Ngũ vị tử (Schisandra chinensis) thu hoạch ở chân núi Ngọc Linh - Kom Tum. Theo Đông y, ngũ vị tử có vị chua, tính ôn. Ngũ vị tử có nhiều công dụng trong hỗ trợ điều trị bệnh bởi trong quả chứa các thành phần hóa học có hoạt chất sinh học như lignan, vitamin C, axit hữu cơ. Tuy nhiên, các hoạt chất dễ bị tổn thất trong công đoạn làm khô quả. Nghiên cứu đã ứng dụng phương pháp sấy bơm nhiệt kết hợp bức xạ hồng ngoại để làm khô quả ngũ vị tử với các thông số công nghệ: nhiệt độ sấy 49,18oC, độ dày lớp quả sấy 20,41 cm, tốc độ tác nhân sấy 1,5 m/s. Kết quả thu được quả ngũ vị tử khô có hàm lượng lignan được bảo tồn là 4,26%, hàm hượng VTM C 143,28 mg%; hàm lượng axit 5,37%, độ ẩm < 9%, quả khô đều, màu đỏ nâu sáng phù hợp để làm dược liệu hỗ trợ trong điều trị bệnh hoặc dùng làm nguyên liệu để chế biến các sản phẩm trà từ ngũ vị tử.

Mạng cảm biến vô tuyến công nghiệp cần có các giải pháp mã kênh mạnh với các gói tin ngắn. Mã tích là họ mã kênh chỉ cần với chiều dài từ mã ngắn, đã đạt khả năng sửa lỗi rất tốt do có khoảng cách Hamming cực tiểu lớn. Vì quá trình giải mã phức tạp nên hiện nay mã tích vẫn chưa được đề xuất ứng dụng trong các hệ thống truyền tin. Với mong muốn khai thác khả năng kiểm soát lỗi của mã tích trong các ứng dụng truyền tin hiện đại, bài báo này dựa vào cơ sở lý thuyết giải mã tích, lựa chọn mã Hamming làm mã thành phần, đề xuất thuật toán giải mã lặp áp dụng phù hợp với mã tích cho chất lượng giải mã tốt với độ phức tạp chấp nhận được. Kết quả mô phỏng cho thấy, tại tỉ lệ lỗi bit (BER) 105, yêu cầu về tỉ lệ công suất tín hiệu trên tạp âm chỉ cần 3,7 dB nếu sử dụng mã Hamming (31, 26) làm mã thành phần.

Thế giới đang trải qua cuộc Cách mạng công nghiệp 4.0 với đặc trưng là Dữ liệu lớn (Big data), Trí tuệ nhân tạo (AI), Internet vạn vật (IoT), Điện toán đám mây (Cloud computing) và Khoa học dữ liệu (Data Science). Bài báo theo hướng khoa học dữ liệu, sử dụng thuật toán học máy nhằm xây dựng mô hình phân loại khách hàng thông qua bộ dữ liệu giao dịch thương mại điện tử, phân khúc khách hàng để phân chia cơ sở khách hàng thành nhiều nhóm cá nhân có cùng điểm giống nhau theo những cách khác nhau có liên quan đến hoạt động tiếp thị như giới tính, tuổi tác, sở thích và thói quen chi tiêu không rõ ràng. Đầu tiên, nhóm sẽ thực hiện thu thập và khai phá dữ liệu. Tiếp theo, nhóm sẽ dựa trên thuật toán học máy xây dựng mô hình phân loại khách hàng. Cuối cùng, nhóm sẽ đánh giá dữ liệu khách hàng đầu vào để có được phân loại dữ liệu vào phân khúc khách hàng.

Mạng nơron tích chập (CNN) là một trong những mô hình mạng học sâu (Deep Learning) phổ biến nhất hiện nay, có khả năng nhận dạng và phân loại hình ảnh với độ chính xác cao, thậm chí tốt hơn con người trong nhiều trường hợp. Mô hình này đã và đang được ứng dụng vào các hệ thống xử lý ảnh lớn của Facebook, Google hay Amazon… Bài báo nghiên cứu lý thuyết về mô hình mạng CNN tiên tiến (VGG-16), dựa trên kiến trúc VGG-16. Tác giả xây dựng mô hình mới, bằng cách xen kẽ kích thước bộ lọc 3x3, 1x1, tăng số lượng khối tích chập, sử dụng hàm kích hoạt ELU sau mỗi lớp tích chập, tinh chỉnh các siêu tham số; sau đó thực nghiệm áp dụng mô hình mới vào dự đoán góc lái xe tự hành dựa trên hình ảnh thu được từ phần mềm mô phỏng xe tự lái Udacity. Thực hiện đánh giá, so sánh, kết quả nghiên cứu cho thấy mô hình mới dự đoán góc lái thực sự hiệu quả.