Phân tích fish là gì? Các bài nghiên cứu khoa học liên quan

Phân tích Fish hay sơ đồ xương cá là công cụ trực quan giúp tổ chức và phân loại nguyên nhân gây ra vấn đề trong nhiều lĩnh vực khác nhau. Công cụ do Kaoru Ishikawa phát triển này hỗ trợ làm việc nhóm, khám phá nguyên nhân tiềm ẩn và định hướng điều tra một cách hệ thống.

Phân tích Fish là gì? Định nghĩa và nguồn gốc

Phân tích Fish (sơ đồ xương cá, sơ đồ Ishikawa, cause-and-effect diagram) là một kỹ thuật trực quan hóa quan hệ nhân–quả được dùng để xác định, nhóm hóa và hệ thống hóa các nguyên nhân có thể dẫn tới một vấn đề chất lượng, rủi ro vận hành hoặc sai lệch hiệu suất. Công cụ này nổi bật vì cấu trúc chặt chẽ, hỗ trợ tư duy hệ thống và giảm bỏ sót nguyên nhân nhờ cách sắp xếp theo nhánh. Các tổ chức chất lượng quốc tế mô tả sơ đồ Fish như một trong những “công cụ cơ bản” của cải tiến liên tục và quản lý chất lượng toàn diện, thường dùng trước khi định lượng mức độ ưu tiên bằng Pareto hoặc đánh giá rủi ro bằng FMEA (ASQ, IHI).

Công cụ được gắn với Kaoru Ishikawa, nhà tiên phong quản lý chất lượng tại Nhật Bản, người thúc đẩy cải tiến dựa trên dữ liệu và làm việc nhóm trong thập niên 1960. Việc áp dụng sơ đồ Fish sớm trở thành chuẩn thực hành trong nhiều chương trình TQC/TQM, Six Sigma và Lean, từ môi trường sản xuất đến y tế, dịch vụ và công nghệ. Nhiều hướng dẫn ứng dụng hiện đại nhấn mạnh việc kết hợp sơ đồ Fish với các kỹ thuật thu thập dữ liệu, kiểm chứng giả thuyết và đo lường sau can thiệp để tránh thiên kiến xác nhận và bảo đảm truy vết đến nguyên nhân gốc (Lucidchart, Wrike).

Thuật ngữĐồng nghĩaMục tiêu sử dụng
Fishbone diagramIshikawa, Cause-and-EffectKhám phá, sắp xếp nguyên nhân
Root Cause AnalysisRCAXác định nguyên nhân gốc, kiểm chứng
FMEAFailure Modes & Effects AnalysisƯu tiên rủi ro, phòng ngừa

Nguyên lý hoạt động và cấu trúc

Sơ đồ có hình ảnh ẩn dụ “xương cá”: đầu cá ghi vấn đề (effect), trục xương sống là đường thời gian/logic dẫn tới vấn đề, các nhánh xương lớn biểu diễn các nhóm nguyên nhân chính (major causes), và các nhánh phụ bậc 2, bậc 3 thể hiện nguyên nhân chi tiết (minor/sub-causes). Cấu trúc phân nhánh giúp tách bạch “danh mục nguyên nhân” khỏi “diễn giải”, giảm chồng chéo và hỗ trợ theo dõi bằng bằng chứng.

Quy tắc sử dụng nhấn mạnh: mỗi nguyên nhân được đặt vào nhóm phản ánh bản chất kiểm soát của nó; nguyên nhân cần diễn đạt theo dạng có thể kiểm chứng (có dữ liệu, quan sát, bằng chứng); nhánh chỉ thể hiện mối quan hệ logic “có thể gây ra”, không gán trọng số khi chưa đo lường. Khi cần, nhóm thực hiện có thể đánh dấu các nhánh nghi vấn để lên kế hoạch thí nghiệm/kiểm chứng sau phiên họp (ASQ, IHI).

