Dynamic algorithms for graphs with treewidth 2

2011 IEEE Symposium on Advances in Type-2 Fuzzy Logic Systems (T2FUZZ), 2011

thông tin, trường Đại học Vinh 2 Viện Công nghệ thông tin và Truyền thông, trường Đại học Bách khoa Hà Nội Tóm tắt. Bài báo đề xuất một phương pháp xây dựng một hệ lôgic mờ loại hai đại số gia tử (HaT2-FLS). Quy trình này gồm hai pha, trước tiên, thiết kế một hệ lôgic mờ loại 1 (T1-FLS) từ dữ liệu bằng cách kết hợp thuật toán Fuzzy C-Means (FCM) với giải thuật di truyền (GA). Sau đó, HaT2-FLS được xây dựng từ T1-FLS vừa thiết kế. Cơ sở luật trong HaT2-FLS sử dụng cùng số luật, số tập mờ như cơ sở luật trong T1-FLS, điểm khác biệt là ở chỗ mỗi luật trong HaT2-FLS có phần tiền đề và phần kết luận đều là các HaT2FSs. Trong pha hai, các tham số của HaT2FSs được tối ưu bằng GA. Thử nghiệm phương pháp đề nghị với bài toán dự báo thời gian sống của bệnh nhân viêm tủy cho kết quả tin cậy.

TACS, 1994

Groote and Vaandrager introduced the tyft/tyxt format for transition system specifications (TSSs), and established that for each TSS in this format that is well-founded, the strong bisimulation it induces is a congruence. In this paper, we construct for each TSS in tyft/tyxt format an equivalent TSS that consists of tree rules only. As a corollary we can give an affirmative answer to an open question, namely whether the well-foundedness condition in the Congruence Theorem of Groote and Vaandrager can be dropped. These results extend to tyft/tyxt with negative premises and predicates.

Các công trình nghiên cứu, phát triển và ứng dụng Công nghệ Thông tin và Truyền thông

A Wireless Sensor Network consists of many tiny nodes with the constraints of processing capability, memory, communication range and power. The communication algorithms for wireless sensor networks are designed to operate in these constraints. In this paper, we propose and design an Energy Aware Collection Tree Protocol (EACTP) with high throughput and balanced energy in order to balance sensor nodes’ energy of the routes that have good link quality and improve the lifetime of sensor nodes. EACTP uses the link quality metric (ETX - Expected Transmission) and the Energy State (ES) of sensor nodes to select the optimal route. The experimentalresults with TUmote (Thainguyen University mote) show that EACTP guarantees the energy balance between the sensor nodes and the sensor nodes’ lifetime is improved better than the original CTP.

