Bài báo quốc tế
Lĩnh vực nổi bật
Trí tuệ nhân tạo
1.086
Internet vạn vật
23
An toàn bảo mật
11
Blockchain
3
Tìm kiếm theo
Năm xuất bản
Lĩnh vực bài báo
Kho tri thức
/
Bài báo quốc tế
Sắp xếp theo
Liên quan
Examining the impact of selected macroeconomic factors on the Vietnamese Stock Market: A short-term and long-term analysis
Lê Hà TrangThe dynamic interaction between macroeconomic factors and stock market performance is a central
concern in financial decision-making. This study examines the short-term and long-term effects of
selected macroeconomic variables, the Consumer Price Index (CPI), USD/VND exchange rate,
gold price, WTI crude oil price, and Brent crude oil price, on the Vietnamese stock market, proxied
by the VN Index. Using monthly data (January 2010–December 2023) for long-term analysis and
daily data for short-term analysis, the study employs a comprehensive econometric framework
including the Augmented Dickey–Fuller stationarity test, Johansen cointegration test, Granger
causality test, Vector Autoregression (VAR) model, and the Autoregressive Distributed Lag
(ARDL) model. The findings reveal that in the short run, CPI, WTI oil price, and Brent oil price
exert significant impacts on the VN Index, whereas the USD/VND exchange rate and gold price
do not produce immediate effects. In the long run, the ARDL model indicates a negative
relationship between CPI and the VN Index, a mild lagged influence from the exchange rate, and a
complex, nonlinear effect of Brent oil prices. These results offer actionable insights for investment
decision-making: investors should closely monitor inflation and oil price movements to adjust
portfolio strategies, while policymakers should prioritize effective inflation control and exchange
rate management to enhance stock market stability. By identifying which macroeconomic variables
carry predictive power for stock market fluctuations, this study contributes empirical evidence to
support more informed and resilient financial decision-making in emerging market contexts.
Năm:2026
|
Chủ đề: Trí tuệ nhân tạo
|
Nhà xuất bản: Decision Science Letters
From Public Benchmarks to a Low-Resource Target Domain: A Comparative Study of Wood Surface Defect Detection
Nguyễn Trọng KhánhAutomated wood surface defect detection is difficult to evaluate reliably because defects are often small, low-contrast, and visually confounded by natural wood texture, while reported performance can vary substantially with benchmark design and domain shift. To address this issue, we conduct a comparative study across three practically relevant settings: a curated seven-class benchmark, a broader in-domain seven-class protocol derived from the same source dataset, and supervised adaptation to a low-resource Vietnamese target domain. We compare lightweight two-stage detectors based on Faster R-CNN with MobileNetV3-FPN against a compact YOLOv8s baseline, while also testing two small-object-oriented YOLO refinements as targeted diagnostic variants rather than as the primary claimed contribution. Across in-domain experiments, the compact YOLOv8s baseline delivers the strongest performance, achieving 84.38% AP50 on the curated benchmark, whereas performance drops to 81.16% AP50 under the broader protocol, indicating that benchmark breadth materially changes the apparent difficulty of the task and the relative strength of competing models. In the target-domain setting, source-initialized fine-tuning improves optimization behavior and can outperform target-only training in a representative single run, but repeated-seed evaluation does not confirm a stable held-out-test advantage under the same adaptation budget. These findings suggest that conclusions drawn from a single curated benchmark may overstate model robustness, and that for wood defect detection, protocol breadth and source-to-target shift should be treated as central evaluation factors rather than secondary experimental details.
Năm:
|
Chủ đề: Khoa học máy tính và thông tin
|
Nhà xuất bản: Computers, Materials & Continua
WiT: Wood Species Identification via a Hybrid CNN–Transformer With Query-Guided Cross-Attention
Ma Công ThànhWood species identification is essential for forestry monitoring and biodiversity conservation, yet remains challenging owing to high inter-class similarity and strong intra-class variation in macroscopic wood images. Convolutional Neural Networks (CNNs) effectively capture local anatomical patterns, whereas Vision Transformers (ViTs) model long-range spatial dependencies but can be sensitive to surface noise and repetitive textures. Existing hybrid CNN–Transformer approaches mainly rely on parallel pro- cessing and generic feature fusion, without explicitly reflecting the hierarchical local-to-global perception strategy employed by human wood taxonomists. In this paper, we propose WiT, an effective wood species identification framework based on a perception-aligned sequential hybrid CNN–Transformer architecture with a Query-Guided Cross-Attention (QGCA) module. WiT first extracts refined local anatomical features using a CNN backbone and then performs global structural modeling with a transformer encoder; this alignment with expert inspection is architectural in nature rather than formally enforced. A query- guided attention module adaptively integrates local and global representations, emphasizing discriminative anatomical cues while reducing the influence of irrelevant surface artifacts. Extensive experiments on six macroscopic wood datasets, including the newly curated IC4SD-VN99 benchmark, show that WiT achieves an average accuracy of 98.37% and a macro F1-score of 98.12% (mean ±std across three independent random seeds). Across the evaluated benchmarks, WiT provides competitive and stable performance, outperforming all ablation variants in accuracy and in F1-score on five of six datasets, with a negligible difference on IC4SD-VN99 (< 0.01 pp). With an inference latency of 11.95 ms on an NVIDIA L4 GPU (batch size = 1) at a computational cost of 13.33 GFLOPs and 52.96 M parameters, the proposed framework offers a practical balance between recognition performance and efficiency for laboratory-grade forestry applications.