  • “Đầu cá”: mô tả vấn đề cụ thể, phạm vi, chỉ số định lượng (ví dụ: “Tỉ lệ lỗi đo lường > 2% trong quý II”).
  • “Xương lớn”: các nhóm nguyên nhân tạo khung thảo luận (ví dụ: 6M trong sản xuất).
  • “Xương nhỏ”: chi tiết hóa đến mức có thể hành động, thu thập dữ liệu kiểm chứng.
Thành phầnMô tảGợi ý dữ liệu
Vấn đềCâu mô tả ngắn, có ranh giớiChỉ số, thời gian, phạm vi
Nhóm nguyên nhânKhung phân loại nhất quánQuy trình, thiết bị, con người…
Nguyên nhân chi tiếtGiả thuyết có thể kiểm chứngLog, biểu mẫu, kiểm nghiệm

Các nhóm nguyên nhân thông dụng

Khung phân loại phổ biến nhất trong môi trường sản xuất là 6M: Man (Nhân lực), Machine (Máy móc), Method (Phương pháp), Material (Vật liệu), Measurement (Đo lường), Mother Nature/Environment (Môi trường). Tùy bối cảnh có thể rút gọn thành 5M hoặc mở rộng thành 8M (thêm Management, Maintenance). Trong dịch vụ và sản phẩm số, các khung như 5P (People, Process, Policies, Place, Procedures) hoặc 4S (Surroundings, Suppliers, Systems, Skills) được khuyến nghị để phản ánh đặc thù phi sản xuất (Lucidchart, Wrike).

Việc chọn khung cần đảm bảo tính nhất quán và khả năng “bao phủ” toàn diện, tránh trùng lặp giữa các nhánh. Quy tắc thực hành tốt là bắt đầu với khung chuẩn của ngành, sau đó điều chỉnh tên nhóm để sát với ngôn ngữ tổ chức. Khi phân loại, nhóm nên sử dụng dữ liệu hiện có (báo cáo sản xuất, nhật ký thiết bị, CRM, hệ thống giám sát) nhằm tránh thiên kiến dựa trên trực giác.

  • 6M (sản xuất): Man, Machine, Method, Material, Measurement, Environment.
  • 5P (dịch vụ/chính sách): People, Process, Policies, Place, Procedures.
  • 4S/IT (hệ thống): Surroundings, Suppliers, Systems, Skills.
KhungLĩnh vực phù hợpVí dụ nguyên nhân
6MSản xuất, vận hànhHiệu chuẩn sai (Measurement); bảo trì trễ (Machine)
5PDịch vụ, hành chínhQuy định chồng chéo (Policies); điểm phục vụ quá tải (Place)
4SCNTT, sản phẩm sốGiới hạn API (Systems); kỹ năng kiểm thử (Skills)

Quy trình xây dựng sơ đồ Fish

Xác định vấn đề theo chuẩn SMART, ghi rõ chỉ số, thời gian và phạm vi để tránh mở rộng không kiểm soát. Chuẩn bị dữ liệu nền (bảng lỗi, log sự cố, biểu đồ xu hướng) để tham chiếu trong phiên họp. Chọn khung nhóm nguyên nhân và thiết lập quy tắc ghi chép (một thẻ/ý; bằng chứng kèm theo; tránh đánh giá vội).

Thực hiện phiên brainstorming theo nhánh, khai thác chiều sâu bằng kỹ thuật “5 Whys” và xác định nguyên nhân có thể kiểm chứng bằng thí nghiệm nhỏ, kiểm tra A/B, hoặc phân tích dữ liệu. Kết thúc phiên họp bằng việc gom nhóm, loại bỏ trùng lặp, đánh dấu các giả thuyết ưu tiên để kiểm chứng tiếp. Tài liệu hóa sơ đồ, lưu cùng liên kết bằng chứng và kế hoạch xác thực (IHI, ASQ – 5 Whys).

