[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_h%E1%BB%99i%20tr%C3%AD%20tu%E1%BB%87%20t%C3%ADnh%20to%C3%A1n{\"limit\":5}":3,"_public_topic_byId_h%E1%BB%99i%20tr%C3%AD%20tu%E1%BB%87%20t%C3%ADnh%20to%C3%A1n":11},{"code":4,"data":5,"meta":10},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":8,"vietnamLatest":9},[],[],[],[],null,{"code":4,"data":12,"meta":10},{"id":13,"title":14,"description":15,"content":16,"term":13,"englishTitle":17,"synonyms":10,"definition":18,"discipline":19,"references":20,"faqs":42,"createUser":52,"publishUser":56,"keywords":60,"keywordCount":71,"enrichTopicLink":72,"status":73,"createTime":74,"updateTime":75,"publishTime":76,"linkEnrichedTime":77,"publicationScanTime":10,"contentErrorMessage":10,"viewCount":78,"wikidataId":10,"relateTopics":79},"hội trí tuệ tính toán","Hội trí tuệ tính toán là gì? Nghiên cứu khoa học liên quan","Hội trí tuệ tính toán là lĩnh vực trong trí tuệ nhân tạo sử dụng các phương pháp như mạng nơ-ron, hệ mờ và thuật toán tiến hóa để xử lý dữ liệu phi chuẩn. Không phụ thuộc vào mô hình toán học chính xác, trí tuệ tính toán cho phép hệ thống học hỏi, thích nghi và ra quyết định trong môi trường không chắc chắn và phức tạp. ","\u003Cp>\u003Cstrong>Hội trí tuệ tính toán\u003C\u002Fstrong> (\u003Cem>Computational Intelligence Society \u002F IEEE CIS\u003C\u002Fem>) là Hội Trí tuệ Tính toán (IEEE Computational Intelligence Society - CIS) là một tổ chức chuyên môn quốc tế trực thuộc IEEE, quy tụ các nhà nghiên cứu và kỹ sư hàng đầu trong các lĩnh vực mạng nơ-ron nhân tạo, thuật toán tiến hóa và hệ logic mờ.\u003C\u002Fp>\n\u003Ch2>Khái niệm hội trí tuệ tính toán\u003C\u002Fh2>\n\u003Cp>\nHội trí tuệ tính toán, hay Computational Intelligence (CI), là một nhánh quan trọng trong lĩnh vực trí tuệ nhân tạo (AI), tập trung vào các {{topic|%7B%22topic%22%3A%22ph%C6%B0%C6%A1ng%20ph%C3%A1p%20t%C3%ADnh%20to%C3%A1n%22%7D}} mô phỏng hành vi thông minh mà không cần đến {{topic|%7B%22topic%22%3A%22m%C3%B4%20h%C3%ACnh%20to%C3%A1n%20h%E1%BB%8Dc%22%7D}} chính xác. CI đặc biệt hiệu quả trong các tình huống mà dữ liệu không chắc chắn, không đầy đủ, phi tuyến tính hoặc khó mô hình hóa bằng logic hình thức truyền thống.\n\u003C\u002Fp>\n\u003Cp>\nKhác với AI cổ điển vốn dựa vào luật logic và suy luận hình thức, CI sử dụng các thuật toán lấy cảm hứng từ tự nhiên và có {{topic|%7B%22topic%22%3A%22kh%E1%BA%A3%20n%C4%83ng%20t%E1%BB%B1%20h%E1%BB%8Dc%22%7D}}, tự thích nghi. Các hệ thống CI không cần thiết lập các quy tắc cố định mà thay vào đó, chúng học hỏi hành vi từ dữ liệu đầu vào và kinh nghiệm quá khứ.