Năm:
|
Chủ đề: Khoa học máy tính và thông tin
|
Nhà xuất bản: IEEE Access
Explainable Machine Learning for Predicting Poor Mobilizers in Allogeneic Donors for Hematopoietic Stem Cell Transplantation
Dung Manh NguyenGhép tế bào gốc tạo máu (HSCT)
yêu cầu huy động đủ tế bào gốc từ những người hiến tặng khỏe mạnh. Tuy nhiên, một số người hiến tặng, được gọi là người huy động kém, không cung cấp đủ tế bào mặc dù đã được huy động, dẫn đến sự chậm trễ và kết quả bất lợi. Để giải quyết thách thức này, chúng tôi đề xuất một khung học máy có thể giải thích được, phân loại người hiến tặng thành người huy động kém và người huy động tốt bằng cách sử dụng các đặc điểm lâm sàng. Phương pháp này tích hợp Loại bỏ đặc điểm đệ quy và bộ phân loại XGBoost vào một quy trình nhẹ, phù hợp để triển khai trong các hệ thống hỗ trợ quyết định lâm sàng đa trung tâm, dựa trên mạng lưới. Mô hình được đề xuất đạt độ chính xác 96,1%, AUC 98,7% và độ thu hồi 98,1% đối với người huy động kém. Để tăng cường khả năng giải thích, chúng tôi sử dụng SHAP để định lượng đóng góp của các yếu tố lâm sàng chính như số lượng tiểu cầu, tuổi và MCV. Những giải thích này xác nhận các yếu tố dự báo đã được thiết lập đồng thời gợi ý những hiểu biết mang tính khám phá, hỗ trợ tiềm năng của Học máy (ML) có thể giải thích được để cải thiện việc sàng lọc người hiến tặng trong HSCT.
Năm:2026
|
Chủ đề: Trí tuệ nhân tạo
|
Nhà xuất bản:
DEFECT DETECTION IN PRINTED CIRCUIT BOARDS BASED ON IMPROVED YOLOV8
Shuyang NingQuy trình sản xuất bảng mạch in (PCB) ngày càng trở nên phức tạp, trong đó ngay cả những lỗi nhỏ cũng có thể làm giảm hiệu suất sản phẩm và tỷ lệ năng suất.
Việc xác định chính xác các lỗi trên PCB là rất quan trọng nhưng vẫn còn nhiều thách thức. Các phương pháp phát hiện lỗi PCB truyền thống, chẳng hạn như kiểm tra bằng mắt thường và các công nghệ tự động, đều có những hạn chế. Mặc dù các lỗi có thể dễ dàng được xác định dựa trên tính đối xứng, nhưng khía cạnh vận hành lại khá khó khăn. Học sâu đã cho thấy tiềm năng trong việc phát hiện lỗi; tuy nhiên, các mô hình học sâu phát hiện lỗi PCB vẫn gặp phải các vấn đề như kích thước mô hình lớn, tốc độ phát hiện chậm và độ chính xác chưa tối ưu. Bài báo này sử dụng thuật toán YOLOv8 để phát hiện lỗi PCB. Chúng tôi cải tiến YOLOv8 gốc bằng cách nâng cấp bộ tối ưu hóa của nó lên RAdam. Kết quả thực nghiệm cho thấy so với mô hình YOLOv8 gốc, mô hình YOLOv8-RAdam được cải tiến đã đạt được sự cải thiện 11,97% và 6,35% về IoU và F-measure trong việc phát hiện lỗi PCB. Chiến lược được đề xuất giúp cải thiện hiệu quả độ chính xác của việc phát hiện lỗi PCB dựa trên học sâu.
