Bài toán tìm câu trả lời (còn gọi là bài toán lựa chọn câu trả lời hay tìm câu trả lời tốt nhất) là một bài toán chính trong hệ thống hỏi đáp. Khi một câu hỏi được đăng lên forum sẽ có nhiều người tham gia trả lời câu hỏi. Bài toán lựa chọn câu trả lời với mục đích thực hiện sắp xếp các câu trả lời theo mức độ liên quan tới câu hỏi. Những câu trả lời nào đúng nhất sẽ được đứng trước các câu trả lời kém liên quan hơn. Trong những năm gần đây, rất nhiều mô hình học sâu được đề xuất sử dụng vào nhiều bài toán xử lý ngôn ngữ tự nhiên (NLP) trong đó có bài toán lựa chọn câu trả lời trong hệ thống hỏi đáp nói chung và trong hệ thống hỏi đáp cộng đồng (CQA) nói riêng. Hơn nữa, các mô hình được đề xuất lại thực hiện trên các tập dữ liệu khác nhau. Vì vậy, trong bài báo này, chúng tôi tiến hành tổng hợp và trình bày một số mô hình học sâu điển hình khi áp dụng vào bài toán tìm câu trả lời đúng trong hệ thống hỏi đáp và phân tích một số thách thức trên các tập dữ liệu cho bài toán trên hệ thố... Penelitian ini bertujuan untuk mendeskripsikan bentuk musik dan teknik permainan biola pada Concerto in A Minor 3rd Movement RV 356 Op. 3 No. 6 karya Antonio Vivaldi. Penelitian ini menggunakan metode penelitian kualitatif. Data yang diperoleh dalam penelitian melalui observasi, wawancara, dan dokumentasi. Teknik analisis data yang digunakan adalah reduksi data, penyajian data, dan kesimpulan data. Serta terdapat uji keabsahan data dengan teknik triangulasi. Hasil penelitian menunjukkan bahwa pada Concerto in A Minor 3rd Movement RV 356 Op. 3 No. 6 karya Antonio Vivaldi memiliki bentuk musik Concerto Form, dengan teknik Ritornello Form. Adapun teknik permainan biola yang digunakan dalam penelitian ini adalah teknik legato, detache, staccato, quavers dan semiquavers, trill, dan accent.Kata Kunci : Teknik, Bentuk, Concerto in A Minor 3rd Movement RV 356 Op. 3 No. 6, Antonio Vivaldi Công trình này công bố kết quả nghiên cứu cấu trúc, độ bền và bản chất liên kết hóa học của các cluster silic pha tạp Si2M với M là một số kim loại hóa trị I bằng phương pháp phiếm hàm mật độ tại mức lý thuyết B3P86/6-311+G(d). Theo kết quả thu được, đồng phân bền của các cluster pha tạp Si2M có cấu trúc tam giác cân, đối xứng C2v và tồn tại hai trạng thái giả suy biến có cùng độ bội spin (A1 và B1). Kết quả thu được cho thấy liên kết Si-M được hình thành chủ yếu từ sự chuyển electron từ AO-s của các nguyên tử Li, Na, K, Cu, Cr sang khung Si2 và sự xen phủ của các AO-d của nguyên tử Cu, Cr với AO của khung Si2. Kết quả nghiên cứu các cluster Si2M (M là Li, Na, K, Cu, Cr) cho ra kết luận rằng cluster Si2Cr là bền nhất. TÓM TẮT: Rút gọn thuộc tính là bài toán quan trọng trong bước tiền xử lý dữ liệu của quá trình khai phá dữ liệu và khám phá tri thức. Trong mấy năm gần đây, các nhà nghiên cứu đề xuất các phương pháp rút gọn thuộc tính trực tiếp trên bảng quyết định gốc theo tiếp cận tập thô mờ (Fuzzy Rough Set FRS) nhằm nâng cao độ chính xác mô hình phân lớp. Tuy nhiên, số lượng thuộc tính thu được theo tiếp cận FRS chưa tối ưu do ràng buộc giữa các đối tượng trong bảng quyết định chưa được xem xét đầy đủ. Trong bài báo này, chúng tôi đề xuất phương pháp rút gọn thuộc tính trực tiếp trên bảng quyết định gốc theo tiếp cận tập thô mờ trực cảm (Intuitionistic Fuzzy Rough Set IFRS) dựa trên các đề xuất mới về hàm thành viên và không thành viên. Kết quả thử nghiệm trên các bộ dữ liệu mẫu cho thấy, số lượng thuộc tính của tập rút gọn theo phương pháp đề xuất giảm đáng kể so với các phương pháp FRS và một số phương pháp IFRS khác. The Image Conversion Program of Music Notation being Numeric Notation is a character recognition system that accepts input in form of music notation image that produces an output of a DOCX file containing the numeric notation from the input image. Music notation has notation value, ritmic value and written with a music stave. The