Seminar chuyên đề: “Tối ưu hóa, logic mờ và ứng dụng” – Nền tảng tri thức cho các giải pháp tính toán hiện đại

Sáng ngày 06/8/2025, tại phòng Hội thảo 1205 – A1, Khoa Khoa học Máy tính, Trường Công nghệ Thông tin và Truyền thông – Đại học Công nghiệp Hà Nội đã tổ chức thành công buổi Seminar chuyên đề “Tối ưu hóa, Logic mờ và Ứng dụng”. Sự kiện quy tụ đội ngũ giảng viên, nhà nghiên cứu và sinh viên chuyên ngành khoa học máy tính, với mục tiêu cập nhật những thành tựu nghiên cứu mới nhất, đồng thời thúc đẩy trao đổi học thuật và hợp tác nghiên cứu liên ngành trong bối cảnh chuyển đổi số.

Buổi seminar bao gồm ba báo cáo chuyên sâu xoay quanh các vấn đề trọng tâm: giải pháp tối ưu hóa hiện đại, kỹ thuật phân cụm mờ đa khung nhìn và phương pháp học máy tiên tiến cho bài toán Zero-Shot Learning. Các nội dung trình bày không chỉ tập trung vào cơ sở lý thuyết mà còn nhấn mạnh khả năng ứng dụng thực tiễn trong các lĩnh vực như điều khiển thông minh, ra quyết định, khoa học dữ liệu và thị giác máy tính.

1. Ứng dụng 3D Normal Distributions Transform cải tiến trong định vị robot di động

Mở đầu chương trình, TS. Nguyễn Việt Anh trình bày báo cáo “A 3D Scan Matching using Improved 3D Normal Distributions Transform for Mobile Robotic Mapping”. Báo cáo giới thiệu thuật toán 3D Normal Distributions Transform (3D NDT) – một phương pháp phổ biến trong xử lý mây điểm ba chiều, đóng vai trò quan trọng trong định vị và khớp dữ liệu cho hệ thống robot và phương tiện tự hành.

TS. Việt Anh đã phân tích nguyên lý vận hành, ưu nhược điểm của 3D NDT, đồng thời đề xuất cải tiến dựa trên khả năng xử lý song song mạnh mẽ của GPU nhằm rút ngắn thời gian tính toán mà vẫn đảm bảo độ chính xác cao. Những kết quả thực nghiệm trên dữ liệu thực tế minh họa rõ ràng hiệu quả của phương pháp, mở ra tiềm năng ứng dụng trong lập bản đồ 3D thời gian thực và các hệ thống tự hành trong môi trường phức tạp.

2. Phân cụm mờ đa khung nhìn – Giải pháp cho dữ liệu đa nguồn phức tạp

Tiếp nối chương trình, TS. Phạm Huy Thông trình bày báo cáo “Phân cụm mờ đa khung nhìn – Hướng tiếp cận mới cho dữ liệu đa nguồn phức tạp”. Báo cáo tập trung vào các phương pháp phân cụm kết hợp lý thuyết tập mờ, học bán giám sát và tích hợp thông tin từ nhiều khung nhìn (multi-view) khác nhau.

Hai thuật toán tiêu biểu được giới thiệu là SSCFMC và MPFC. SSCFMC khai thác nguyên lý đồng thuận và tính bổ sung giữa các khung nhìn để tối ưu hóa kết quả phân cụm, trong khi MPFC áp dụng tập mờ viễn cảnh kết hợp đồ thị neo kép nhằm mô hình hóa tốt hơn sự không chắc chắn của dữ liệu.

Ứng dụng thực tiễn được minh họa qua bài toán phân đoạn ảnh vệ tinh đa nguồn (Landsat, Sentinel) tại các khu vực ở Việt Nam, Trung Quốc, Nhật Bản và Hoa Kỳ, cho thấy tiềm năng của phương pháp trong phân tích dữ liệu địa không gian, giám sát môi trường và quy hoạch đô thị.

3. Deep Unbiased Embedding Transfer – Hướng tiếp cận mới cho Zero-Shot Learning

Kết thúc chương trình, ThS. Lê Thị Thủy trình bày báo cáo “Deep Unbiased Embedding Transfer for Zero-Shot Learning”. Báo cáo tập trung vào bài toán Zero-Shot Learning (ZSL) – khả năng nhận dạng các lớp đối tượng chưa từng xuất hiện trong quá trình huấn luyện.

Mô hình DUET được giới thiệu gồm ba giai đoạn:

1. Huấn luyện mạng trích xuất đặc trưng và ánh xạ (DET).

2. Tạo đặc trưng cho lớp chưa thấy bằng WGAN-GP (UVG).

3. Huấn luyện lại mạng ánh xạ với dữ liệu tổng hợp.

DUET sử dụng kết hợp ánh xạ tuyến tính và phi tuyến tính để tăng cường khả năng tổng quát hóa, đồng thời đề xuất chỉ số ScoreRDS nhằm đo lường độ ổn định trước hiện tượng domain shift. Thực nghiệm trên nhiều bộ dữ liệu chuẩn cho thấy mô hình đạt hiệu năng vượt trội, mở ra hướng ứng dụng trong nhận dạng hình ảnh, xử lý ngôn ngữ tự nhiên và phân tích dữ liệu đa phương thức.

4. Ý nghĩa học thuật và triển vọng nghiên cứu

Buổi seminar không chỉ mang đến kiến thức cập nhật về các kỹ thuật tối ưu hóa, logic mờ và học máy, mà còn khẳng định vai trò của nghiên cứu liên ngành trong giải quyết các bài toán phức tạp. Thông qua phần thảo luận sôi nổi, các nhà nghiên cứu, giảng viên và sinh viên đã cùng trao đổi về tiềm năng ứng dụng của các phương pháp được giới thiệu, cũng như cơ hội hợp tác trong tương lai.

Sự kiện đã góp phần thúc đẩy tư duy mô hình hóa, kỹ năng phân tích dữ liệu trong điều kiện bất định, đồng thời mở rộng mạng lưới kết nối học thuật giữa các nhà khoa học và cộng đồng nghiên cứu, hướng tới phát triển các giải pháp công nghệ tiên tiến phục vụ quá trình chuyển đổi số quốc gia.