  1. Định nghĩa vấn đề: chỉ số, mục tiêu cải tiến, phạm vi thời gian.
  2. Chọn khung nhóm nguyên nhân: 6M/5P/4S theo bối cảnh.
  3. Thu thập dữ liệu nền: biểu đồ, log, báo cáo chất lượng.
  4. Brainstorm có cấu trúc: theo nhánh, ghi kèm bằng chứng.
  5. Đào sâu “5 Whys”: dừng khi nguyên nhân có thể hành động/kiểm chứng.
  6. Hợp nhất và ưu tiên: gắn cờ giả thuyết cần thử nghiệm.
  7. Gắn kế hoạch xác thực: ai, làm gì, khi nào, tiêu chí chấp nhận.
BướcĐầu ra mong đợiCông cụ hỗ trợ
Định nghĩa vấn đềCâu vấn đề chuẩn hóaBiểu đồ xu hướng, KPI
BrainstormBản sơ đồ thô theo nhánhBảng trắng số, biểu mẫu
Đào sâuDanh sách giả thuyết có bằng chứng5 Whys, nhật ký thí nghiệm
Ưu tiên & kiểm chứngKế hoạch thử nghiệm/điều traPareto, FMEA

Ưu điểm của phương pháp

Ưu điểm nổi bật nhất của sơ đồ Fish là khả năng trực quan hóa vấn đề một cách rõ ràng và có hệ thống. Thay vì liệt kê nguyên nhân dưới dạng danh sách rời rạc, sơ đồ này tổ chức nguyên nhân thành các nhánh logic, giúp người xem nhanh chóng nhận diện các mối quan hệ và phạm vi ảnh hưởng. Điều này đặc biệt hữu ích khi cần chia sẻ thông tin với nhóm liên ngành, nơi các thành viên có trình độ chuyên môn khác nhau (ASQ).

Phương pháp này còn khuyến khích sự tham gia của tất cả thành viên, vì mỗi người có thể đóng góp ý kiến vào một hoặc nhiều nhánh mà họ có kiến thức. Hoạt động brainstorming theo cấu trúc sơ đồ Fish giúp giảm bớt hiện tượng “lấn át” trong thảo luận, khi chỉ một số ít người áp đặt quan điểm. Cấu trúc phân nhánh giúp cân bằng tiếng nói, tăng khả năng khai thác đa dạng góc nhìn.

  • Khả năng bao quát nhiều yếu tố trong một hình minh họa duy nhất.
  • Tăng hiệu quả làm việc nhóm và sáng tạo tập thể.
  • Dễ dàng lưu trữ và tái sử dụng sơ đồ cho các dự án tương tự.

Một ưu điểm khác là tính linh hoạt: sơ đồ có thể được điều chỉnh kích thước và mức độ chi tiết tùy theo mục tiêu phân tích. Trong các dự án quy mô nhỏ, sơ đồ Fish có thể chỉ cần vài nhánh chính và một số nguyên nhân con; ngược lại, trong các dự án phức tạp, sơ đồ có thể mở rộng thành nhiều cấp bậc, thậm chí kết hợp với bản đồ tư duy hoặc công cụ phân tích dữ liệu để bổ sung thông tin định lượng.

Ưu điểmTác động
Trực quan hóa rõ ràngTăng tốc độ nhận thức vấn đề
Khuyến khích tham gia nhómTăng số lượng và chất lượng ý tưởng
Linh hoạt và mở rộngPhù hợp nhiều quy mô dự án

Hạn chế và lưu ý khi áp dụng

Mặc dù có nhiều ưu điểm, sơ đồ Fish cũng tồn tại một số hạn chế. Thứ nhất, phương pháp này không tự động xác định nguyên nhân gốc mà chỉ liệt kê các khả năng; việc xác nhận nguyên nhân cần thông qua các phương pháp khác như thí nghiệm, phân tích thống kê hoặc điều tra thực địa. Nếu nhóm chỉ dừng lại ở việc vẽ sơ đồ mà không tiếp tục kiểm chứng, kết quả phân tích có thể bị lệch.

Thứ hai, sơ đồ có thể bị ảnh hưởng bởi thiên kiến nhận thức của nhóm, chẳng hạn như tập trung quá nhiều vào nguyên nhân “dễ thấy” mà bỏ qua nguyên nhân tiềm ẩn. Ngoài ra, việc phân loại nguyên nhân vào các nhóm có thể gây nhầm lẫn nếu khung phân loại không phù hợp hoặc các thành viên không thống nhất định nghĩa ngay từ đầu (IBM).

