hành an toàn cho hệ thống mạng và hạ tầng cung cấp dịch vụ công trực tuyến.

  • Chủ trì: TS. Trần Quang Đức
  • Thời gian thực hiện: từ 10/2017 đến 09/2019
  • Nguồn tài trợ: Bộ khoa học và công nghệ

Mô tả ngắn gọn: Đề tài được thực hiện trên cơ sở phối hợp giữa các nhà khoa học đến từ Viện CNTT&TT, Đại học Bách khoa Hà Nội và Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội. Mục tiêu của đề tài là làm chủ công nghệ chế tạo thiết bị phần cứng, phát triển phần mềm chuyên dụng, tích hợp hệ thống hỗ trợ giám sát, quản lý, đảm bảo vận hành an toàn và an ninh thông tin cho các hệ thống mạng và hạ tầng cung cấp dịch vụ công trực tuyến tại các cơ quan nhà nước. Đề tài được thực hiện từ tháng 10/2017 đến tháng 09/2019 với các sản phẩm: (1) Thiết bị phần cứng chuyên dụng hỗ trợ thu thập, chuẩn hóa, phân loại thông tin từ các thiết bị trong hệ thống mạng và hạ tầng cung cấp dịch vụ công trực tuyến; (2) Máy chủ khu vực giữ vai trò tiếp nhận dữ liệu từ phần cứng chuyên dụng, tổ chức lưu trữ, quản trị và đưa ra cảnh báo bất thường khi phát hiện tấn công mã độc, tấn công xâm nhập mạng; và (3) Máy chủ trung tâm có nhiệm vụ tổng hợp báo cáo, thống kê, giám sát toàn bộ hạ tầng được quản lý bởi máy chủ khu vực, hỗ trợ cơ chế liên thông với các hệ thống khác khi có yêu cầu.

2. Nhiệm vụ nghiên cứu cơ bản Quỹ Nafosted

2.1. Đề tài: Nghiên cứu và phát triển các thuật toán tối ưu dựa trên dự đoán để giải quyết các bài toán điều hành xe với tham số không cố định (FWO. 102.2013.04)

  • Chủ trì: TS. Phạm Quang Dũng
  • Thời gian thực hiện: từ 01/04/2014 đến 01/04/2016
  • Nguồn tài trợ: Quỹ Nafosted

Mô tả ngắn gọn: Mục tiêu của đề tài là nghiên cứu và phát triển các thuật toán tối ưu dựa trên dự đoán để giải quyết các bài toán lập lộ trình vận tải vận chuyển người và hàng hóa trong các kịch bản tĩnh và động. Gồm các nội dung: Nghiên cứu và xây dựng mô hình bài toán điều hành xe với tham số không cố định. Nghiên cứu các thành tựu trong ứng dụng học máy để dự đoán về mật độ giao thông. Nghiên cứu và phát triển modun dự đoán các tham số không cố định (mật độ giao thông, yêu cầu khách hàng) của bài toán điều hành xe. Nghiên cứu, phát triển và thử nghiệm các thuật toán tối ưu giải bài toán đặt ta với các hướng tiếp cận khác nhau như tìm kiếm địa phương, tính toán tiến hóa, quy hoạch nguyên.

2.2. Đề tài: Các phương pháp suy diễn cho phân tích ngữ nghĩa ẩn trong dữ liệu lớn (102.05-2014.28)

  • Chủ trì: TS. Thân Quang Khoát
  • Thời gian thực hiện: từ 01/03/2015 từ 28/02/2017
  • Nguồn tài trợ: Quỹ Nafosted

Mô tả ngắn gọn: Đề tài phát triển một lớp thuật toán suy diễn cho phép khám phá và phát hiện các cấu trúc (ngữ ngĩa) ẩn từ các tập văn bản rất lớn giúp đưa ra những phán đoán chính xác trong các ứng dụng thực tế. Các thuật toán có khả năng làm việc với hàng triệu văn bản. Đề tài sử dụng một số hướng cốt lõi trong xử lý phân tán và học máy bao gồm mô hình hóa chủ đề, phân tích ma trận học, học trực tuyến và suy diễn ngẫu nhiên. Các thuật toán suy diễn đó sẽ được khai thác để phát triển các phương pháp hiệu quả cho hỏi đáp, khai phá văn bản và web, các hệ gợi ý, phân tích mạng xã hội và truy hồi thông tin. Ứng dụng vào trong hệ gợi ý ngoài doanh nghiệp.

