LuanVan.vnLuận Văn
Gửi thư

Generalized ordered Wasserstein distance for sequential data

Khoá luận tốt nghiệp · Đại học · năm 2024 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảTo Duc Hiep
Người hướng dẫnDoan Phong Tung
Cơ sở đào tạoĐại học Bách khoa Hà Nội
Năm2024
NguồnThư viện số Đại học Bách khoa Hà Nội · trang gốc

Tóm tắt

Nghiên cứu một phương pháp đo khoảng cách mới cho dữ liệu chuỗi, gọi là Generalized Ordered Wasserstein (GOW) distance. GOW mở rộng các phương pháp dựa trên Optimal Transport, cho phép xử lý mối quan hệ tuyến tính và phi tuyến tính giữa các phần tử của hai chuỗi, đồng thời duy trì thứ tự toàn cục. Nghiên cứu sử dụng thuật toán Coordinate Descent và Frank-Wolfe để tối ưu ma trận đối sánh và vector trọng số. Thử nghiệm trên nhiều bộ dữ liệu đơn biến và đa biến cho thấy GOW cải thiện độ chính xác phân loại khi áp dụng cho k-nearest neighbors, vượt trội so với các phương pháp hiện hành. Đồ án đóng góp một công cụ mạnh mẽ cho việc phân tích dữ liệu chuỗi trong Machine Learning.
Bản toàn văn lưu tại thư viện Đại học Bách khoa Hà Nội

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.