Bài báo trình bày nghiên cứu về ảnh mục tiêu radar hàng hải, trong đó đi sâu vào nghiên cứu thuật toán ước lượng điểm mốc đại diện dựa trên ảnh radar và đề xuất phương pháp sử dụng các tham số chuyển động của các mục tiêu trên biển. Đề xuất một thuật toán để phân lớp toàn bộ ảnh quét radar, tương ứng với giá trị cường độ tín hiệu nằm trong khoảng tín hiệu nhỏ nhất và lớn nhất nhằm tính toán điểm mốc đại diện của mục tiêu trên biển với độ chính xác tương đối. Sai số trung bình bình phương của điểm mốc đại diện ước lượng được so sánh với tín hiệu nhận được lớn nhất theo khoảng cách và phương vị trên màn hình. Trên cơ sở điểm mốc đại diện của mục tiêu và các tham số chuyển động của mục tiêu đề ra phương pháp phân cụm mục tiêu và những đặc trưng của mục tiêu, đề xuất thuật toán bám mục tiêu cải thiện hiệu quả trong việc sử dụng các đặc trưng của mục tiêu phức tạp để nâng cao chất lượng lục bám mục tiêu đa điểm chúi trên biển của radar hàng hải. Phương pháp phân cụm và lục bám mục tiêu sử dụng thuật toán cung cấp sai số trung bình nhỏ nhất khi xác định vị trí mục tiêu theo cự ly và theo phương vị.

Khả năng phân loại lớp phủ bề mặt từ ảnh PlanetScape có độ phân giải cao được đánh giá theo hai hướng tiếp cận tiên tiến là thuật toán Random Forest của Machine Learning và LI-Net của Deep Learning, được triển khai trên ArcGIS Pro. Kết quả cho thấy cả hai môn hình đạt độ chính xác cao với RF có độ chính xác toàn cục DA = 0,92, Fl-Scure = 0,92 và Kappa =0,89, trong khi U-Net có DA = 0.94, FI-Score = 0.93 và Kappa = 0.91. Mặc dù mức chênh lệch về độ chính xác không lớn nhưng U-Net thể hiện ưu thế nhất quán trên các chỉ số đánh giá, đặc biệt đối với các lớp có phản xạ trung gian nhờ khả năng khai thác hiệu quả cấu trúc không gian thông qua kiến trúc tích chập sâu. Ngược lại, RF có tính ổn định dựa trên đặc trưng phổ và yêu cầu dữ liệu huấn luyện không lớn, nhưng hạn chế trong xử lý các lớp có sự chồng lấn phổ hoặc cấu trúc không gian phức tạp, qua đó minh chứng tiềm năng của học sâu trong bối cảnh phân loại lớp phủ bề mặt ở khu vực có cấu trúc đô thị không gian phức tạp.

Bài báo đề xuất phương pháp sử dụng thuật toán di truyền (Genetic Algorithm - GA) để tối ưu hóa tham số bộ điều khiển PID cho hệ thống giảm lắc tàu thủy ứng dụng Rotor Magnus. Môn hình động lực học lắc ngang được xây dựng dạng phi tuyến, có xét đến nhiễu do súng điều hòa tác động lên tàu. Mô-men điều khiển của rotor Magnus được mô hình hóa theo nguyên lý tuần hoàn, tỷ lệ với tốc độ quay rotor và tốc độ quay bị ràng buộc bão hòa ở mức ±l.500 rpm. Tiêu chí tối ưu được lựa chọn là hiệu quả giảm lắc tương đối RRC (Rolling Reduction Criterian), tính theo độ lệch chuẩn (RMS) của góc lắc trước và sau điều khiển. Kết quả mô phỏng số cho thấy bộ PID tối ưu bởi GA đạt RRC trên 80%, giảm đáng kể mức lắc so với trường hợp không điều khiển và duy trì biên độ lắc nhỏ ổn định trong suốt khoảng thời gian môn phỏng.

Bài báo đề xuất một khung môn hình đánh giá rủi ro thi công đê, kè biển tại Việt Nam dựa trên hệ suy diễn mừ thần kinh thích nghi (ANFIS). Môn hình cho phép tích hợp đồng thời các nhóm rủi ra kỹ thuật - thi công, tài chính - kinh tế, môi trường - xã hội - biến đổi khí hậu, an toàn - tiến độ và pháp lý - tổ chức vào một chỉ số rủi ro tổng hợp, vừa khai thác được sức mạnh học máy, vừa giữ được khả năng diễn giải bằng luật mừ. Trên cơ sở kiến trúc ANFIS 5 lớp và thuật toán học lai (least squares + gradient descent), bài báo xây dựng chi tiết các mô-đun rủi ra con và mô-đun tổng hợp, mô tả thuật toán, luồng dữ liệu và cách triển khai trong MATLAB/Python. Khung môn hình được kiểm định bằng chia tập huấn luyện/kiểm định/kiểm tra và các chỉ số RMSE, MAE, R2. Cuối cùng, bài báo đưa ra quy trình sử dụng môn hình như một công cụ CNTT để tính toán rủi ro và phân tích kịch bản “what-if" trang thi công đê, kè biển.

rong bối cảnh chi phí nhiên liệu chiếm tỷ trọng lớn và các quy định khắt khe của IMD về kiểm soát phát thải, việc giám sát tiêu thụ nhiên liệu tàu thủy theo thời gian thực trở thành yêu cầu cấp thiết. Tuy nhiên, hạ tầng truyền dẫn vệ tinh trên các đội tàu vừa và nhỏ tại Việt Nam thường có băng thông thấp và độ ổn định không cao, dẫn đến tình trạng mất mát dữ liệu khi tàu đi vào vùng khuất súng. Nghiên cứu này đề xuất một giải pháp IoT “Dffline-first" chi phí thấp, sử dụng PLC S7-12DD làm bộ thu thập trung tâm và máy tính nhúng (IPC) đóng vai trò cổng kết nối biên (Edge Gateway). Nhóm tác giả đã xây dựng thuật toán duy trì phiên làm việc (Persistent Session) để khắc phục hạn chế về Web Server của PLC, đồng thời phát triển cơ chế đồng bộ dữ liệu "Lưu trữ và Chuyển tiếp" (Store-and-Forward) thích ứng. Kết quả thực nghiệm cho thấy hệ thống đảm bảo tính toàn vẹn dữ liệu ID0% ngay cả khi mất kết nối kéo dài, tự động đồng bộ bù dữ liệu khi mạng phục hồi, đồng thời giảm thiểu đáng kể chi phí truyền dẫn vệ tinh nhờ tối ưu hóa gái tin. Giải pháp có khả năng ứng dụng thực tiễn cao, hỗ trợ đắc lực cho công tác quản lý năng lượng đội tàu