Journal of Computer Science and Cybernetics, 2012

The paper studies the properties of inverse mappings of hedges in monotonic hedge algebras, which have dealt in . We propose new criteria to determine the inverse mappings of hedges. Some approaches to construct the inverse mappings of hedges are also given. Tóm tȃ ´t. Bài báo nghiên cú . u các tính châ ´t cu 'a ánh xa . ngu . o . . c cu 'a gia tu . ' du . o . . c du . a ra trong [5,6,7], dê `xuâ ´t các tiêu chuâ ' n dê ' xác di . nh ánh xa . ngu . o . . c cu 'a gia tu . ' , tù . dó xây du . . ng các tiê ´p câ . n tìm ánh xa . ngu . o . . c cu 'a gia tu . ' . 1. D Ȃ . T V Â ´N D Ê Cùng vó . i su . . phát triê ' n cu ' a khoa ho . c máy tính, vâ ´n dê `mô hình hoá cách biê ' u da . t tu . duy du . . a trên ngôn ngũ . tu . . nhiên cu ' a con ngu . ò. i dang râ ´t du . o . . c quan tâm nghiên cú . u, bo . ' i kha ' nȃng làm cho các ú. ng du . ng trên máy tính tro . ' nên "thông minh" ho . n, gâ `n gũi ho . n. Vó . i lý thuyê ´t tâ . p mò . [1,2], ngũ . nghĩa cu ' a khái niê . m ngôn ngũ . du . o . . c biê ' u diê ˜n thông qua hàm thuô . c trên không gian nê `n và các tra . ng tù . nhâ ´n du . o . . c diê ˜n di . ch nhu . là các toán tu . ' mô . t ngôi, biê ´n dô ' i hàm thuô . c cu ' a khái niê . m gô ´c. Lý thuyê ´t vê `da . i sô ´gia tu . ' [3,4] xây du . . ng mô . t câ ´u trúc dàn cho các giá tri . ngôn ngũ . , có quan sát su . . tác dô . ng cu ' a các tra . ng tù . nhâ ´n vào nhau, bȃ `ng tính châ ´t kê ´thù . a ngũ . nghĩa, mô hình hóa du . o . . c miê `n giá tri . chân lý ngôn ngũ . và xây du . . ng phu . o . ng pháp suy luâ . n tru . . c tiê ´p trên các giá tri . ngôn ngũ . . Tuy nhiên hê . luâ . t suy diê ˜n trong da . i sô ´gia tu . ' vâ ˜n chu . a dáp ú. ng dâ `y du ' khi gia ' i quyê ´t các bài toán suy diê ˜n. Khi chuyê ' n gia tu . ' , tù . mê . nh dê `p trong (p(x, hu), t), vó . i x là mô . t dô ´i tu . o . . ng, h là gia tu . ' , u là giá tri . ngôn ngũ . , t là giá tri . chân lý, có thê ' chuyê ' n thành (p(x, u), ht). Nhu . ng vó . i k = h, làm sao có thê ' chuyê ' n thành (p(x, ku), t ), hay là, làm sao có thê ' tính du . o . . c t trong (p(x, ku), t ) ? Quan sát luâ . t chuyê ' n gia tu . ' : (p(x, hu), t) ⇒ (p(x, u), ht), có thê ' thâ ´y t ⇒ ht, nghĩa là h là toán tu . ' tác dô . ng vào t ta . o thành ht, và hu ⇒ u, nghĩa là có mô . t toán tu . ' nào dó "khu . ' " gia tu . ' h trong hu. O . ' chiê `u ngu . o . . c la . i (p(x, u), ht) ⇒ (p(x, hu), t), gia tu . ' h tác dô . ng vào u * Nghiên cú . u du . o . . c hoàn thành vó . i su . . hô ˜tro . . tù . Quỹ phát triê ' n Khoa ho . c và Công nghê . Quô ´c gia (Nafosted) TR Â `N D ÌNH KHANG, TA . QUANG TRUNG, L Ê ANH PHU . O . NG ta . o thành hu, nhu . ng ht bi . "khu . ' " di h dê ' có t. Nhu . vâ . y, trong luâ . t chuyê ' n gia tu . ' , dô `ng hành vó . i viê . c nhâ ´n thêm gia tu . ' , còn có "khu . ' " gia tu . ' nũ . a. Diê `u này cũng phù ho . . p vó . i các câ ´u trúc toán hay logic: khi có toán tu . ' tác dô . ng, thì cũng có thê ' sinh ra ánh xa . ngu . o . . c vó . i nó. Bài báo [5], nȃm 2006, dã dê `xuâ ´t ánh xa . ngu . o . . c cu ' a gia tu . ' áp du . ng cho logic mô ta ' mò . ngôn ngũ . . Các tài liê . u [6,7] dã vâ . n du . ng ánh xa . ngu . o . . c cu ' a gia tu . ' cho lâ . p luâ . n xâ ´p xı ' và chu . o . ng trình logic ngôn ngũ . . Các tài liê . u trên dã du . a ra các ví du . vê `ánh xa . ngu . o . . c gia tu . ' , và chú . ng to ' ý nghĩa vê `mȃ . t lý thuyê ´t cũng nhu . ú. ng du . ng cu ' a nó. Nhȃ `m tiê ´p tu . c phát triê ' n sâu thêm khái niê . m ánh xa . ngu . o . . c, bài báo này sẽ trình bày vê các tính châ ´t, tiêu chuâ ' n xác di . nh ánh xa . ngu . o . . c cu ' a gia tu . ' , tù . dó xây du . . ng phu . o . ng pháp tính toán ánh xa . ngu . o . . c cu ' a gia tu . ' dô ´i vó . i ló . p da . i sô ´gia tu . ' do . n diê . u. Bài báo gô `m 5 phâ `n: Phâ `n 2 nhȃ ´c la . i các khái niê . m co . ba ' n vê `da . i sô ´gia tu . ' do . n diê . u; Phâ `n 3 nghiên cú . u ánh xa . ngu . o . . c cu ' a gia tu . ' , tính châ ´t cu ' a ánh xa . ngu . o . . c; Phâ `n 4 xây du . . ng phu . o . ng pháp tìm ánh xa . ngu . o . . c cu ' a gia tu . ' và Phâ `n 5 là kê ´t luâ . n. 2. DA . I S Ô ´GIA TU . ' DO . N DI Ê . U Nhȃ ´c la . i vê `luâ . t chuyê ' n gia tu . ' (p(x, hu), t) ⇒ (p(x, u), ht), hoȃ . c (p(x, u), ht) ⇒ (p(x, hu), t), nhu . dã phân tích trong tài liê . u [8], sẽ là ho . . p lý nê ´u giá tri . ngôn ngũ . hu, u và giá tri . chân lý t, ht tȃng hoȃ . c gia ' m nghĩa theo hai hu . ó. ng ngu . o . . c nhau, nghĩa là, hu > u dô `ng hành vó . i ht < t, và ngu . o . . c la . i. Tuy nhiên, trong tru . ò. ng ho . . p tô ' ng quát, diê `u dó không pha ' i lúc nào cũng dúng. Ví du . , xét mê . nh dê `: "Bȃ ´c là râ ´t ít già là dúng" chuyê ' n gia tu . ' thành "Bȃ ´c là ít già là râ ´t dúng". Ta có, ít già > râ ´t ít già, và dô `ng thò . i râ ´t dúng > dúng. Nhu . vâ . y, ca ' giá tri . ngôn ngũ . và giá tri . chân lý dê `u "tȃng" lên. Các tình huô ´ng này du . o . . c xác di . nh bo . ' i quan hê . tác dô . ng SIGN , quy di . nh mô . t gia tu . ' làm tȃng hay gia ' m nghĩa cu ' a gia tu . ' khác hoȃ . c cu ' a phâ `n tu . ' sinh. Sau dây là mô . t ví du . vê `quan hê . tác dô . ng: (giá tri . 1 là tȃng nghĩa, -1 là gia ' m nghĩa). ' H. H thuâ `n nhâ ´t, có nghĩa là, SIGN (h, k) = SIGN (h, k ), nê ´u k, k cùng tính châ ´t du . o . ng, âm (nghĩa là SIGN (k, c) = SIGN (k , c)); và SIGN (h, k) = -SIGN (h, k ), nê ´u k, k khác X

