Research Projects & Systems

Nghiên cứu các giải pháp tối ưu hóa mạng thần kinh nhân tạo (quantization, pruning, hybrid transformer) hoạt động thời gian thực trên bo mạch nhúng (NVIDIA Jetson, Raspberry Pi) của UAV để giám sát công trình, phát hiện tổn hại cầu đường và cháy rừng.

Phát triển kiến trúc IMIDS và Realguard sử dụng học sâu lai (Hybrid Deep Learning) kết hợp mạng sinh GAN để bảo vệ các thiết bị IoT Gateway khỏi các cuộc tấn công DDoS, Zero-day và malware trong môi trường mạng thông minh.

Ứng dụng các mô hình thị giác máy tính siêu nhẹ (MobileH-Transformer, TinyResViT) trực tiếp trên thiết bị cầm tay nông nghiệp giúp người dân phát hiện sớm bệnh sắn, ngô, chuối mà không cần kết nối Cloud.

The rapid growth of information dissemination on social networks such as Facebook and Twitter, along with the widespread of mobile devices, has intensified the need for early yet accurate rumor detection methods. While existing hybrid machine learning models integrating natural language processing (NLP) and graph neural networks (GNNs) show promising results but often lack effective integration of diverse features and temporal modeling. To overcome these limitations, we introduce MTAS, a novel framework designed to detect rumors effectively by generating a multiview of social data encompassing semantic, inner, global, and temporal features. Specifically, MTAS models social network data into a comprehensive graph structure representing the global relationship among all tweets, words, and users. Through this structure, the framework processes and analyzes propagation patterns, semantic content, and …