2.3. Đề tài: Phương pháp thuật toán và tổ hợp trên một số cấu trúc rời rạc (102.01-2016.05)

  • Chủ trì: PGS.TS. Đỗ Phan Thuận
  • Thời gian thực hiện: từ 4/2017 đến 4/2019
  • Nguồn tài trợ: Quỹ Nafosted

Mô tả ngắn gọn: áp dụng thuật toán tổ hợp và đồ thị vào một số bài toán tối ưu tổ hợp trong mạng truyền thông, bài toán phát hiện xâm nhập mạng, bài toán tối ưu trong trí tuệ nhân tạo.

2.4. Đề tài: Phát triển các kỹ thuật meta-heuristic giải các bài toán tối ưu trong các hệ thống phân tán và hệ thống phần mềm (DFG 102.01-2016.03)

  • Chủ trì: PGS.TS. Huỳnh Thị Thanh Bình
  • Thời gian thực hiện:  từ 07/2017 đến 07/2019
  • Nguồn tài trợ: Quỹ Nafosted

Mô tả ngắn gọn: Việc kết hợp và chia sẻ nhiều dạng tài nguyên trong các hệ thống phân tán và xây dựng các hệ thống phần mềm chạy trên các hạ tầng mạng khác nhau là một xu thế công nghệ mới, điển hình là Internet of Things (IoT). Mặc dù ứng dụng IoT hiện nay mới chỉ dừng ở mức sử dụng công nghệ, nhưng các ứng dụng này đòi hỏi phải xử lý một lượng dữ liệu khổng lồ, trong môi trường phân tán trong thời gian thực với các giới hạn về năng lực xử lý, bộ nhớ, nguồn pin của thiết bị cuối. Đề tài này quan tâm đến hai hướng nghiên cứu chính và đề xuất các vấn đề cần nghiên cứu liên quan: Hạ tầng IoT: tối ưu việc triển khai mạng cảm biến không dây trong công nghệ IoT; giảm độ trễ trong truyền thông của hạ tầng mạng IoT.
Phát triển phần mềm cho IoT: tối ưu hóa phần mềm IoT để đáp ứng yêu cầu phi chức năng của phần mềm; sinh dữ liệu tự động cho kiểm thử phần mềm trong môi trường IoT; Đánh giá và kiểm thử tiến hóa dịch vụ trong các môi trường IoT
Hai hướng nghiên cứu và các đề xuất nghiên cứu trong đề tài đều được chứng minh là dẫn tới phải giải quyết các bài toán tối ưu tổ hợp thuộc lớp NP-Khó. Hiện nay, các ứng dụng IoT mới dừng lại ở việc sử dụng công nghệ chưa hoặc ít xây dựng được các kỹ thuật metaheuristic để giải quyết các vấn đề tối ưu trong các hạ tầng IoT và phát triển phần mềm IoT. Vì vậy, vấn đề sử dụng các kỹ thuật metaheuristic để giải quyết lớp các bài toán NP-Khó trong các hệ phân tán và phần mềm là một chủ đề cần được nghiên cứu sâu thêm.

2.5. Đề tài: Các phương pháp kiểm chứng và cục bộ hóa lỗi cho hệ thống phần mềm hướng thành phần (102.03-2013.39)

  • Chủ trì: TS. Nguyễn Thanh Hùng
  • Thời gian thực hiện: từ 04/2016 đến 10/2017
  • Nguồn tài trợ: Quỹ Nafosted

Mô tả ngắn gọn: Nghiên cứu framework dựa trên thành phần như BIP hoặc Alloy. Cung cấp phương pháp mới cho kiểm chứng tính dựa trên phân tích cấu trúc và ràng buộc giữa các thành phần khác nhau trong hệ thống. Tích hợp các kỹ thuật phân tích tĩnh đểgiảm chi phí thực thi do việc sử dụng bộ giám sát. Đề xuất kỹ thuật tăng cường hỗ trợ việc sửa lỗi tự động và phương pháp cục bộ hóa lỗi để cục bộ các đoạn mã gây ra lỗi trong chương trình.

