-
公开(公告)号：CN111461442B
公开(公告)日：2023-08-29
申请号：CN202010265714.0
申请日：2020-04-07
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种基于联邦学习的知识追踪的方法及系统，相关方案运用深度知识追踪模型，结合循环神经网络对本地学生知识状态进行建模，同时计算本地数据的置信度；最终服务器结合置信度作为权重，加权平均各个模型的参数，得到全局知识追踪模型，进而更好的利用各个客户端的私有数据，并且保持数据隐私，最终更加准确的追踪建模学生的能力，弥补了现有方法泄露隐私信息，对教育数据质量的忽略等弊端。
-
公开(公告)号：CN111428039B
公开(公告)日：2023-06-20
申请号：CN202010243478.2
申请日：2020-03-31
Applicant: 中国科学技术大学
IPC: G06F16/35 , G06F40/30 , G06N3/0455 , G06N3/096
Abstract: 本发明公开了一种方面级别的跨领域情感分类方法及系统，根据评论文本数据(多领域)和Aspect信息数据，用多头注意力机制与迁移神经网络相结合的方法得到领域之间的共享特征，然后利用学习到的特征进行跨领域的方面级情感迁移，对目标域无标签数据进行分类预测，相比于现有技术而言，极大的提高了方面级情感分类结果的准确性。
-
公开(公告)号：CN110765240B
公开(公告)日：2023-06-20
申请号：CN201911054052.6
申请日：2019-10-31
Applicant: 中国科学技术大学
IPC: G06F16/33 , G06F40/30 , G06N3/045 , G06N3/0442 , G06N3/048
Abstract: 本发明公开了一种多相关句子对的语义匹配评估方法，包括：在数据集中，通过联合一个句子和与该句子匹配的相关句子的语义信息来构建基于自注意力机制的神经网络语义匹配模型，在训练过程中，该句子结合与该句子相匹配的语义信息，形成成对的训练过程，对基于自注意力机制的神经网络语义匹配模型进行训练；对于一个新的句子对，输入至已经训练好的基于自注意力机制的神经网络语义匹配模型中，从而得到句子对的语义匹配标签，实现对一个句子对的语义匹配评估。上述方案可以充分利用多个句子对之间的相互关系信息来解决句子之间的语义匹配问题，并具有较高的预测精度。
-
公开(公告)号：CN111428052B
公开(公告)日：2023-06-16
申请号：CN202010235272.5
申请日：2020-03-30
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种从多源数据构建具有多重关系的教育概念图方法，包括：爬取多源数据，使用数据挖掘方法，提取出概念文本，构成训练数据集；获取专家对训练数据集的标注结果，按照概念的来源以及概念的标签，提取概念以及概念之间的相关特征；利用标注后的训练数据集结合传统机器学习方法，训练用于预测教育关键概念的支持向量机，以及基于训练数据集中标注出的教育关键概念及教育关键概念对之间的先决条件关系和共同学习关系，结合传统机器学习方法，训练用于预测教育关键概念对的先决条件关系和共同学习关系的混合模型；利用训练好的支持向量机与混合模型对新的数据集进行教育概念图的构建。该方法可以精准地构建具有多重关系的教育概念图。
-
公开(公告)号：CN116172514A
公开(公告)日：2023-05-30
申请号：CN202310148218.0
申请日：2023-02-15
Applicant: 中国科学技术大学
IPC: A61B5/00 , A61B5/346 , G06F18/214 , G06N3/047 , G06N3/0464 , G06N3/0499 , G06N3/08 , G06F18/2415
Abstract: 本发明公开了一种基于TS‑BERT神经网络模型架构的ECG信号分类方法，所述方法包括：步骤一、获取ECG数据集，并使用小波变换、中值滤波方法进行数据增强与去噪；然后，将其按比例划分成训练集、验证集和测试集；步骤二、在步骤一中获得的数据集上使用TS‑BERT神经网络模型架构进行预训练；步骤三、使用下游ECG信号分类任务微调经过步骤二预训练之后的数据，得到最终模型。该方法能够解决现有ECG检测分类算法中运算复杂，数据需求量过于庞大的问题，实现对患者心电图高效、精准的检测与分类。
-
Patent Agency Ranking
公开(公告)号：CN116127978A
公开(公告)日：2023-05-16
申请号：CN202310148213.8
申请日：2023-02-15
Applicant: 中国科学技术大学