Năm:2025
|
Chủ đề: Kỹ thuật điện tử và viễn thông
|
Nhà xuất bản: ICIC Express Letters
A MACHINE LEARNING-BASED SPEED BUMP DETECTION USING SMARTPHONE SENSOR DATA AND ON-BOARD DIAGNOSTICS II DATA
Siripong SangsarpanBài báo này nghiên cứu ứng dụng Học máy (ML) trong phát hiện gờ giảm tốc bằng cách sử dụng dữ liệu từ cảm biến điện thoại thông minh và Hệ thống chẩn đoán trên xe II (OBDII), tiêu chuẩn trên tất cả các mẫu xe. Nghiên cứu này khám phá sự tích hợp dữ liệu xe với dữ liệu cảm biến điện thoại thông minh để cung cấp giải pháp tiết kiệm chi phí nhằm nâng cao hiệu suất lái xe và an toàn. Chúng tôi đã triển khai bốn mô hình ML – Máy hỗ trợ vectơ (SVM), Thuật toán ngẫu nhiên (RF), Thuật toán tìm giá trị gần nhất (kNN) và Hồi quy logistic (LR) – để phân loại điều kiện đường. Dữ liệu được thu thập từ các xe được chọn và được xử lý thông qua lựa chọn đặc trưng và điều chỉnh siêu tham số để tối ưu hóa hiệu suất mô hình. Mô hình kNN đạt độ chính xác cao nhất là 95,45%, tiếp theo là SVM với 90,91%, Giá trị ngẫu nhiên RF với 85,82% và Hồi quy logistic với 65,91%. Kết quả nghiên cứu của chúng tôi chứng minh hiệu quả của việc sử dụng các kỹ thuật ML trên dữ liệu tích hợp từ điện thoại thông minh và OBD-II để phát hiện gờ giảm tốc. Nghiên cứu này đóng góp vào sự tiến bộ trong công nghệ ô tô, đặc biệt là trong việc phát triển các hệ thống tiết kiệm chi phí để giám sát điều kiện đường theo thời gian thực, cuối cùng là nâng cao an toàn đường bộ và hiệu quả lái xe.
Năm:2025
|
Chủ đề: Kỹ thuật điện tử và viễn thông
|
Nhà xuất bản: ICIC Express Letters
CONTROL SYSTEM USING MULTI-PERIOD DISTURBANCE OBSERVER FOR MINIMUM-PHASE SYSTEMS
Siripong SangsarpanBài báo này xem xét thiết kế hệ thống điều khiển cho các hệ thống pha tối thiểu nhằm đảm bảo đầu ra bám sát tín hiệu đầu vào tham chiếu không tuần hoàn và các nhiễu tuần hoàn được giảm thiểu mà không cần điều khiển lặp lại. Trong các ứng dụng thực tế, hệ thống điều khiển thường phải giảm thiểu nhiễu tuần hoàn và làm cho đầu ra bám sát tín hiệu đầu vào tham chiếu không tuần hoàn. Để đáp ứng các yêu cầu này, điều khiển lặp lại đã được đề xuất. Điều khiển lặp lại có thể giảm thiểu nhiễu tuần hoàn. Tuy nhiên, điều khiển lặp lại thường dẫn đến các bộ điều khiển bậc cao. Để thiết kế một bộ điều khiển bậc thấp có khả năng giảm thiểu nhiễu tuần hoàn, hệ thống điều khiển phải được thiết kế mà không sử dụng điều khiển lặp lại. Trong bài báo này, hệ thống điều khiển sử dụng bộ quan sát nhiễu đa chu kỳ để giảm thiểu nhiễu tuần hoàn được đề xuất. Bộ quan sát nhiễu đa chu kỳ sử dụng bộ lọc bậc thấp và giảm thiểu nhiễu tuần hoàn bằng cách sử dụng chu kỳ của nhiễu. Vì bộ quan sát nhiễu đa chu kỳ sử dụng bộ lọc bậc thấp, nên việc thiết kế bộ điều khiển bậc thấp trở nên khả thi. Tuy nhiên, chưa có nghiên cứu nào về phương pháp thiết kế hệ thống điều khiển sử dụng bộ quan sát nhiễu đa chu kỳ. Để thiết kế bộ điều khiển bậc thấp nhằm giảm thiểu nhiễu định kỳ, hàm truyền từ nhiễu đến đầu ra phải có số cực hữu hạn. Điều kiện để hàm truyền từ nhiễu đến đầu ra có số cực hữu hạn được làm rõ. Ngoài ra, điều kiện ổn định nội tại của hệ thống điều khiển sử dụng bộ quan sát nhiễu đa chu kỳ làm cho số cực hữu hạn cũng được làm rõ. Dựa trên các điều kiện trên, một phương pháp thiết kế hệ thống điều khiển sử dụng bộ quan sát nhiễu đa chu kỳ cũng được đề xuất.