\n\u003C\u002Fp>\n\u003Cp>\nCI thường bao gồm ba thành phần nền tảng:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>Hệ thống mờ (Fuzzy Systems)\u003C\u002Fli>\n  \u003Cli>Mạng nơ-ron nhân tạo (Artificial Neural Networks – ANNs)\u003C\u002Fli>\n  \u003Cli>Thuật toán tiến hóa (Evolutionary Algorithms)\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\n\u003Ch2>Phân biệt giữa trí tuệ nhân tạo và trí tuệ tính toán\u003C\u002Fh2>\n\u003Cp>\nTrí tuệ nhân tạo (AI) là khái niệm bao trùm chỉ toàn bộ các kỹ thuật nhằm tạo ra hành vi thông minh trong máy móc. Trong khi đó, trí tuệ tính toán là một tập con của AI, tập trung vào các kỹ thuật mềm (soft computing) có khả năng {{topic|%7B%22topic%22%3A%22x%E1%BB%AD%20l%C3%BD%20th%C3%B4ng%20tin%22%7D}} không rõ ràng, phi cấu trúc hoặc nhiều nhiễu.\n\u003C\u002Fp>\n\u003Cp>\nSự khác biệt chính nằm ở triết lý thiết kế:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>AI cổ điển: dựa trên logic hình thức, cây quyết định, suy diễn quy tắc\u003C\u002Fli>\n  \u003Cli>CI: dựa trên mô phỏng các hiện tượng tự nhiên, khả năng học thích nghi, {{topic|%7B%22topic%22%3A%22x%E1%BB%AD%20l%C3%BD%20d%E1%BB%AF%20li%E1%BB%87u%22%7D}} phi chuẩn\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nBảng sau tóm tắt một số điểm khác biệt nổi bật giữa AI truyền thống và CI:\n\u003C\u002Fp>\u003Ctable border=\"1\" cellpadding=\"6\" cellspacing=\"0\">\n  \u003Ctbody>\u003Ctr>\n    \u003Cth>Tiêu chí\u003C\u002Fth>\n    \u003Cth>AI truyền thống\u003C\u002Fth>\n    \u003Cth>Trí tuệ tính toán (CI)\u003C\u002Fth>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Cơ sở lý thuyết\u003C\u002Ftd>\n    \u003Ctd>Logic hình thức, xác suất\u003C\u002Ftd>\n    \u003Ctd>Tập mờ, tiến hóa, mạng nơ-ron\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Xử lý thông tin không đầy đủ\u003C\u002Ftd>\n    \u003Ctd>Khó khăn\u003C\u002Ftd>\n    \u003Ctd>Hiệu quả\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Khả năng học và thích nghi\u003C\u002Ftd>\n    \u003Ctd>Có giới hạn\u003C\u002Ftd>\n    \u003Ctd>Rất mạnh\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Khả năng tổng quát hóa\u003C\u002Ftd>\n    \u003Ctd>Phụ thuộc mô hình\u003C\u002Ftd>\n    \u003Ctd>Dựa trên dữ liệu\u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Cp>\u003C\u002Fp>\n\n\u003Ch2>Các thành phần chính trong trí tuệ tính toán\u003C\u002Fh2>\n\u003Cp>\nTrí tuệ tính toán được xây dựng dựa trên ba kỹ thuật cốt lõi, mỗi kỹ thuật mang lại cách tiếp cận khác nhau cho việc giải quyết bài toán thông minh:\n\u003C\u002Fp>\n\u003Cp>\n\u003Cstrong>1. Mạng nơ-ron nhân tạo (Artificial Neural Networks - ANNs)\u003C\u002Fstrong>\u003Cbr>\nMô phỏng cấu trúc {{topic|%7B%22topic%22%3A%22th%E1%BA%A7n%20kinh%20sinh%20h%E1%BB%8Dc%22%7D}} của con người, ANNs có khả năng học hàm phi tuyến, phát hiện mẫu ẩn trong dữ liệu. Cấu trúc mạng gồm nhiều lớp (layers) và trọng số (weights) được điều chỉnh qua quá trình huấn luyện. Một hàm mất mát điển hình là:\n\u003Cbr>\n\u003Cscript type=\"math\u002Ftex\">L = \\sum_{i}(y_i - \\hat{y}_i)^2\u003C\u002Fscript>\n\u003C\u002Fp>\n\u003Cp>\n\u003Cstrong>2. Hệ thống mờ (Fuzzy Systems)\u003C\u002Fstrong>\u003Cbr>\nDựa trên logic mờ, cho phép xử lý thông tin không chính xác bằng cách định nghĩa các biến ngôn ngữ có giá trị liên tục trong đoạn \u003Cscript type=\"math\u002Ftex\">[0, 1]\u003C\u002Fscript>. Ví dụ, khái niệm “nhiệt độ cao” có thể có giá trị mờ thay vì đúng\u002Fsai tuyệt đối.