2.6. Đề tài: Định tuyến mạng và tiếp cận phi-vị-kỷ nhằm tối ưu hóa hiệu năng tổng thể (102.02-2017.316)

  • Chủ trì: PGS.TS. Nguyễn Khanh Văn
  • Thời gian thực hiện: Từ 08/2018 đến 08/2020
  • Nguồn tài trợ: Quỹ Nafosted

Mô tả ngắn gọn: Nghiên cứu thiết kế các cơ chế và thuật toán phân tán nắm bắt tri thức địa hình trong mạng CBKD. Phát triển các thuật toán định tuyến phi-vị-kỷ khai thác tri thức địa hình, đảm bảo cân bằng hiệu quả giữa lợi ích cục bộ và toàn thể. Thiết kế định tuyến trong mạng liên kết DCN (sử dụng mô hình ngẫu nhiên) nhằm đạt được các hiêu năng đòi hỏi đặc thù về tính mở rộng mềm dẻo và dễ thích nghi, hướng tới giảm chi phí xây dựng và tiết kiệm năng lượng. Phát tiển các thuật toán mới có thể được áp dụng đẻ giảm thiểu tiêu thụ năng lượng khi đưa vào vận hành trong các hệ trongcacs hệ ICT phân tán cỡ lớn.

2.7. Đề tài: Thiết kế và tối ưu xuyên lớp mạng truyền thông quang sử dụng các trạm hạ tầng trên cao

  • Chủ trì: PGS.TS. Trương Thị Diệu Linh
  • Thời gian thực hiện: 2019-2021
  • Nguồn tài trợ: Quỹ Nafosted

Mô tả ngắn gọn: Các trạm hạ tầng trên cao (HAPs) là các thiết bị bay có khả năng giữ vị trí gần như ổn định ở dưới tầng bình lưu. HAP có thể là các máy bay hay khí cầu thường nằm trên mây ở độ cao từ 17 đến 25 km. So với vệ tinh hoặc các hệ thống truyền thông mặt đất cổ điển, hạ tầng HAP tương đối linh hoạt, không gây ô nhiễm và có hiệu quả kinh tế cao. Các hệ thống HAP đã được nghiên cứu và triển khai rộng rãi ở châu Âu, châu Mỹ, Nhật, Hàn quốc v.v… HAP có thể được sử dụng cho nhiều mục đích khác nhau như quan sát vũ trụ, xây dựng bản đồ địa lý, theo dõi thiên tai và thiết lập mạng truyền dữ liệu.   Mục tiêu của đề tài là đề xuất một mô hình truyền thông quang sử dụng HAP và thiết kế topology cho mạng quang sử dụng HAP tối ưu với các tham số của lớp vật lý nhằm đem lại hiệu năng cao cho mạng.

3. Đề tài hợp tác nghiên cứu theo Nghị định thư

3.1. Đề tài: Xây dựng kiến trúc hạ tầng an toàn thông tin cho mạng vạn vật trên nền điện toán đám mây (NĐT14.TW/16)

  • Chủ trì: PGS.TS. Nguyễn Linh Giang
  • Thời gian thực hiện: từ tháng 10/2016 đến tháng 10/2018
  • Nguồn tài trợ: Bộ khoa học và công nghệ

Mô tả ngắn gọn: Đề tài hợp tác với Đài Loan theo nghị định thư tập trung nghiên cứu, phát triển thử nghiệm và triển khai các cơ chế an toàn thông tin cho mô hình kết hợp mạng vạn vật IoT hướng điện toán đám mây làm trung tâm (Cloud centric IoT) bao gồm: các cơ chế xác thực (cho smartphone, sensor) cho hạ tầng OM2M, cơ chế xác thực khi truy cập vào hệ thống đám mây dữ liệu của IoT, an toàn dữ liệu thu nhận từ mạng IoT để lưu trữ trong điện toán đám mây. Xây dựng thử nghiệm hệ thống quản lý hồ sơ y tế triển khai trên điện toán đám mây và kết hợp các cơ chế an toàn thông tin trong các kết nối với mạng lưới thu nhận dữ liệu y tế qua các thiết bị di động và cảm biến y sinh. Thúc đẩy hợp tác quốc tế, trao đổi kinh nghiệm trong lĩnh vực an toàn thông tin. Tích hợp hệ thống chứng thư ẩn số phân tán cho hệ thống quản lý hồ sơ y tế.