Năm:2026
|
Chủ đề: Khoa học kỹ thuật và công nghệ khác
|
Nhà xuất bản: International Journal of Innovative Computing, Information and Control
A Novel Discrete-Time Information Propagation Model over Networks with Deviation of Infection Rates
Hoàng Phi DũngComputer Networks and Online Social Networks have become fundamental infrastructures for global information dissemination, encompassing systems and platforms such as the Internet, Facebook, TikTok, and Twitter... Owing to their large scale and high connectivity, these networks provide favorable environments for the propagation of computer viruses and the diffusion of harmful information. One of the widely adopted approaches for reducing the extent of infection in a network is to remove selected edges and deactivate certain nodes. This leads to a fundamental problem in network analysis: identifying the most critical edges and the most influential nodes, either in the entire network or within a specific community from a set of seeds.
Năm:
|
Chủ đề: Trí tuệ nhân tạo
|
Nhà xuất bản:
AUTONOMOUS DRIVING VEHICLE IN HIGHWAY RECOGNITION BASED ON YOLOV8
Xueheng NiuVới nhu cầu cải thiện khả năng lái xe tự động, chúng ta cần những mô hình có độ chính xác cao hơn trước đây. Các mô hình gần đây tập trung vào con người và phương tiện, nhưng trên đường cao tốc thì không có người. Do tốc độ cao, việc lái xe trên đường cao tốc nguy hiểm hơn so với lái xe trong thành phố, điều này khiến các mô hình không chỉ cần độ chính xác cao hơn mà còn cần tốc độ xử lý nhanh hơn. Để khắc phục vấn đề này, chúng tôi đề xuất một mô hình chỉ tập trung vào phương tiện cho tình huống đặc biệt này. Mô hình này dựa trên You Only Look Once v8 (YOLOv8), và bổ sung thêm Partial Convolution, Minimum Point Distance Intersection over Union (MPDIoU), Convolutional Block Attention Module. Trong bài báo này, chúng tôi trình bày lý thuyết về các module được sử dụng trong mô hình này và so sánh chúng với các module thường được sử dụng hiện nay. Sau đó, chúng tôi trình bày kiến trúc mạng của mô hình này. Chúng tôi huấn luyện mô hình này chỉ trên một phần của KITTI Vision Benchmark Suite. Cuối cùng, chúng tôi so sánh hiệu năng của mô hình này với mô hình YOLOv8 gốc.
Năm:2025
|
Chủ đề: Kỹ thuật điện tử và viễn thông
|
Nhà xuất bản: ICIC Express Letters
Training dynamics and state taxonomy in deep visual recognition networks
Lã Quang HảiTraining deep visual recognition networks is usually monitored using loss and accuracy. These measures show whether a model is improving, but they say little about how representations inside the network change during training. This paper proposes a dynamical systems framework for studying this internal evolution through layer activations. At each epoch, we compute three quantities from the activation trajectories. These form an effective integration measure based on detrended fluctuation analysis, a metastability measure based on the Kuramoto order parameter, and a composite stability index that combines the two. We apply the framework to nine architecture dataset configurations, including ResNet variants, DenseNet-121, MobileNetV2, VGG-16, and a pretrained Vision Transformer trained on CIFAR-10 and CIFAR-100. Under the present parameterisation, three retrospective patterns emerge. First, the integration measure separates CIFAR-10 from CIFAR-100 across the architectures studied and remains stable under broad hyperparameter variation. Second, the rolling volatility of the composite index often decreases before the accuracy curve plateaus, suggesting a candidate convergence signal that requires prospective validation. Third, the coupling between integration and metastability helps distinguish models that settle into richer representational regimes from those that remain more rigidly coupled. These observations motivate a retrospective four-state taxonomy of training regimes, namely Stable Convergent, Metastable High Integration, Partial Integration, and Rigidly Synchronised. The taxonomy is intended as an exploratory description of the configurations studied, rather than as a validated classifier. The results provide a foundation for future multi-seed, held-out, and prospective studies of dynamical diagnostics for deep visual model training.