\n\u003C\u002Fp>\n\u003Cp>\n\u003Cstrong>3. Thuật toán tiến hóa (Evolutionary Algorithms)\u003C\u002Fstrong>\u003Cbr>\nBắt chước quá trình {{topic|%7B%22topic%22%3A%22ch%E1%BB%8Dn%20l%E1%BB%8Dc%20t%E1%BB%B1%20nhi%C3%AAn%22%7D}}, {{topic|%7B%22topic%22%3A%22thu%E1%BA%ADt%20to%C3%A1n%20ti%E1%BA%BFn%20h%C3%B3a%22%7D}} dùng các phép biến đổi như chọn lọc, lai ghép và đột biến để tiến hóa lời giải qua nhiều thế hệ. Được ứng dụng trong tối ưu hóa hàm phi tuyến và bài toán tìm kiếm toàn cục.\n\u003C\u002Fp>\n\u003Cp>\nNgoài ra còn có các hướng mở rộng khác:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>Hệ miễn dịch nhân tạo (Artificial Immune Systems)\u003C\u002Fli>\n  \u003Cli>Bầy đàn thông minh (Swarm Intelligence)\u003C\u002Fli>\n  \u003Cli>Thuật toán học củng cố (Reinforcement Learning) – cầu nối giữa CI và học máy\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\n\u003Ch2>Lịch sử hình thành và phát triển\u003C\u002Fh2>\n\u003Cp>\nKhái niệm “Computational Intelligence” lần đầu được sử dụng chính thức bởi IEEE vào đầu những năm 1990 nhằm phân biệt các kỹ thuật mềm với nhánh logic hình thức của AI. Theo IEEE Computational Intelligence Society, CI đại diện cho hướng đi “thực dụng” và “thích nghi” của AI khi triển khai vào các hệ thống thực tế.\n\u003C\u002Fp>\n\u003Cp>\nSự phát triển của CI gắn liền với những bước tiến trong:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>Sức mạnh tính toán (GPU, điện toán song song)\u003C\u002Fli>\n  \u003Cli>Sự phát triển của dữ liệu lớn (big data)\u003C\u002Fli>\n  \u003Cli>Nhu cầu điều khiển {{topic|%7B%22topic%22%3A%22h%E1%BB%87%20th%E1%BB%91ng%20ph%E1%BB%A9c%20t%E1%BA%A1p%22%7D}}, phi tuyến, thời gian thực\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nTừ một ý tưởng mang tính bổ sung, CI hiện nay đã trở thành một hướng nghiên cứu chính thống, được hỗ trợ bởi nhiều tạp chí khoa học chuyên ngành như:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>IEEE Transactions on Fuzzy Systems\u003C\u002Fli>\n  \u003Cli>IEEE Transactions on Neural Networks and Learning Systems\u003C\u002Fli>\n  \u003Cli>IEEE Transactions on Evolutionary Computation\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\u003Ch2>Ứng dụng thực tế của trí tuệ tính toán\u003C\u002Fh2>\n\u003Cp>\nTrí tuệ tính toán đã được triển khai trong nhiều hệ thống thực tế yêu cầu khả năng học hỏi, tối ưu và ra quyết định thông minh. Các lĩnh vực ứng dụng tiêu biểu bao gồm:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>Nhận dạng mẫu: giọng nói, hình ảnh, chữ viết tay\u003C\u002Fli>\n  \u003Cli>Y học: {{topic|%7B%22topic%22%3A%22ch%E1%BA%A9n%20%C4%91o%C3%A1n%20h%C3%ACnh%20%E1%BA%A3nh%22%7D}}, phân tích tế bào, dự báo bệnh\u003C\u002Fli>\n  \u003Cli>Robot