  • Cần kết hợp với phân tích Pareto để ưu tiên nguyên nhân.
  • Sử dụng dữ liệu định lượng để kiểm chứng giả thuyết.
  • Đào tạo nhóm về kỹ thuật 5 Whys để khai thác chiều sâu.

Cuối cùng, việc áp dụng sơ đồ Fish đòi hỏi thời gian và sự chuẩn bị nhất định, đặc biệt trong các dự án phức tạp với nhiều bên liên quan. Nếu không quản lý tốt quá trình, phiên họp có thể trở nên dài dòng và kém hiệu quả. Giải pháp là giới hạn thời gian cho từng bước và chỉ mời các thành viên có liên quan trực tiếp tới vấn đề.

Ứng dụng trong quản lý và công nghiệp

Sơ đồ Fish được áp dụng rộng rãi trong các lĩnh vực sản xuất để phân tích nguyên nhân sự cố máy móc, sai hỏng sản phẩm hoặc sự chậm trễ trong dây chuyền. Ví dụ, các hãng sản xuất ô tô sử dụng sơ đồ này để phân tích nguyên nhân lỗi lắp ráp, từ đó cải tiến quy trình và giảm tỷ lệ bảo hành. Trong y tế, sơ đồ được dùng để phân tích nguyên nhân của sự cố y khoa, giúp thiết lập quy trình an toàn hơn cho bệnh nhân (ASQ).

Trong lĩnh vực dịch vụ, sơ đồ Fish giúp xác định nguyên nhân khiến khách hàng không hài lòng, như thời gian chờ lâu hoặc quy trình phục vụ phức tạp. Trong ngành công nghệ thông tin, công cụ này được dùng để phân tích nguyên nhân gây downtime hoặc lỗi phần mềm, giúp đội kỹ thuật nhanh chóng khắc phục sự cố và ngăn ngừa tái diễn.

Lĩnh vựcỨng dụng cụ thể
Sản xuấtGiảm lỗi sản phẩm, tối ưu bảo trì
Y tếNgăn ngừa sự cố y khoa
Dịch vụNâng cao trải nghiệm khách hàng
CNTTPhân tích nguyên nhân sự cố hệ thống

So sánh với công cụ phân tích khác

So với phân tích nguyên nhân gốc (RCA) truyền thống, sơ đồ Fish mang tính trực quan và dễ triển khai hơn, đặc biệt ở giai đoạn khởi đầu. RCA thường yêu cầu thu thập dữ liệu chi tiết và áp dụng phương pháp phân tích sâu, trong khi sơ đồ Fish tập trung vào việc nhanh chóng liệt kê và tổ chức nguyên nhân để định hướng điều tra.

So với FMEA, sơ đồ Fish không đánh giá mức độ rủi ro hay ưu tiên xử lý, mà chỉ cung cấp khung phân loại nguyên nhân. Do đó, hai công cụ này thường được sử dụng kết hợp: sơ đồ Fish để khám phá nguyên nhân, FMEA để phân tích rủi ro và lập kế hoạch hành động (Atria Innovation).

  • Sơ đồ Fish: Khám phá nguyên nhân, trực quan hóa.
  • RCA: Xác định nguyên nhân gốc, phân tích sâu.
  • FMEA: Đánh giá rủi ro, lập kế hoạch phòng ngừa.
Công cụƯu điểmHạn chế
FishboneDễ hiểu, trực quan, nhanhKhông xác nhận nguyên nhân
RCAXác định nguyên nhân gốcMất thời gian, cần dữ liệu
FMEAƯu tiên rủi roYêu cầu đánh giá định lượng

Ví dụ minh họa

Giả sử một nhà máy sản xuất linh kiện điện tử phát hiện tỷ lệ sản phẩm lỗi tăng đột ngột trong tháng 7. Nhóm cải tiến chất lượng tổ chức phiên họp để vẽ sơ đồ Fish. Vấn đề (đầu cá) là “Tỷ lệ sản phẩm lỗi đạt 5%, vượt mức cho phép 2%”.