3.2. Đề tài: Nghiên cứu, phát triển hệ thống giám sát và phát hiện các hiện tượng bất thường trong tín hiệu định vị GNSS/GPS (NĐT.38.ITA/18)

  • Chủ trì: PGS.TS. Tạ Hải Tùng
  • Thời gian thực hiện: 24 tháng, từ tháng 4/2018 đến 3/2020
  • Nguồn tài trợ: Bộ khoa học và công nghệ

Mô tả ngắn gọn: Đề tài hợp tác với Ý theo nghị định thư chủ yếu nghiên cứu và chế tạo được các thiết bị giám sát và phát hiện bất thường (phá sóng, giả mạo tín hiệu, gián đoạn dịch vụ, can nhiễu tự nhiên) của các hệ thống định vị GNSS. Nghiên cứu và phát triển được phần mềm máy chủ trung tâm kết nối mạng lưới các trạm giám sát triển khai tại các khu vực quan trọng: đường cao tốc, cảng hàng không, cảng biển, nhà ga,… nhằm đưa thông tin cảnh báo kịp thời các hiện tượng bất thường, cũng như các khuyến nghị về việc sử dụng dịch vụ định vị GPS/GNSS cho người sử dụng. Đề xuất/kiến nghị giải pháp nâng cao độ tin cậy của định vị GPS/GNSS tại Việt Nam.

4. Đề tài cấp Bộ

4.1. Đề tài: Nghiên cứu phát triển thuật toán truyền dữ liệu tối ưu và công cụ sinh mã tự động trên các bộ xử lý đồ hoạ (GPU computing) cho một số bài toán tính toán hiệu năng cao (B2015-01-90)

  • Chủ trì: TS. Vũ Văn Thiệu
  • Thời gian thực hiên: 2015-2017
  • Nguồn tài trợ:  Bộ Giáo dục và Đào tạo

Mô tả ngắn gọn: Đề tài tập trung nghiên cứu và giải quyết hai vấn đề phức tạp, ảnh hưởng trực tiếp đến hiệu suất của chương trình CUDA, đó là vấn đề đồng bộ trong tính toán và vấn đề tối ưu hóa truyền thông giữa CPU với GPU và giữa các GPU. Việc cài đặt một chương trình CUDA bằng tay thường tốn nhiều thời gian và hiệu quả không cao. Phạm vi nghiên cứu cụ thể là chúng tôi sẽ đề xuất các phương pháp giải quyết hai vấn đề nêu trên và nghiên cứu phát triển một công cụ sinh mã tự động, có thể tự động tạo chương trình CUDA hiệu quả cho nhiều bài toán tính toán hiệu năng cao khác nhau.

4.2. Đề tài: Nghiên cứu, xây dựng hệ thống xử lý tấn công từ chối dịch vụ phân tán và phát hiện BOTNET (B2016-BKA-06)

  • Chủ trì: PGS.TS. Nguyễn Linh Giang
  • Thời gian thực hiên: 2016-2017
  • Nguồn tài trợ: Bộ Khoa học và Công nghệ

Mô tả ngắn gọn: Nắm vững, làm chủ các công nghệ xử lý tấn công từ chối dịch vụ phân tán DdoS dạng SYN flood giả mạo nguồn; xây dựng thử nghiệm hệ thống mềm phát hiện tấn công từ chối dịch vụ phân tán dạng SYN flood gải mạo nguồn và phát hiện DGA BOTNET. Triển khai thử nghiệm tại Trung tâm Mạng Trường ĐH BKHN

4.3. Đề tài: Nghiên cứu xây dựng thuật toán giải quyết bài toán đường đi bao phủ và ứng dụng cho robot lau nhà (B2015-91-01)

  • Chủ trì: TS. Ngô Lam Trung
  • Thời gian thực hiên: 2015-2017
  • Nguồn tài trợ: Bộ Giáo dục và Đào tạo

Mô tả ngắn gọn: Nghiên cứu đề xuất thuật toán tìm đường bao phủ cho phép robot hút bụi, robot lau nhà rút ngắn thời gian làm việc, hạn chế các đường đi trùng lặp nhằm tăng hiệu quả hoạt động.