học: điều khiển chuyển động, tránh vật cản, học hành vi\u003C\u002Fli>\n  \u003Cli>Quản lý năng lượng: tối ưu hóa mạng điện thông minh (smart grid)\u003C\u002Fli>\n  \u003Cli>Giao thông: điều phối tín hiệu đèn giao thông, quản lý bãi đỗ xe\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nMột số hệ thống công nghiệp sử dụng CI:\n\u003C\u002Fp>\u003Ctable border=\"1\" cellpadding=\"5\" cellspacing=\"0\">\n  \u003Ctbody>\u003Ctr>\n    \u003Cth>Ngành\u003C\u002Fth>\n    \u003Cth>Ứng dụng CI\u003C\u002Fth>\n    \u003Cth>Kỹ thuật sử dụng\u003C\u002Fth>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Ô tô\u003C\u002Ftd>\n    \u003Ctd>Hệ thống hỗ trợ lái thông minh\u003C\u002Ftd>\n    \u003Ctd>Mạng nơ-ron, học củng cố\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Y tế\u003C\u002Ftd>\n    \u003Ctd>Chẩn đoán hình ảnh MRI\u002FCT\u003C\u002Ftd>\n    \u003Ctd>ANNs, hệ mờ\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Hậu cần\u003C\u002Ftd>\n    \u003Ctd>Tối ưu tuyến giao hàng\u003C\u002Ftd>\n    \u003Ctd>Thuật toán di truyền\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Viễn thông\u003C\u002Ftd>\n    \u003Ctd>Phân bổ tài nguyên mạng\u003C\u002Ftd>\n    \u003Ctd>Học thích nghi\u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nTrí tuệ tính toán không chỉ xử lý các hệ thống phức tạp, mà còn hỗ trợ đưa ra quyết định theo thời gian thực. Một ví dụ điển hình là ứng dụng fuzzy control trong điều chỉnh nhiệt độ hệ thống HVAC công nghiệp.\n\u003C\u002Fp>\n\n\u003Ch2>Hội IEEE Computational Intelligence Society (CIS)\u003C\u002Fh2>\n\u003Cp>\nIEEE Computational Intelligence Society (CIS) là tổ chức chuyên nghiệp trực thuộc IEEE, hoạt động nhằm thúc đẩy nghiên cứu và ứng dụng CI toàn cầu. Hội là đơn vị tổ chức các hội thảo quốc tế hàng đầu, nơi quy tụ cộng đồng học thuật và công nghiệp CI.\n\u003C\u002Fp>\n\u003Cp>\nCác hội nghị chính do CIS bảo trợ:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>IEEE World Congress on Computational Intelligence (WCCI): sự kiện lớn nhất kết hợp ba hội nghị về ANNs, fuzzy systems, và evolutionary computation.\u003C\u002Fli>\n  \u003Cli>IEEE Symposium Series on Computational Intelligence (SSCI)\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nCIS cũng xuất bản các tạp chí khoa học có chỉ số ảnh hưởng cao:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>IEEE Transactions on Fuzzy Systems\u003C\u002Fli>\n  \u003Cli>IEEE Transactions on Neural Networks and Learning Systems\u003C\u002Fli>\n  \u003Cli>IEEE Transactions on Evolutionary Computation\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nNgoài hoạt động học thuật, CIS còn hỗ trợ phát triển nghề nghiệp, cung cấp học bổng và cơ hội kết nối cho sinh viên và kỹ sư trẻ trong ngành CI.