system consists of four main processes: preprocessing (grayscale and thresholding), notation line segmentation, notation character segmentation, and template matching. Template matching is used to recognize the music notation that obtained after segmentation. The recognition process obtained by comparing the image with the template image that has been inputted before to the database. This system has 100% success rate on segmentation of the character and success rate 38,4843% on the character recognition with template matching. Bài viết này đề cập đến hàm đặc trưng của biến ngẫu nhiên, một vài tính chất, và ví dụ về hàm đặc trưng của các biến ngẫu nhiên quen thuộc. Chúng ta còn trả lời câu hỏi: Khi nào tổng của hai biến ngẫu nhiên có cùng loại phân bố vẫn có phân bố đó. 1. Với một biến ngẫu nhiên $X$ được xác định trên không gian $(\Omega, \mathcal{F}, P)$, kí hiệu $\mu_X$ là độ đo sinh bởi $X$ (tức $\mu_X(B) = P(X\in B)$ với mọi tập Borel $B$). Ta định nghĩa hàm đặc trưng của $X$ là hàm $\phi_X : \mathbb{R} \to \mathbb{C}$ xác định bởi $$\phi_X(t) = \int_{\mathbb{R}} e^{itx} d\mu_X(x).$$ Trong giải tích điều hòa, ta cũng hay nói rằng $\phi_X$ là biến đổi Fourier của $\mu_X$. 1.1. Tại sao lại gọi là hàm "đặc trưng"? Lí do tại vì nó đặc trưng cho phân bố: phân bố của một biến ngẫu nhiên có thể được xác định hoàn toàn thông qua hàm đặc trưng của nó: Định lí 1.(Công thức ngược Levy). Với mọi bnn $X$ có phân bố $\mu$ và hàm đặc trưng $\phi$, $$\lim_{T \to \infty} \dfrac{1}{2\pi} \int_{-T}{T} \dfrac{e{-ita} - e^{-itb} }{it} \phi(t) dt = \mu(\{a,b\}) + \dfrac{\mu(\{a\}) + \mu(\{b\})}{2}.$$ Chú ý. Từ công thức trên ta có $\mu((a,b))$ sẽ được xác định duy nhất từ $\phi$ với các điểm $a,b$ mà $\mu(\{a\})= \mu(\{b\}) =0$. Vì các điểm như thế trù mật trong $\mathbb{R}$ nên $\mu$ được xác định duy nhất. 1.2. Hàm đặc trưng cũng cho ta một tiêu chuẩn để xác định xem khi nào biến ngẫu nhiên có hàm mật độ: Định lí 2. (Biến đổi Fourier ngược). Nếu biến ngẫu nhiên $X$ có hàm đặc trưng $\phi \in L^1(\mathbb{R})$ thì hàm đặc trưng của nó là $$f(x) = \dfrac{1}{2\pi}\int_{\mathbb{R}} \phi(t) e^{-itx} dt.$$ 1.3. Trong nghiên cứu về sự hội tụ của dãy biến ngẫu nhiên, định lí Portmanteau và định lí Levy nói rằng sự hội tụ theo phân bố, hội tụ yếu, và hội tụ theo hàm đặc trưng là tương đương nhau. Cụ thể, cho dãy biến ngẫu nhiên $(X_n)_n$ và biến ngẫu nhiên $X$. Khi đó 3 điều sau tương đương (1) $X_n$ hội tụ đến $X$ theo phân bố, tức $P(X_n\leq x) \to P(X\leq x)$ với mọi $x$ là điểm liên tục của $P(X\leq \cdot)$; (2) $Eh(X_n) \to Eh(X)$ với mọi $h$ liên tục bị chặn trên $\mathbb{R}$; (3) $\phi_{X_n}(t) \to \phi_X(t)$ với mọi $t\in \mathbb{R}$. 1.4. Nếu hai biến ngẫu nhiên $X$ và $Y$ là độc lập thì $\phi_{X+Y} = \phi_X \phi_Y$. 1.5. Nếu $X$ có moment bậc $k$ thì $\phi_X$ khả vi liên tục đến cấp $k$ và được tính qua hàm đặc trưng theo công thức $$EX^k =\dfrac{\phi^{(k)}(0)}{i^{k}} $$ 2. Hàm đặc trưng của một số phân bố 2.1. Phân bố Bernoulli $B(p)$ có hàm đặc trưng $$\phi(t) = pe^{it} + (1-p)$$ 2.2. Phân bố nhị thức $B(n, p)$ có hàm đặc trưng $$\phi(t) = (1- p +pe^{it})^n $$ 2.3. Phân bố Poisson $Poi(\lambda)$ có hàm đặc trưng $$\phi(t) = e^{\lambda(e^{it}-1)} $$ 2.4. Phân bố Gamma $Gam(r,\theta)$ $$\phi(t) = (1- it\theta)^{-r} $$ 2.5. Phân bố mũ $Exp(\lambda)$ $$\phi(t) = (1- it \lambda^{-1})^{-1} $$ 2.6. Phân bố chuẩn $N(\mu, \sigma^2)$ $$\phi(t) = e^{i\mu t - \sigma^2 t^2/2} $$ 3. (Self-reproducing property) Từ 1.1, 1.4, và 2., ta có: với hai biến ngẫu nhiên độc lập $X$, $Y$ 3.1. Nếu $X\sim B(n, p), Y\sim B(m, p)$ thì $X+Y \sim B(m+n, p)$, 3.2. Nếu $X\sim Poi(\lambda), Y\sim Poi(\theta)$ thì $X+Y \sim Poi(\theta + \lambda)$, 3.3. Nếu $X\sim Gam(r, \theta), Y\sim Poi(t, \theta)$ thì $X+Y \sim Gam(r+t, \theta)$ 3.4. Nếu $X\sim N(\mu_1,\sigma_1^2)$, $Y\sim N(\mu_2,\sigma_2^2)$ thì $X+ Y\sim N(\mu_1 + \mu_2,\sigma_1^2 +. \sigma_2^2)$. |
