2019 6th NAFOSTED Conference on Information and Computer Science (NICS)

Bài báo này trình bày một mô hình học tập tổ hợp xếp chồng mới nhằm cải thiện phân loại trạng thái tinh thần cho việc triển khai giao diện não-máy tính. Mô hình đề xuất kết hợp các phương pháp dựa trên học máy sử dụng máy vector hỗ trợ, mạng nơ-ron nhân tạo và học sâu, cùng với quy tắc chọn mô hình để phân loại tín hiệu EEG thành các trạng thái tinh thần chính xác. Mô hình học tập tổ hợp đề xuất đã được xác thực trên một tập dữ liệu EEG trong đó tín hiệu EEG được ghi lại từ bốn đối tượng. Ba nhiệm vụ tinh thần là chuyển đổi tâm trí vào trạng thái Zen (Trung lập), hình dung cách để bật đèn (Sáng) và ghi nhớ nội dung bài báo khoa học (Bài báo). Các kết quả thực nghiệm cho thấy mô hình học tập tổ hợp này có tính ổn định và hiệu quả khi so sánh với các mô hình và phương pháp học máy hiện có khác cho cùng một mục đích.

Để vượt qua những hạn chế của việc khai thác tập hợp mục với lợi nhuận cao, một cách diễn đạt gọn gàng, không mất mát và súc tích hơn cho tập hợp mục có lợi nhuận cao (HUIs) đã được đề xuất, chẳng hạn như HUIs đóng (CHUIs) hoặc HUIs tối đa (MHUIs). Trong bài báo này, chúng tôi trình bày các thuật toán để khai thác hiệu quả MHUIs từ cơ sở dữ liệu giao dịch. Các thuật toán được đề xuất sử dụng nhiều kỹ thuật cắt tỉa để giảm đáng kể không gian tìm kiếm và tăng cường hiệu suất của quá trình khai thác MHUIs.

Chúng tôi đã chứng kiến nhiều phát triển và nghiên cứu thú vị trong lĩnh vực tóm tắt văn bản. Mặc dù nhiều phương pháp tóm tắt đã được nghiên cứu và áp dụng rộng rãi trong nhiều lĩnh vực tiếng Anh, nhưng lĩnh vực này vẫn còn ở giai đoạn đầu tại Việt Nam do số lượng tài liệu, hệ thống hạn chế, và sự thiếu hụt các tập dữ liệu chuẩn. Được truyền cảm hứng để góp phần tiến bộ trong nghiên cứu ngôn ngữ tiếng Việt, trước tiên trong bài báo này, chúng tôi tạo ra một tập dữ liệu tiêu chuẩn cho việc tóm tắt tài liệu. Theo như hiểu biết của chúng tôi, chúng tôi là những người đầu tiên công bố một cách chính thức tập dữ liệu lớn về tóm tắt. Thứ hai, chúng tôi tiến hành so sánh giữa các phương pháp tóm tắt trích xuất truyền thống và tiên tiến trên tập dữ liệu của chúng tôi. Chúng tôi tin tưởng mạnh mẽ rằng kết quả công trình của chúng tôi sẽ tạo điều kiện thuận lợi cho các nghiên cứu tóm tắt văn bản bằng tiếng Việt trong tương lai.

Các protein không hoạt động độc lập, chúng tương tác với nhau. Các tương tác này được mô hình hóa thông qua mạng lưới tương tác protein (PPI). Vấn đề căn chỉnh mạng lưới PPI có ý nghĩa lớn trong lĩnh vực y sinh và đã thu hút sự quan tâm của nhiều nhà nghiên cứu. Bài báo này giới thiệu một thuật toán mới gọi là ACOGNA2 để căn chỉnh toàn cầu các mạng lưới PPI. Các thí nghiệm cho thấy thuật toán đề xuất vượt trội hơn so với các thuật toán tiên tiến nhất hiện nay.

Bảo mật đã trở thành một khía cạnh quan trọng của hầu hết các ứng dụng, đặc biệt là phần mềm an toàn mang tính chất quan trọng. Trên thực tế, việc mất mát hoặc rò rỉ dữ liệu nhạy cảm có thể dẫn đến những tổn thất lớn cho các tổ chức, vì vậy các nhà phát triển phần mềm luôn phải tìm kiếm các phương pháp để đảm bảo các thuộc tính bảo mật cho phần mềm của họ. Trong thực tiễn, kiểm soát truy cập dựa trên thuộc tính (ABAC) đã trở thành một phương pháp hiệu quả, linh hoạt và phổ biến nhằm giảm thiểu nguy cơ tiếp cận trái phép đến tài nguyên trong các hệ thống lớn và phức tạp. Trong bài báo này, chúng tôi giới thiệu một phương pháp để kiểm tra các quy tắc ABAC từ mã nguồn của phần mềm ứng dụng so với yêu cầu kỹ thuật của nó. Công việc của chúng tôi bao gồm các định nghĩa chính thức về chính sách ABAC và các quy tắc truy cập trong các phần mềm, một phương pháp để phân tích các quy tắc truy cập từ mã nguồn và các thuật toán để phân tích và xác thực các quy tắc truy cập hỗ trợ cho quá trình xác minh. Phương pháp đề xuất có thể giúp các lập trình viên phát hiện sự không nhất quán giữa yêu cầu và việc triển khai của một hệ thống phần mềm. Chúng tôi cũng minh họa cách tiếp cận của mình bằng một ví dụ trong hệ thống quản lý thông tin y tế.