\n\u003C\u002Fp>\n\n\u003Ch2>Mối liên hệ với học sâu và học máy hiện đại\u003C\u002Fh2>\n\u003Cp>\nCI là nền tảng lý thuyết cho nhiều kỹ thuật học sâu (deep learning) hiện nay. Mạng nơ-ron sâu (DNN), vốn là mở rộng quy mô của ANNs, vẫn giữ nguyên nguyên lý hoạt động cốt lõi từ CI. Các mô hình như CNN, RNN, hay Transformers đều được huấn luyện dựa trên nguyên lý học lặp (iterative learning) và hàm mất mát phi tuyến.\n\u003C\u002Fp>\n\u003Cp>\nMột số kỹ thuật hiện đại sử dụng CI như thành phần chính:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>Deep Reinforcement Learning: tích hợp học củng cố với DNN\u003C\u002Fli>\n  \u003Cli>Neuroevolution: tối ưu kiến trúc mạng bằng thuật toán tiến hóa\u003C\u002Fli>\n  \u003Cli>Fuzzy-Deep Networks: kết hợp logic mờ với mạng sâu\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nCác hệ thống thực tế như Google AlphaGo, ChatGPT, hoặc Tesla Autopilot đều tích hợp nhiều thành phần CI như học từ dữ liệu không đầy đủ, thích nghi thời gian thực, hoặc tối ưu hàm mục tiêu không tuyến tính.\n\u003C\u002Fp>\n\n\u003Ch2>Toán học trong trí tuệ tính toán\u003C\u002Fh2>\n\u003Cp>\nDù thuộc nhóm kỹ thuật “mềm”, CI vẫn có nền tảng toán học vững chắc. Các lĩnh vực toán học được sử dụng rộng rãi trong CI bao gồm:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>Giải tích hàm, đạo hàm, đạo hàm riêng\u003C\u002Fli>\n  \u003Cli>Lý thuyết xác suất, thống kê Bayes\u003C\u002Fli>\n  \u003Cli>Giải thuật tối ưu: gradient descent, evolutionary strategies\u003C\u002Fli>\n  \u003Cli>Logic mờ: \u003Cscript type=\"math\u002Ftex\">A(x) \\in [0,1]\u003C\u002Fscript>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nMỗi kỹ thuật trong CI đều có các mô hình toán học riêng. Ví dụ:\n\u003C\u002Fp>\u003Ctable border=\"1\" cellpadding=\"5\" cellspacing=\"0\">\n  \u003Ctbody>\u003Ctr>\n    \u003Cth>Kỹ thuật\u003C\u002Fth>\n    \u003Cth>Mô hình toán học\u003C\u002Fth>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Mạng nơ-ron\u003C\u002Ftd>\n    \u003Ctd>\u003Cscript type=\"math\u002Ftex\">y = \\sigma(Wx + b)\u003C\u002Fscript>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Hệ mờ\u003C\u002Ftd>\n    \u003Ctd>\u003Cscript type=\"math\u002Ftex\">y = \\sum_{i} \\mu_i(x) \\cdot w_i\u003C\u002Fscript>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Tiến hóa\u003C\u002Ftd>\n    \u003Ctd>Tối ưu hóa toàn cục: \u003Cscript type=\"math\u002Ftex\">\\min_{x \\in X} f(x)\u003C\u002Fscript>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nToán học trong CI không nhằm mô tả chính xác hệ thống vật lý, mà là công cụ giúp hệ thống học hỏi và đưa ra quyết định trong môi trường không chắc chắn.\n\u003C\u002Fp>\n\n\u003Ch2>Thách thức và hướng phát triển\u003C\u002Fh2>\n\u003Cp>\nCI đang đối mặt với nhiều thách thức trong quá trình mở rộng và triển khai thực tế:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>Thiếu tính diễn giải (interpretability) trong mạng nơ-ron\u003C\u002Fli>\n  \u003Cli>Hiệu suất thấp khi huấn luyện mô hình lớn với dữ liệu thiếu cấu trúc\u003C\u002Fli>\n  \u003Cli>Khó khăn trong việc tích hợp CI vào các