Năm:2026
|
Chủ đề: Kỹ thuật thông tin
|
Nhà xuất bản: Discover Artificial Intelligence
SiCLIP: An explainable multimodal framework for silicosis diagnosis
Lê Minh DuySilicosis is a serious occupational lung disease caused by exposure to crystalline silica dust and remains difficult to detect early in at-risk worker populations. In this paper, we introduce the Silicosis Diagnosis Dataset (SDD), which comprises chest X-ray images and structured patient-profile information, including harmful habits and clinical symptoms. To exploit this multimodal dataset, we propose SiCLIP, a multimodal retrieval framework based on CLIP-ViT for silicosis screening and binary classification on SDD. SiCLIP learns a shared embedding space for chest X-ray images and patient profiles and performs retrieval-based aggregation for prediction. On the internally evaluated SDD benchmark, SiCLIP achieves higher accuracy and F1-score than several strong image-only deep learning baselines and the compared multimodal VLM baseline. In addition, SiCLIP provides case-based interpretability by grounding predictions in retrieved similar cases, complemented by supportive saliency visualizations. These results suggest that multimodal retrieval is a promising approach for silicosis screening support in occupationally exposed populations, while external validation remains necessary before broader clinical deployment.
Năm:2026
|
Chủ đề: Kỹ thuật thông tin
|
Nhà xuất bản: Artificial Intelligence in Medicine
A resource-efficient system for rapid and accurate forest fire smoke detection using Video-based Multiple Object Kinetic Emission Detection
Vũ Quang VinhForest fires represent a significant environmental threat, primarily due to the substantial economic losses and human casualties they cause. Smoke serves as the most apparent early indicator of wildfires. However, detecting smoke effectively with computer vision is challenging, particularly when it is distant from the camera and only noticeable in a limited area. Overcoming this challenge with current methodologies often necessitates computationally intensive processing of higher resolution images or the installation of a higher density of cameras, both representing costly solutions. To address these limitations, we introduce a novel framework called Video-based Multiple Objects Kinetic Emission Detection (VMOKED). It is specifically designed to detect smoke emissions in forests accurately and scalably, even when operating under constrained computational budgets in centralized multi-stream processing environments. The VMOKED framework integrates three key components: (1) a real-time object detection model, (2) a compact Sky-Ground Segmentation (SGS) model utilizing a feature pyramid network architecture and MobileNetV3 backbone, and (3) a motion measurement module designed to leverage temporal information efficiently. Experimental results on our dataset demonstrate that the proposed VMOKED framework surpasses other methods in quantitative performance. Highlighting its efficiency, VMOKED requires only 64.89 Giga Floating-Point Operations Per Second (GFLOPs) and achieves a detection time of just 7.65 ms.
Năm:2026
|
Chủ đề: Kỹ thuật điện tử và viễn thông
|
Nhà xuất bản: Array
Physiology-Aware Direct Plant Communication Using IoT-Enabled Multimodal Sensors for Early Stress Detection
Phurinat ChaisarnPlant stress monitoring in IoT systems is typically
inferred from environmental variables, providing limited
physiological insight. Although abscisic acid (ABA) is a reliable
stress indicator, its measurement is destructive and unsuitable for
continuous field use. This paper proposes a physiology-aware
edge–cloud IoT framework for plant stress classification using
non-invasive leaf electrical conductivity integrated with soil and
environmental sensing. Leaf electrical conductivity acts as a proxy
for stress-related changes in membrane integrity, ionic regulation,
and stomatal behavior. A lightweight edge-deployed neural
network enables real-time inference, while cloud services support
data aggregation and model retraining. The system classifies
water, heat, cold, light, and nutrient stress and delivers
interpretable outputs via dashboards. Experimental results
demonstrate accurate multi-class classification with latency
suitable for real-time field deployment, highlighting the benefit of
plant-derived physiological signals over environmental proxies.
