LuanVan.vnLuận Văn
Gửi thư

Kết hợp mô hình CNN, LSTM và DEEP Q-NETWORK trong cảnh báo bất thường chỉ số chất lượng không khí

Luận văn · Thạc sĩ · năm 2025 · đề tài tham khảo

Loại tài liệuLuận văn
Bậc họcThạc sĩ
NgànhCông nghệ thông tin
Tác giảTrần Duy Phương
Người hướng dẫnNguyễn Đình Thuân
Cơ sở đào tạoĐại học Quốc gia TP. Hồ Chí Minh
Năm2025
NguồnThư viện số Đại học Quốc gia TP. Hồ Chí Minh · trang gốc

Tóm tắt

Luận văn này đề xuất giải pháp dự báo và cảnh báo sự thay đổi bất thường của AQI PM2.5 tại hai thành phố lớn là Hà Nội và TP.HCM, thông qua việc kết hợp các mô hình CNN, LSTM và Deep Q-Network, với kỳ vọng nâng cao độ chính xác so với các phương pháp hiện có. CHƯƠNG 1. TỔNG QUAN ĐỀ TÀI CHƯƠNG 2. KIẾN THỨC NỀN TẢNG VÀ NGHIÊN CỨU LIÊN QUAN CHƯƠNG 3. KẾT HỢP MÔ HÌNH CNN, LSTM VÀ DEEP QNETWORK CHƯƠNG 4. THỰC NGHIỆM KẾT HỢP CÁC MÔ HÌNH CNN, LSTM và DEEP Q-NETWORK CHƯƠNG 5. KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
Bản toàn văn lưu tại thư viện Đại học Quốc gia TP. Hồ Chí Minh

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.