hệ thống kế thừa\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nTuy nhiên, các hướng phát triển mới đang mở ra triển vọng lớn:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>CI lai (Hybrid CI): kết hợp CI với AI thống kê, symbolic AI\u003C\u002Fli>\n  \u003Cli>CI tự giám sát (Self-supervised CI): giảm phụ thuộc dữ liệu gán nhãn\u003C\u002Fli>\n  \u003Cli>CI xanh (Green CI): tối ưu mô hình để tiết kiệm năng lượng tính toán\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nHệ sinh thái CI đang tiếp tục mở rộng trong cả công nghiệp và học thuật. Nhiều chương trình đào tạo tại các trường đại học hàng đầu đã tích hợp CI vào giáo trình AI tổng quát, như tại Imperial College London.\n\u003C\u002Fp>","Computational Intelligence Society \u002F IEEE CIS","Hội Trí tuệ Tính toán (IEEE Computational Intelligence Society - CIS) là một tổ chức chuyên môn quốc tế trực thuộc IEEE, quy tụ các nhà nghiên cứu và kỹ sư hàng đầu trong các lĩnh vực mạng nơ-ron nhân tạo, thuật toán tiến hóa và hệ logic mờ.","ENGINEERING_TECHNOLOGY",[21,28,35],{"citationText":22,"title":23,"authors":24,"source":25,"year":26,"doi":27,"url":10},"Zhang et al. (2011). Evolutionary Computation and Its Applications in Neural and Fuzzy Systems. Applied Computational Intelligence and Soft Computing.","Evolutionary Computation and Its Applications in Neural and Fuzzy Systems","Zhang, Wu, Lu","Applied Computational Intelligence and Soft Computing",2011,"10.1155\u002F2011\u002F938240",{"citationText":29,"title":30,"authors":31,"source":32,"year":33,"doi":34,"url":10},"Hậu et al. (2025). ẢNH HƯỞNG CỦA CÁC THUỘC TÍNH NỘI DUNG TẠO BỞI TRÍ TUỆ NHÂN TẠO ĐẾN CẢM NHẬN TÍNH CHÂN THỰC TRONG QUẢNG CÁO TRÊN MẠNG XÃ HỘI. TNU Journal of Science and Technology.","ẢNH HƯỞNG CỦA CÁC THUỘC TÍNH NỘI DUNG TẠO BỞI TRÍ TUỆ NHÂN TẠO ĐẾN CẢM NHẬN TÍNH CHÂN THỰC TRONG QUẢNG CÁO TRÊN MẠNG XÃ HỘI","Hậu, Hồng","TNU Journal of Science and Technology",2025,"10.34238\u002Ftnu-jst.13942",{"citationText":36,"title":37,"authors":38,"source":39,"year":40,"doi":41,"url":10},"Học et al. (2020). Tối ưu hóa ước tính mức tiêu thụ năng lượng trong các tòa nhà dựa trên các thuật toán trí tuệ nhân tạo. Tạp chí Khoa học Công nghệ Xây dựng (KHCNXD) - ĐHXD.","Tối ưu hóa ước tính mức tiêu thụ năng lượng trong các tòa nhà dựa trên các thuật toán trí tuệ nhân tạo","Học, Tài","Tạp chí Khoa học Công nghệ Xây dựng (KHCNXD) - ĐHXD",2020,"10.31814\u002Fstce.nuce2020-14(1v)-04",[43,46,49],{"question":44,"answer":45},"Ba trụ cột công nghệ cốt lõi của Trí tuệ tính toán (Computational Intelligence) là gì?","Ba trụ cột nền tảng bao gồm: Mạng nơ-ron nhân tạo (Neural Networks - học máy dựa trên sinh học), Tính toán tiến hóa (Evolutionary Computation - giải thuật di truyền mô phỏng chọn lọc tự nhiên) và Hệ logic mờ (Fuzzy Logic - xử lý thông tin xấp xỉ và không chắc chắn).",{"question":47,"answer":48},"Hội Trí tuệ tính toán IEEE CIS xuất bản những tạp chí học