Journal of Computer Science and Cybernetics, 2012

M«t¬ suy diÔn C¬ së luËt Mê hãa Gi ¶i mê Gi ¶m lo¹i C¸c tËp mê ®Çu ra Xö lý ®Çu ra

FAIR - NGHIÊN CỨU CƠ BẢN VÀ ỨNG DỤNG CÔNG NGHỆ THÔNG TIN 2015, 2016

Truy vấn trực tiếp trên các đối tượng trong cơ sở dữ liệu hướng đối tượng rất tốn kém chi phí lưu trữ dữ liệu trong quá trình truy vấn và tốn nhiều thời gian để thực hiện truy vấn trên hệ thống dữ liệu thực. Gần đây, có nhiều nghiên cứu tập trung vào việc giải quyết vấn đề đó bằng cách xây dựng các chỉ mục trên các lớp đơn, phân cấp lớp, hoặc phân cấp đối tượng lồng nhau. Trong bài báo này, chúng tôi sẽ đề xuất một phương pháp lập chỉ mục mới. Phương pháp này dựa trên kỹ thuật sử dụng tập tin chữ ký và cây SD-tree trong đó các tập tin chữ ký được tổ chức theo phân cấp để nhanh chóng lọc dữ liệu không thích hợp và mỗi tập tin chữ ký được lưu theo cấu trúc cây SD-tree nhằm tăng tốc độ quét chữ ký. Kỹ thuật này giúp giảm đáng kể không gian tìm kiếm và do đó sẽ cải thiện đáng kể độ phức tạp thời gian truy vấn.

FAIR - NGHIÊN CỨU CƠ BẢN VÀ ỨNG DỤNG CÔNG NGHỆ THÔNG TIN 2015, 2016

Kỹ thuật lọc cộng tác (Collaborative Filtering -CF) là một kỹ thuật gợi ý phổ biến nhất được sử dụng nhiều trong các hệ thống gợi ý đã được tích hợp trong các website thương mại điện tử (chẳng hạn như amazon.com, barnesandnoble.com, Yahoo! news, TripAdvisor.com). Kỹ thuật CF dựa trên giả thiết rằng những người dùng (user) có cùng sở thích thì sẽ quan tâm một tập item tương tự. Phương pháp phân cụm lọc cộng tác (Iterative Clustered CF -ICCF) và lặp cộng tác tối ưu trọng số sử dụng thuật toán PSO (PSO-Feature Weighted) thể hiện tính hiệu quả cho hệ gợi ý mà giá trị đánh giá thuộc trong tập {1, 2,…, 5}. Tuy nhiên, các kỹ thuật đó không thể trực tiếp áp dụng cho các hệ thống gợi ý trong thực tế mà giá trị đánh giá trong tập {0, 1}. Do vậy, bài báo này đề xuất việc cải tiến hai phương pháp ICCF và PSO-Feature Weighted để có thể áp dụng được cho các hệ gợi ý mà giá trị đánh giá thuộc tập {0, 1}. Kết quả thực nghiệm của hai phương pháp mà chúng tôi đưa ra áp dụng trên bộ dữ liệu hệ gợi ý công việc cho thấy độ chính xác mô hình dự đoán có cải thiện rõ rệt so với phương pháp CF truyền thống đồng thời cũng giải quyết được vấn đề dữ liệu thưa mà phương pháp CF thường gặp phải.

Can Tho University Journal of Science

Nhận dạng ảnh có vai trò rất quan trọng trong cuộc cách mạng số hiện nay vì nó là nền tảng của nhiều ứng dụng thực tế. Nghiên cứu này đề nghị việc nhận dạng ảnh bởi khoảng hai chiều được trích xuất từ đặc trưng kết cấu. Dựa vào khoảng cách chồng lấp và đặc trưng khoảng được trích xuất, một thuật toán phân tích chùm mờ cho ảnh được đề nghị. Thuật toán này có thể xác định số chùm thích hợp phải chia cho một tập ảnh, những ảnh cụ thể trong mỗi chùm và xác suất thuộc vào các chùm của mỗi ảnh. Thuật toán đề nghị được trình bày chi tiết từng bước về mặt lý thuyết và được minh hoạ bởi ví dụ số. Thực hiện trên một tập ảnh cụ thể, thuật toán đề nghị đã cho kết quả tốt nhất trong so sánh với các thuật toán gần đây. Nghiên cứu này có thể triển khai cho nhiều vấn đề thực tế liên quan đến nhận dạng ảnh.

2011

Phương pháp sơ đồ mạng lưới PERT. DSpace/Manakin Repository. ...

IEEE Transactions on Neural Networks, 1999