Phân tích chương trình máy tính sử dụng mạng nơron học sâu

Các nhiệm vụ khác

Nghiên cứu xây dựng phương pháp bào chế thuốc giải độc antipois-BMai
Ứng dụng công nghệ mới xây dựng mô hình nhân giống và sản xuất một số loại hoa có giá trị cao tại tỉnh Thái Nguyên
Xác định nhu cầu dùng nước sinh hoạt và công nghiệp theo từng đô thị và lãnh thổ
Nghiên cứu cơ sở khoa học và thực tiễn đề xuất các yêu cầu kỹ thuật và biện pháp quản lý chất lượng đối với thuốc lá điếu không đầu lọc
Nghiên cứu chế tạo vật liệu in 3D sản xuất gốm sứ
Nghiên cứu về nội dung phương pháp dạy học văn học địa lý và lịch sử địa phương ở trường trung học cơ sở tại Đà Nẵng
Cơ sở khoa học hình thành đồng bộ hệ thống chính sách kinh tế vĩ mô của nhà nước thúc đẩy công nghiệp hoá hiện đại hoá
Xây dựng mô hình VACB (Vườn Ao Chuồng và Khí sinh học) gắn với bao tiêu tiêu thụ sản phẩm tại một số tỉnh miền núi phía Bắc
Kết quả mô hình sản xuất thử nghiệm các loại rau mầm tại một số điểm trên địa bàn huyện Hòa Vang
Khảo sát đánh giá hiện trạng và xây dựng hướng dẫn kỹ thuật kiểm soát rủi ro ứng phó sự cố môi trường trong hoạt động chuyên chở hàng nguy hiểm trên đường thủy nội địa

liên kết website

Lượt truy cập

Lượt truy cập : 17,136,805

Kết quả thực hiện nhiệm vụ

MS đề tài

102.05-2018.306

Số đăng ký KQ

2022-66-1311/NS-KQNC

Tên nhiệm vụ

Phân tích chương trình máy tính sử dụng mạng nơron học sâu

Tổ chức chủ trì

Học viện Kỹ thuật Quân sự

Cơ quan chủ quản

Bộ Quốc phòng

Cấp quản lý nhiệm vụ

Quốc gia

Thuộc chương trình

Chủ nhiệm nhiệm vụ

TS. Phan Việt Anh

Cán bộ phối hợp

TS. Nguyễn Quốc Khánh, TS. Nguyễn Việt Hùng, ThS. Vũ Văn Trường, KS. Nguyễn Văn Quân, KS. Nguyễn Văn Cường

Lĩnh vực nghiên cứu

Tự động hóa (CAD/CAM, v.v..) và các hệ thống điều khiển, giám sát, công nghệ điều khiển số bằng máy tính (CNC), …

Thời gian bắt đầu

01/04/2019

Thời gian kết thúc

01/04/2021

Năm viết báo cáo

2022

Nơi viết báo cáo

Hà Nội

Kinh phí

667 (triệu đồng)

Số trang

80 tr. + phụ lục

Tóm tắt

Nghiên cứu các cách biểu diễn giàu thông tin cho chương trình; Phát triển các mạng nơron học sâu để khám phá đặc trưng chương trình từ biểu diễn dữ liệu; Kết hợp các phương pháp học máy để nâng cao hiệu quả; Nghiên cứu tích hợp triển khai hệ thống trong thực tế. Làm rõ nội dung, yêu cầu một số bài toán liên quan đến phân tích ngữ nghĩa phần mềm: dự đoán lỗi logic, phân tích mã độc. Tập trung vào tìm hiểu các ưu điểm và hạn chế của phương pháp hiện tại. Đặc biệt phát hiện các vấn đề mà các phương pháp này chưa giải quyết hoặc chưa giải quyết được. Từ đó làm cơ sở để đề xuất các giải pháp mới hoặc nâng cao độ chính xác. Kết hợp, tận dụng lợi thế của các kiểu dữ liệu khác nhau nhằm làm giàu dữ liệu. Kết hợp các phương pháp và mô hình học máy khác nhau như ensemble learning, transfer learning để khắc phục các trường hợp thiếu hụt dữ liệu hoặc tận dụng dữ liệu giữa các bài toán.

Từ khoá

Mạng nơron học sâu, Máy tính, Dữ liệu, Mô hình học, Phần mềm

Nơi lưu trữ

24 Lý Thường Kiệt, Hà Nội

Ký hiệu kho

21541