thuật hàng đầu nào?","CIS xuất bản các tạp chí uy tín hàng đầu nhóm Q1 như IEEE Transactions on Neural Networks and Learning Systems (TNNLS), IEEE Transactions on Evolutionary Computation (TEVC) và IEEE Transactions on Fuzzy Systems (TFS).",{"question":50,"answer":51},"Những hội nghị khoa học quốc tế thường niên tiêu biểu do IEEE CIS tổ chức là gì?","Hai hội nghị lớn nhất là Hội nghị quốc tế về Mạng nơ-ron (IJCNN) và Hội nghị tính toán tiến hóa (IEEE CEC), thường được hợp nhất 2 năm một lần trong Đại hội Trí tuệ tính toán thế giới (IEEE WCCI).",{"id":53,"researcherId":10,"name":54,"imageUrl":55},1,"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",{"id":57,"researcherId":10,"name":58,"imageUrl":59},2889,"Lê Xuân Niên","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLuyWIkhyP2W5E59cKwN7ciI2nbjMGUpXO9rVQquC826ujzkqhU=s96-c",[61,62,63,64,65,66,67,68,69,70],"phương pháp tính toán","mô hình toán học","khả năng tự học","xử lý thông tin","xử lý dữ liệu","thần kinh sinh học","chọn lọc tự nhiên","thuật toán tiến hóa","hệ thống phức tạp","chẩn đoán hình ảnh",10,true,"PUBLISHED","2025-09-19T02:00:42.692+00:00","2026-09-14T05:10:24.618+00:00","2025-09-25T16:39:34.851+00:00","2026-09-14T05:10:24.195+00:00",225,[80,83,86,89,92,95,98,101,104,107],{"id":81,"title":82,"term":81,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"chuỗi markov","Chuỗi markov là gì? Các công bố khoa học về Chuỗi markov",{"id":84,"title":85,"term":84,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"arima","Arima là gì? Các công bố khoa học về Arima",{"id":87,"title":88,"term":87,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"thu thập thông tin","Thu thập thông tin là gì? Các nghiên cứu khoa học liên quan",{"id":90,"title":91,"term":90,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"phương pháp luận","Phương pháp luận là gì? Các nghiên cứu khoa học liên quan",{"id":93,"title":94,"term":93,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"năng lực chuyên môn","Năng lực chuyên môn là gì? Các nghiên cứu về Năng lực chuyên môn",{"id":96,"title":97,"term":96,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"giải thuật di truyền","Giải thuật di truyền là gì? Các công bố khoa học về Giải thuật di truyền",{"id":99,"title":100,"term":99,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"thí nghiệm vật lí","Thí nghiệm vật lí là gì? Các công bố khoa học về Thí nghiệm vật lí",{"id":102,"title":103,"term":102,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"phương pháp mô hình hóa","Phương pháp mô hình hóa là gì? Các công bố khoa học",{"id":105,"title":106,"term":105,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"mô hình hóa toán học","Mô hình hóa toán học là gì? Các nghiên cứu khoa học",{"id":108,"title":109,"term":108,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"năng lực nghiên cứu khoa học","Năng lực nghiên cứu khoa học là gì? Các bài báo phân tích"]