LuanVan.vnLuận Văn
Gửi thư

Mô phỏng phần cứng cho mô hình học máy Time-Series Memory Autoencoder bằng High Level Synthesis Language

Đồ án tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo

Loại tài liệuĐồ án tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảLưu Khánh Duy
Người hướng dẫnHoàng Mạnh Thắng
Cơ sở đào tạoĐại học Bách khoa Hà Nội
Năm2025
NguồnThư viện số Đại học Bách khoa Hà Nội · trang gốc

Tóm tắt

Nghiên cứu mô hình Time-Series Memory-Augmented Autoencoder (TSMAE), một kiến trúc kết hợp giữa mạng LSTM và cơ chế bộ nhớ động nhằm nâng cao khả năng học đặc trưng và phát hiện bất thường trong dữ liệu chuỗi thời gian. Bên cạnh đó, đề tài hướng đến việc mô phỏng và hiện thực hóa mô hình TSMAE trên nền tảng phần cứng nhằm đáp ứng yêu cầu xử lý thời gian thực, giảm độ trễ và tối ưu năng lượng cho các hệ thống nhúng và IoT. Trong quá trình thực hiện, ngôn ngữ SystemC được sử dụng để mô tả, mô phỏng và kiểm thử hoạt động của mô hình ở mức hành vi phần cứng. Nội dung nghiên cứu tập trung vào kiến trúc xây dựng TSMAE trên phần cứng, cơ chế xử lý dữ liệu và khả năng triển khai trên các nền tảng FPGA hoặc SoC. Kết quả nghiên cứu góp phần làm cơ sở cho việc phát triển các hệ thống AI phần cứng phục vụ phát hiện bất thường trong các ứng dụng thông minh hiện nay.
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.