Năm:
|
Chủ đề: Trí tuệ nhân tạo
|
Nhà xuất bản:
A Lightweight Adaptive Holding-time Policy for Clustered Wireless Sensor Networks
Hoàng Trọng MinhIn clustered wireless sensor networks (WSNs), reshaping the topology can redistribute cluster head load, but each
such task consumes energy. This paper studies the refresh timing
problem in static clustered WSNs, where the controller decides
not only whether to rebuild the topology but also determines
the time over which the selected topology remains active. The
proposed method formulates topology maintenance as a semiMarkov adaptive holding-time control problem. At each control
epoch, the controller selects a refresh indicator, a target cluster
count, and a holding time. The topology builder uses explicit cluster head election, nearest head member association, and
intra-cluster chain forwarding with one-hop cluster head transmission to the base station. Under nominal deployment, the
proposed controller reaches a half-node death (HND) point of
1969.1 ±8.4 rounds with 0.104 J of control energy, while periodic
refresh with T = 10 reaches 1819.7 ±32.6 rounds and consumes
1.133 J. Across seven tested deployment scenarios, the proposed
method gives a higher HND point with lower control energy
than the tested refresh-enabled baselines. Therefore, the method
is positioned as a lifetime overhead control mechanism, favoring
lower control energy and longer mid-life operation, whereas periodic refresh remains preferable when delivery performance is
the primary objective
Năm:2026
|
Chủ đề: Kỹ thuật điện tử và viễn thông
|
Nhà xuất bản: Journal of Telecommunications and Information Technology
Reliability and Energy Efficiency Analysis of UAV-Assisted Energy-Harvesting Networks Under Full-Duplex Operation
Xuan Nghia Phamhis paper investigates the performance of a full-duplex (FD) uncrewed aerial vehicle (UAV)-assisted energy-harvesting (EH) wireless network, in which a dedicated power beacon supplies radio-frequency energy to both an Internet-of-Things (IoT) sensor node and the UAV relay. A realistic system model is developed by accounting for residual self-interference (RSI), UAV mobility, and three-dimensional deployment. Based on this framework, exact closed-form formulas for the outage probability (OP) and energy efficiency (EE) are derived, enabling a comprehensive assessment of system reliability and energy utilization. The analytical results are validated through Monte-Carlo simulations, demonstrating excellent agreement with numerical results. The results reveal that the OP is highly sensitive to the power beacon transmit power, RSI level, and UAV altitude and horizontal position, where insufficient interference suppression and excessive UAV altitude significantly degrade link reliability. Moreover, the EE exhibits an optimal operating point with respect to the power beacon transmit power. Increasing the number of transmit antennas at the power beacon improves EE, while higher carrier frequencies lead to noticeable performance degradation. These findings provide useful design insights for the deployment and optimization of reliable and energy-efficient UAV-assisted EH networks.
Năm:2026
|
Chủ đề: Kỹ thuật điện tử và viễn thông
|
Nhà xuất bản: IEEE Access
Secrecy performance of short-packet communications in full-duplex two-way transmissions
Khuất Thị HươngThis paper presents and investigates the secrecy performance of short-packet communications in full-duplex twoway systems, where Alice and Bob exchange information in the presence of an external eavesdropper (Willie). To
improve confidential communication, signal-based artificial noise is considered for two-way communication to
reduce Willie’s eavesdropping capability. Then, secure block-error rate (SBLER) expressions for the considered
system are derived, laying the foundation for enhancing secure information exchange. Based on this, a total
secrecy throughput optimization problem of jointly optimizing the blocklength and power allocation is also
formulated and addressed using a block-coordinate descent approach in combination with the one-dimensional
discrete search and Golden section search. To validate the developed expressions, Monte-Carlo simulations are
provided along with some exploration of system parameter impacts on the SBLER.
Năm:2026
|
Chủ đề: Kỹ thuật điện tử và viễn thông
|
Nhà xuất bản: Digital Signal Processing
Constellation Design for Blind Detection of Orthogonal Space–Time Block Codes in Wireless MIMO Systems
Lê Minh TuấnThis paper investigates the problem of blind detection of orthogonal space–time block codes (OSTBCs) with quadrature amplitude modulation (QAM) in multiple-input multiple-output (MIMO) systems over quasistatic flat Rayleigh fading channels. To resolve the inherent rotational ambiguity in blind OSTBC detection, we propose a structurally constrained QAM constellation that enables unique symbol recovery without the
use of pilot signals. Building on this design, we develop a low-complexity iterative detector, referred to as the iterative maximum-likelihood with averaged initial channel estimate (IML-AICE) detector, which jointly estimates the channel and transmitted symbols. The proposed detector incorporates a novel initialization strategy and an iterative refinement mechanism inspired by clairvoyant maximum-likelihood detection, leading to improved convergence and detection accuracy. The proposed framework enables reliable blind recovery of OSTBC symbols, thereby improving spectral efficiency by eliminating pilot overhead. Simulation results demonstrate that the proposed IML-AICE detector consistently outperforms existing trained and blind detection schemes across a range of signal-to-noise ratios and system configurations at low computational complexity.