4.4. Đề tài: Nghiên cứu xây dựng phần mềm nền tảng kết nối các IoT gateway cho điện toán sương mù triển khai trên môi trường đa đám mây (B2017-BKA-32)

  • Chủ trì: TS. Nguyễn Bình Minh
  • Thời gian thực hiên: 2017-2018
  • Nguồn tài trợ: Bộ Giáo dục và Đào tạo

Mô tả ngắn gọn: Kết nối và khai thác đồng thời các giải pháp công nghệ cho IoT hiện tại, cho phép nhà lập trình ứng dụng có khả năng tạo ra các tiện ích thông minh có khả năng phục vụ được nhiều người dùng cuối hơn.

4.5. Đề tài: Nghiên cứu xây dựng và triển khai dịch vụ tin sinh trên nền điện toán đám mây ứng dụng cho các bài toán siêu bộ gien, (B2015-01-89)

  • Chủ trì: TS. Nguyễn Hữu Đức
  • Thời gian thực hiên:  01/2015-12/2018
  • Nguồn tài trợ: Bộ Giáo dục và Đào tạo

Mô tả ngắn gọn: Phân tích siêu bộ gien (metagenomics) là lĩnh vực nghiên cứu về các hệ gien vi sinh vật tồn tại trong một môi trường nghiên cứu như đất, nước, hệ tiêu hóa… Nghiên cứu này cho phép phát hiện những chủng loại vi sinh vật mới chưa từng phát hiện, cũng như ảnh hưởng của chúng đến môi trường nghiên cứu. Phân tích siêu bộ gien cần thực hiện trên những hệ thống tính toán với năng lực tính toán và lưu trữ lớn. Đề tài nghiên cứu này hướng đến việc xây dựng một hệ thống dịch vụ phân tích dữ liệu cho các bài toán siêu bộ gien dựa trên công nghệ điện toán đám mây, khai thác được tính sẵn có cũng như khả năng co giãn tài nguyên theo nhu cầu sử dụng của công nghệ này.

4.6. Đề tài: Kiểm soát cây trồng dựa trên nền tảng Internet of Things (B2014-01-83)

  • Chủ trì: PGS.TS. Ngô Quỳnh Thu
  • Thời gian thực hiên: 2014-2017
  • Nguồn tài trợ: Bộ giáo dục và đào tạo

Mô tả ngắn gọn: Trong khuôn khổ đề tài này, nhóm nghiên cứu đề xuất các giải pháp (đa đường, đa kênh) giúp tăng độ tin cậy, nâng cao độ chính xác (có thể lên tới 90%) so với các giải pháp đã có (độ chính xác nhỏ hơn 70%) trong việc giám sát các thông số môi trường của nhà kính. Các giải pháp đa đường đa kênh mới này được phát triển trên các công nghệ của Internet of Things như:

  • Các nút cảm biến có công suất thấp, giá thành rẻ,
  • Có thể chạy trên nút ReMote của Zolertia, hệ điều hành Contiki
  • Sử dụng giao thức CoAP/UDP/IPv6-RPL/6LoWPAN/802.15.4

5. Đề tài Hợp tác quốc tế

5.1. Đề tài: Inferring the Hidden Structures in Big Heterogeneous Data (FA2386-15-1-4011)

  • Chủ trì: TS. Thân Quang Khoát
  • Thời gian thực hiện: 06/02/2015 – 31/05/2017
  • Nguồn tài trợ: Air Force Office of Scientific Research (USA) and ITC-PAC (US Army)