Các nhánh chính (6M) bao gồm: Máy móc (một dây chuyền chưa được bảo trì đúng lịch), Vật liệu (lô nguyên liệu mới có độ ẩm cao), Phương pháp (quy trình kiểm tra chưa cập nhật), Nhân lực (công nhân mới chưa được đào tạo đầy đủ), Đo lường (thiết bị đo chưa hiệu chuẩn), Môi trường (nhiệt độ xưởng tăng do hỏng điều hòa). Nhóm tiếp tục áp dụng 5 Whys cho từng nhánh để tìm nguyên nhân gốc và xác định hành động khắc phục.

  • Bảo trì máy móc ngay lập tức và lập lại lịch bảo trì định kỳ.
  • Kiểm tra và bảo quản nguyên liệu đúng tiêu chuẩn.
  • Đào tạo bổ sung cho công nhân mới.
  • Hiệu chuẩn lại thiết bị đo.
  • Sửa chữa hệ thống điều hòa.

Kết luận

Sơ đồ Fish là công cụ mạnh mẽ giúp khám phá và tổ chức nguyên nhân của vấn đề một cách trực quan, hỗ trợ làm việc nhóm và định hướng điều tra. Tuy nhiên, để đạt hiệu quả tối đa, công cụ này cần được sử dụng kết hợp với các phương pháp kiểm chứng và đánh giá khác. Việc áp dụng có hệ thống sẽ giúp tổ chức không chỉ giải quyết sự cố hiện tại mà còn ngăn ngừa tái diễn, góp phần nâng cao chất lượng và hiệu suất lâu dài.

Tài liệu tham khảo

  1. ASQ – “Fishbone Diagram” – American Society for Quality. https://asq.org/quality-resources/fishbone-diagram
  2. Institute for Healthcare Improvement – “Cause and Effect Diagram”. https://www.ihi.org/resources/Pages/Tools/Cause-and-Effect-Diagram.aspx
  3. Wrike – “What is a Fishbone Diagram in Project Management?”. https://www.wrike.com/project-management-guide/faq/what-is-a-fishbone-diagram-in-project-management/
  4. IBM – “Root Cause Analysis Overview”. https://www.ibm.com/think/topics/root-cause-analysis
  5. Atria Innovation – “5 Quality Tools: Fishbone Diagram, Pareto Chart, Control Chart, Histogram, Scatter Diagram”. https://atriainnovation.com/en/blog/5-quality-tools/

Các bài báo, nghiên cứu, công bố khoa học về chủ đề phân tích fish:

So sánh các phương pháp để tính đến tự tương quan trong phân tích tương quan dữ liệu cá Dịch bởi AI
Canadian Journal of Fisheries and Aquatic Sciences - Tập 55 Số 9 - Trang 2127-2140 - 1998
Tự tương quan trong tuyển cá và dữ liệu môi trường có thể làm phức tạp sự suy diễn thống kê trong các phân tích tương quan. Để giải quyết vấn đề này, các nhà nghiên cứu thường điều chỉnh các thủ tục kiểm định giả thuyết (ví dụ: điều chỉnh bậc tự do) để tính đến tự tương quan hoặc loại bỏ tự tương quan bằng cách tiền làm trắng hoặc chênh lệch lần đầu trước khi phân tích. Tuy nhiên, hiệu qu...... hiện toàn bộ
#tự tương quan #phân tích tương quan #dữ liệu cá #kiểm định giả thuyết #mô phỏng Monte Carlo
Phân tích transcriptome về tác động chống bệnh gan nhiễm mỡ của cà chua Campari bằng mô hình chuột zebra gây béo phì do chế độ ăn Dịch bởi AI
Nutrition & Metabolism - - 2011
Tóm tắt Nền tảng Việc tiêu thụ thực phẩm từ rau củ cao có lợi cho việc chống lại béo phì và các bệnh liên quan như rối loạn lipid máu, bệnh gan nhiễm mỡ không do rượu và ung thư. Chúng tôi đã phát triển mô hình béo phì do chế độ ăn ở cá zebra (DIO-zebrafish) có khả năng phát triển tình trạng béo ...... hiện toàn bộ
#béo phì #cá zebra #cà chua Campari #phân tích transcriptome #bệnh gan nhiễm mỡ
Định lượng histamine trong các mẫu cá khác nhau bằng phương pháp voltammetry loại bỏ sóng vuông Dịch bởi AI
Springer Science and Business Media LLC - Tập 52 - Trang 6671-6678 - 2015
Mục tiêu của nghiên cứu này là mô tả một phương pháp mới và đơn giản để xác định histamine nhằm phục vụ cho việc phân tích thực phẩm hàng ngày. Phương pháp voltammetric loại bỏ sóng vuông (SWSV) đã được sử dụng để xác định gián tiếp histamine. Phương pháp này dựa trên việc tích lũy phức hợp đồng (II)-histamine lên điện cực giọt thủy ngân treo và quá trình khử phức hợp. Điều kiện tối ưu bao gồm một...... hiện toàn bộ
#histamine #phương pháp voltammetry loại bỏ sóng vuông #phân tích thực phẩm #phức hợp Cu-histamine #độ lặp lại
Quy định sản xuất acid béo omega-3 bởi các gen khác nhau trong các loài cá nước ngọt: một bài đánh giá Dịch bởi AI
Fish Physiology and Biochemistry - Tập 49 - Trang 1005-1016 - 2023
Nghiên cứu hiện tại nhằm so sánh sự biểu hiện gen của ba loài cá khác nhau (cá chép, tilapia và cá hồi) với các mức độ acid béo (FA) khác nhau. Dựa trên phân tích toàn bộ hệ gen và giải trình tự RNA, nhiều gen và các con đường chuyển hóa liên quan đã được xác định. Các con đường này được phân loại dựa trên các gen mà chúng mã hóa. Các gen được biểu hiện khác biệt và mẫu methyl hóa của các vùng khở...... hiện toàn bộ
#acid béo omega-3 #cá nước ngọt #biểu hiện gen #phân tích transcriptome #RNA-seq
Tiềm Năng của Quang Phổ Raman Trong Việc Phân Loại Phi lê Cá Dịch bởi AI
Food Analytical Methods - Tập 9 - Trang 1301-1306 - 2015
Vì sản phẩm thủy sản đại diện cho một nguồn thực phẩm quan trọng và đang phát triển trên toàn cầu, nên tỷ lệ xảy ra việc gán nhãn sai ý định đối với sản phẩm cá và các gian lận trong nhà hàng cũng gia tăng trên toàn thế giới. Trong nghiên cứu hiện tại, quang phổ Raman, như một kỹ thuật nhanh chóng và không xâm lấn, đã được áp dụng bằng cách sử dụng laser với bước sóng 532 nm để phân loại các phi l...... hiện toàn bộ
#quang phổ Raman #phân loại phi lê cá #kỹ thuật không xâm lấn #nguồn thực phẩm #phân tích cụm phân cấp
Phân Tích Biểu Hiện Chuyển Gene Tiết Lộ Các Gene Mới Có Biểu Hiện Khác Biệt Giới Tính Trong Não Cá Catfish Vàng (Pelteobagrus fulvidraco) Dịch bởi AI
Springer Science and Business Media LLC - Tập 17 - Trang 613-623 - 2015
Cá catfish vàng (Pelteobagrus fulvidraco) là một loài nuôi trồng thủy sản nước ngọt quan trọng ở Trung Quốc. Loài này thể hiện sự khác biệt về kích thước giới tính, ưu tiên cho sự phát triển của cá đực. Cần áp dụng phương pháp toàn bộ chuyển gene để có cái nhìn tổng quan về bộ công cụ di truyền nhằm hiểu biết về cơ chế xác định giới tính với mục tiêu phát triển sản xuất đơn giới. Bên cạnh tuyến si...... hiện toàn bộ
Đặc điểm hình thái và phân tử của melanoma tổ chức trong người cao tuổi (melanoma lentiginous phát triển) Dịch bởi AI
Archiv für pathologische Anatomie und Physiologie und für klinische Medicin - Tập 461 - Trang 433-439 - 2012
Chúng tôi đã xác định một nhóm tổn thương sắc tố có mô hình kiến trúc rất giống với một u sắc tố giao điểm: các tế bào chủ yếu được nhóm lại thành các tổn thương rõ ràng, có kích thước và hình dạng tương tự nhau, và phân bố đều dọc theo giao điểm giữa thượng bì và chân bì. Trái ngược với những đặc điểm giống u sắc tố này, các khối u này thể hiện thêm những chi tiết không tương thích với chẩn đoán ...... hiện toàn bộ
#melanoma #u sắc tố giao điểm #tổn thương sắc tố #phân tích FISH #bệnh lý da liễu
Phân tích di truyền một kiểu hình sớm ở cá nóc đực (Takifugu rubripes) bằng hệ thống định kiểu Genotyping bằng cách Phân đoạn Ngẫu nhiên, Trực tiếp (GRAS-Di) Dịch bởi AI
Springer Science and Business Media LLC - Tập 23 - Trang 177-188 - 2021
Hệ thống định kiểu dựa trên PCR không hướng mới, tên là Genotyping bằng cách Phân đoạn Ngẫu nhiên, Trực tiếp (GRAS-Di), được đặc trưng bởi sự đơn giản trong việc xây dựng thư viện và độ bền với sự phân hủy DNA, dự kiến sẽ thúc đẩy những tiến bộ trong di truyền học, cả trong khoa học cơ bản và ứng dụng. Trong nghiên cứu này, chúng tôi đã thử nghiệm tính hữu dụng của GRAS-Di cho phân tích di truyền ...... hiện toàn bộ
#Genotyping #GRAS-Di #cá nóc #phân tích di truyền #QTL #phenotypic variation #aquaculture
Hiệu chuẩn điểm đặc trưng để phân loại biểu cảm khuôn mặt và cá Dịch bởi AI
Signal, Image and Video Processing - Tập 16 - Trang 377-384 - 2021
Bài báo này xem xét việc tự động gán nhãn cảm xúc trong các hình ảnh khuôn mặt được tìm thấy trên mạng xã hội. Các điểm đặc trưng trên khuôn mặt thường được sử dụng để phân loại cảm xúc từ hình ảnh khuôn mặt. Tuy nhiên, việc phân đoạn chính xác các điểm đặc trưng cho một số khuôn mặt và cho các cảm xúc tinh tế là rất khó khăn. Các tác giả trước đây đã sử dụng một prior Gaussian để tinh chỉnh các đ...... hiện toàn bộ
#hiệu chuẩn điểm đặc trưng #cảm xúc #phân loại biểu cảm #nhận diện cá #phân tích thành phần chính
Các cuộc tấn công xoay hồi phục trên phiên bản rút gọn của Skein Dịch bởi AI
Springer Science and Business Media LLC - Tập 27 - Trang 452-479 - 2013
Trong nghiên cứu này, chúng tôi kết hợp hai phương pháp mạnh mẽ trong phân tích mã đối xứng: phân tích mã xoay và cuộc tấn công hồi phục. Phân tích mã xoay được thiết kế để phân tích các thiết kế tập trung vào bit như các sơ đồ ARX (Cộng-Xoay-OR). Nó đã được áp dụng cho nhiều hàm băm và mã khối, bao gồm tiêu chuẩn mới SHA-3 (Keccak). Cuộc tấn công hồi phục là một phương pháp bắt đầu từ giữa để tìm...... hiện toàn bộ
#phân tích mã đối xứng #phân tích mã xoay #cuộc tấn công hồi phục #hàm băm #mã khối #SHA-3 #Skein #Threefish
Tổng số: 34   
  • 1
  • 2
  • 3
  • 4