Năm:2026
|
Chủ đề: Kỹ thuật điện tử và viễn thông
|
Nhà xuất bản: EAI Endorsed Transactions On Industrial Networks And Intelligent Systems
Cosine Distance-Based Fuzzy C-Means Clustering for Local Classification in Imbalanced Network Intrusion Detection
Giáp Thị Ngọc BíchNetwork Intrusion Detection Systems (NIDS) deal with class imbalance in network traffic data, where minority attack classes are underestimated. FCM-Cosine, a modified Fuzzy C-Means clustering algorithm, replaces Euclidean distance in the objective function with Cosine distance to better capture directional similarity in high-dimensional feature spaces. The cluster-then-classify framework decomposes the global intrusion detection problem into localized classification sub-problems to detect minority attack classes. Five classifiers have been examined on the CICIoT2023 dataset at two scales (16,100 and 465,000 samples). FCM-Cosine had an average F1-Macro of 69.36%, while Decision Tree had 86.79%, resulting in a 37.97% improvement over direct training. The framework is ten times faster than SMOTE (19.18s vs. 189.73s average training time) and scales nearly linearly with dataset size. Results demonstrate that FCM-Cosine offers competitive classification performance with computational efficiency for large-scale NIDS deployments.
Năm:2026
|
Chủ đề: Kỹ thuật điện tử và viễn thông
|
Nhà xuất bản: INTERNATIONAL JOURNAL OF COMPUTERS COMMUNICATIONS & CONTROL
Design and Experimental Demonstration of a Compact and Wideband 3×3 Silicon Photonic Switch Using Thermo-Optic Phase Shifters and Multimode Interference Couplers
Trần Thị Thanh ThủyReconfigurable and non-blocking photonic switches are essential building blocks for next-generation broadband optical interconnects and integrated optical networks. We present the design, fabrication, and experimental demonstration of a compact 3×3 thermo-optic silicon photonic switch implemented by cascading 2×2 restricted-interference MMI units in an MZI–MMI configuration to ensure high stability, fabrication tolerance, and broadband operation. Fabricated on a CMOS-compatible SOI platform using 193-nm DUV lithography and integrated with optimized Ti/W heaters for low-voltage control, the device exhibits robust broadband operation around the C-band. At the central operating wavelength of 1549.5 nm, nine measured switching states show power consumption in the range 19.95–56.65 mW. Overall performance metrics include insertion loss 1.5–6.2 dB, crosstalk ≤ −10 dB, extinction ratio up to 30 dB, and imbalance factor less than -12 dB across C-band. Furthermore, the proposed switch exhibits a fast-switching time of ~20 μs under 4–7 V actuation. The entire circuit occupies 0.75 mm × 1.5 mm. These results demonstrate the proposed 3×3 switch as a compact, broadband, and energy-efficient building block for OWXCs, ROADMs, large-scale PICs, and optical computing platforms.
Năm:2026
|
Chủ đề: Kỹ thuật điện tử và viễn thông
|
Nhà xuất bản: IEEE Access
Compact broadband inverse design of a 3 dB optical power splitter based on PSO in silicon photonics
Trần Thị Thanh ThủyInverse design has emerged as a powerful approach for developing high-performance photonic devices beyond the limitations of conventional geometry-based methods. In this study, we propose a compact 3 dB optical power splitter designed using a boundary-based inverse design strategy driven by the particle swarm optimisation (PSO) algorithm. The device boundary along the propagation direction is discretised into fine segments and iteratively optimised through a two-stage framework to simultaneously suppress input reflection and achieve balanced power distribution at the output ports. Over a 100 nm bandwidth, the improved structure exhibits outstanding optical performance. The excess loss stays between −0.1 and −1.1 dB, but the reflection is decreased to about −20 dB. Nearly equal power splitting is seen at the middle wavelength when the balancing factor is close to 0 dB. The device also exhibits symmetric and consistent responses when excited from either input port. With a compact footprint of approximately 6 µm × 16 µm, the proposed design is suitable for high-density photonic integrated circuits. These results confirm the effectiveness of a PSO-based boundary inverse design for realising broadband, low-loss, and compact photonic components.
Năm:2026
|
Chủ đề: Kỹ thuật điện tử và viễn thông
|
Nhà xuất bản: Opto-Electronics Review
Borrowing in Literary Title Translation: A Study of English–Vietnamese Cross-Cultural Functions and Constraints
Nguyễn Thị ThuNghiên cứu này khảo sát việc sử dụng chiến lược vay mượn (borrowing) trong dịch tiêu đề tác phẩm văn học từ tiếng Anh sang tiếng Việt. Dựa trên ngữ liệu gồm 505 nhan đề tiểu thuyết tiếng Anh và các bản dịch tiếng Việt tương ứng, nghiên cứu nhằm xác định mức độ phổ biến của chiến lược vay mượn, phân loại các dạng vay mượn chủ yếu, tìm hiểu các chức năng giao tiếp của chúng, đồng thời phân tích những yếu tố ảnh hưởng đến sự lựa chọn của dịch giả. Áp dụng cách tiếp cận mô tả và chức năng, nghiên cứu phân loại hiện tượng vay mượn thành ba dạng chính: vay mượn nguyên dạng (pure borrowing), vay mượn thích nghi hay Việt hóa (naturalized borrowing) và vay mượn kết hợp (hybrid borrowing).