IPC: G06F40/295 , G06F16/35 , G06N3/047 , G06F16/36 , G06N3/084 , G06N3/0464
Abstract: 本发明公开了一种基于医学文本的嵌套命名实体抽取方法，所述方法包括：自适应共享的预训练语言模型，用于对输入文本进行编码，以捕捉预定义的不同实体类别之间的区别；以及注意条件随机场，用于解码以获得并行任务之间的识别结果关系；输入文本通过所述自适应共享的预训练语言模型时，根据预定义的实体类别类获得与不同实体类别匹配的编码特征，然后，所述注意条件随机场使模型根据其他类的标签结果学习残差值，并利用注意力机制对原始条件随机场的输出进行修正。该基于医学文本的嵌套命名实体抽取方法能够从医学文本中抽取嵌套的命名实体知识以建立医学领域知识图谱，数据处理高效、准确、全面。
-
公开(公告)号：CN116127362A
公开(公告)日：2023-05-16
申请号：CN202310148211.9
申请日：2023-02-15
Applicant: 中国科学技术大学
IPC: G06F18/24 , G06F18/25 , G06F18/214 , G06F18/23213 , G06N3/08 , A61B5/00
Abstract: 本发明公开一种基于显著子序列技术的人体生理信号智能分类方法，包括：按维度搜索不同尺度的显著子序列，对搜索到的显著子序列进行性能度量和排序，并利用聚类生成显著子序列单词，构建单词库；对每个输入样本，基于构建好的单词库进行离散化压缩，转换成不同尺度的语义矩阵；视相同样本转换成的不同尺度语义矩阵对为正样本，视不同样本转换成的语义矩阵对为负样本；利用正负样本对构建自监督信号训练神经网络，对每个语义矩阵输出低维稠密的特征向量；将同一样本不同尺度语义矩阵的特征向量输入到特征融合层进行特征融合；将融合后的特征向量输入分类层得到分类结果。该智能分类方法大大提高了目标任务的分类精度，且具有良好的可解释性。
-
公开(公告)号：CN115829033A
公开(公告)日：2023-03-21
申请号：CN202310051574.0
申请日：2023-02-02
Applicant: 中国科学技术大学
IPC: G06N5/022 , G06N5/04 , G06N3/0455 , G06N3/042 , G06Q50/20
Abstract: 本发明公开了一种数学应用题知识构建与解答方法、系统、设备及存储介质，它们是一一对应的方案，本发明提供的方案中建立了“问题‑知识‑表达式”的学习‑推理范式，它可以融合多种类型知识与机器学习任务，进而模拟人类从复杂场景中学习共性知识的过程，为探究强人工智能提供了一定的基础；同时，本发明提供的方案中提高了问题求解的准确性与知识学习结果的可解释性，构建的数学知识可以作为众多机器学习任务的先验信息改善任务表现，也可进一步辅助教育平台搭建知识图谱，并基于此提供更好的个性化教育服务。
-
公开(公告)号：CN115049062B
公开(公告)日：2022-12-30
申请号：CN202210978505.X
申请日：2022-08-16
Applicant: 中国科学技术大学
IPC: G06N5/04 , G06N5/02 , G06F16/36 , G06F40/205 , G06F40/295 , G06F40/30
Abstract: 本发明公开了一种基于知识学习的数学应用题智能解题方法及系统，将数学知识学习过程与应用题求解过程有机耦合，以助于在改善学习得到的知识质量的同时提高问题求解能力。相关方案中：设计了认知框架与知识学习过程，构建了更接近通用型人工智能目标的智能系统，系统可以作为一种通用框架，融合多种机器学习任务，为实现强人工智能提供了一定的基础；并且，建立了引入知识学习的数学应用题求解方法，有助于提高应用题求解的准确性与可解释性。同时，学习到的数学知识具有一定的实际应用价值，可以作为众多机器学习任务的先验信息改善任务表现，也可进一步辅助教育平台搭建知识图谱，并基于此提供更好的个性化教育服务。
-
公开(公告)号：CN115481264A
公开(公告)日：2022-12-16
申请号：CN202211165358.0
申请日：2022-09-23
Applicant: 中国科学技术大学
IPC: G06F16/483 , G06F16/41 , G06F16/901 , G06N3/04
Abstract: 本发明公开了一种融合概念依赖关系的相似习题检索方法及系统，通过将内容和概念视为习题的两个重要属性并引入概念之间的多重依赖关系，构建关联图(概念‑习题‑内容多层图)，然后对概念‑习题关联和概念之间的多重依赖关系进行综合建模以挖掘习题对之间的隐式路径并保存他们之间的长程相似性，提升相似习题检索的效果。
-
-
-
-
-
-
-
-
-
Search Results
213
records
(took 0.028 seconds)