Mô tả ngắn gọn: Mục tiêu trong đề tài này là phát triển một lớp các thuật toán suy diễn và phát hiện ra những cấu trúc ẩn trong dữ liệu lớn, và giúp ta đưa ra các phán đoán hiệu quả trong các ứng dụng thực tế. Đặc biệt các thuật toán đó phải có khả năng làm việc với các luồng văn bản hoặc tập dữ liệu cỡ lớn. Các thuật toán đó sẽ có ảnh hưởng tới nhiều lĩnh vực khác nhau, bởi chúng cho phép ta hiểu hoặc tận dụng được một lượng lớn dữ liệu phức tạp và động trong thực tế. Các thuật toán đó sẽ được ứng dụng trong hỏi đáp, hệ gợi ý, phân tích mạng xã hội.

5.2. Đề tài: Scalable Distributed IoT Framework based on Mobile Robot Technology for High Performance Greenhouse Plants.

  • Chủ trì: PGS.TS. Ngô Quỳnh Thu
  • Thời gian thực hiên: 2017 -2020
  • Nguồn tài trợ:  IVO

Mô tả ngắn gọn: Trong khuôn khổ đề tài này, nhóm nghiên cứu đề xuất các giải pháp giúp tăng sản lượng và trộn dinh dưỡng tự động cho các hệ thống thuỷ canh sử dụng công nghệ IoT và AI. Các giải pháp này hướng đến nhóm khách hàng tại các thành phố lớn và người nông dân. Nội dung chính của để tài đã thực hiện: Phát triển giải pháp ICT sử dụng công nghệ IoT (hệ điều hành FreeRTOS, cảm biến ESP32, chồng giao thức MQTT/TCP/IP/802.11) và phát triển giải pháp phân tích cho khách hàng (trộn dinh dưỡng tự động) tại các thành phố lớn và người nông dân (để tang sản lượng)

5.3. Đề tài: IoT Open Innovation Platform

  • Chủ trì: PGS.TS. Ngô Quỳnh Thu
  • Thời gian thực hiên: 2016- 2018
  • Nguồn tài trợ:  IVO

Mô tả ngắn gọn: Trong khuôn khổ đề tài này, nhóm nghiên cứu đề xuất các thiết bị để cho ứng dụng giám sát sức khoẻ dựa trên công nghệ IoT… Nội dung chính của để tài đã thực hiện: Phát triển giải pháp ICT sử dụng công nghệ IoT cho ứng dụng y tế (có khả năng ứng dụng cho thị trường Việt Nam).

5.4. Đề tài: Learning an effective representation for the hidden semantics

  • Chủ trì: TS. Thân Quang Khoát
  • Thời gian thực hiện: 02/06/2018 – 02/05/2020
  • Nguồn tài trợ:  US Office of Naval Research Global, and US Air Force Office of Scientific Research

Mô tả ngắn gọn: Mục tiêu trong đề tài này là phát triển một framework để học tự động một biểu diễn các ngữ nghĩa ẩn từ các tập văn bản lớn. Framework có thể làm việc tốt với các dạng ngữ nghĩa khác nhau, chẳng hạn như ngữ nghĩa từ, chủ đề, tương tác giữa các đối tượng, cảm xúc, xu hướng, cộng đồng xã hội,… Rất nhiều thử thách sẽ cần phải giải quyết, bao gồm tính không lồi của các bài toán học, tính phi cấu trúc của văn bản, tính không đồng bộ của dữ liệu,… Các thuật toán đó sẽ được ứng dụng trong phân tích văn bản, hệ gợi ý, phân tích mạng xã hội. Kết quả của dự án sẽ bao gồm các bài báo được công bố trong các tạp chí hoặc hội nghị chất lượng cao, và một mã nguồn mở.

5.5. Đề tài: Evolutionary Multitasking algorithms for solving optimization problems

  • Chủ trì: PGS.TS. Huỳnh Thị Thanh Bình
  • Thời gian thực hiện: 2019-2021
  • Nguồn tài trợ:  US Army Research Lab, US Army International Research Center – Asia Pacific.

Mô tả ngắn gọn: Phát triển các mô hình tiến hóa đa nhiệm để giải các bài toán tối ưu như các bài toán tối ưu trên đồ thị, các bài toán training trong mạng neural.