Năm:
|
Chủ đề: Trí tuệ nhân tạo
|
Nhà xuất bản:
Dynamic switching of negative refractive index and parasitic peak suppression for terahertz communication filters
Nguyễn Hải AnhNegative refractive index (NRI) metamaterials have attracted considerable interest due to their ability to support unconventional electromagnetic phenomena. However, conventional designs are often limited by narrow operating bandwidths, the presence of parasitic positive refractive index (PRI) transmission peaks, and the lack of post-fabrication reconfigurability. In this work, we propose a vanadium dioxide (VO2) integrated dual-layer metallic dishnet metamaterial operating within the IEEE 802.15.3d standard band (252–321 GHz). The design leverages second order plasmon hybridization to overcome the above limitations and enable dynamic control of the electromagnetic response. By exploiting the differential sensitivity of hybridization modes to the thermally driven insulator-to-metal transition (IMT) of VO2, the proposed structure achieves two key functionalities. First, it enables complete suppression of the parasitic PRI transmission peak at 0.3418 THz, resulting in high-selectivity NRI transmission. Second, it allows controlled switching from a multi-peak NRI spectrum, supported by second-order plasmon hybridization, to a single-peak NRI operation, without structural reconfiguration. These results establish a design framework for dynamically reconfigurable and spectrally selective NRI metamaterials, with potential applications in 5G/6G communication filters and reconfigurable terahertz routing systems.
Năm:2026
|
Chủ đề: Vật lý
|
Nhà xuất bản: Journal of Physics and Chemistry of Solids
Artificial Intelligence in the Telecom sector: organizational and social impacts with insights from Vietnam
Nguyễn Tùng DươngThe global telecommunications sector is undergoing a profound transformation, driven by the integration of Artificial Intelligence (AI) which is redefining organizational structures, operational processes, and societal interactions. While AI adoption has been extensively studied in developed economies, its organizational and social implications in developing contexts remain underexplored. This paper conducts an integrative literature review to synthesize global insights on these impacts and contextualizes them within Vietnam's dynamic digital landscape. Framed by the Technology-Organization-Environment (TOE) framework, Socio-Technical Systems (STS) theory, and Innovation Diffusion Theory (IDT), the analysis identifies three core dimensions of AI impact: organizational efficiency and transformation, workforce and innovation culture, and societal outcomes. The findings indicate that globally, AI enhances operational efficiency through predictive analytics and automation, while simultaneously transforming workforce roles and raising critical ethical concerns regarding privacy, transparency, and digital equity. In Vietnam, AI deployment in telecommunications—observed primarily in customer service, network monitoring, and fraud detection—is expanding, yet remains constrained by legacy infrastructure, a shortage of AI expertise, and evolving regulatory frameworks. The study concludes by proposing a context-sensitive analytical framework, comprising three interconnected pillars—Organizational Transformation, Human and Cultural Adaptation, and Societal and Customer Outcomes—to guide both managerial strategy and policymaking in developing economies. This research contributes theoretically by bridging global perspectives with national contexts, and practically by offering strategic pathways for enhancing AI readiness and fostering responsible adoption in Vietnam's telecom sector.
Năm:2026
|
Chủ đề: Trí tuệ nhân tạo
|
Nhà xuất bản:
Overview of the Impact of Artificial Intelligence on Human Resource Management
Lương Hoàng PhướcThe rapid development of artificial intelligence (AI) has significantly impacted various fields, including human resource management (HRM). This study explores the effects of AI on HRM, focusing on its applications in recruitment, employee performance evaluation, training and development, and workforce management. By analyzing current trends and case studies, the research highlights the benefits of AI, such as increased efficiency, reduced bias, and enhanced decision-making. However, it also addresses challenges, including ethical concerns, data privacy issues, and potential job displacement. The findings suggest that while AI offers transformative potential for HRM, its successful integration requires a balanced approach that combines technological advancements with human oversight. Organizations must adopt adaptive strategies to leverage AI effectively while ensuring ethical, sustainable, and people-centered HR practices.
Năm:2026
|
Chủ đề: Trí tuệ nhân tạo
|
Nhà xuất bản: