-
公开(公告)号：CN115376014A
公开(公告)日：2022-11-22
申请号：CN202210854984.4
申请日：2022-07-19
Applicant: 华中师范大学
IPC: G06V20/13 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多任务学习的标签引导自编码网络的遥感场景开放集分类方法，包括以下步骤：(1)将卷积神经网络在数据集ImageNet上预训练好；(2)提取遥感数据集中的特征；(3)将提取的特征输入标签引导自编码器进行特征重建任务；(4)构建损失函数，损失函数包含分类任务损失和重建任务损失两部分。通过使用反向传播算法优化网络参数，使损失函数达到最小；(5)将测试数据集的图像样本输入网络，产生测试集图像对应的重建特征，并和提取的特征进行比较计算重建误差，设定阈值根据重建误差的大小划分已知和未知类。本发明与现有方法相比，基于多任务学习的标签引导自编码网络的遥感场景开放集分类方法，能够有效抑制复杂背景的干扰，可用于环境监测、城市规划等方面。
-
公开(公告)号：CN112929938B
公开(公告)日：2022-05-03
申请号：CN202110114017.X
申请日：2021-01-27
Applicant: 华中师范大学
Abstract: 本发明涉及一种基于无线日志信息的AP拓扑关系图生成方法和系统，包括所述线日志分析模块和AP拓扑图生成模块，无线日志分析模块用于统计分析终端与AP间的无线日志信息，提取终端与AP的交互记录以及交互过程中处于活跃状态的AP集合；AP拓扑图生成模块，用于根据所述终端与AP的交互记录判断处于活跃状态的AP间的相邻关系，并生成AP拓扑关系图。系统生成的AP拓扑关系图时只依赖于无线日志信息，较其他方法有着更小额外的人力物力开销，实现简单实用。
-
公开(公告)号：CN112528221A
公开(公告)日：2021-03-19
申请号：CN202011405284.4
申请日：2020-12-05
Applicant: 华中师范大学
Abstract: 本发明公开了一种基于连续矩阵分解的知识与能力二元追踪方法。该方法包括基于历史学习行为构建训练集，确定训练集的第一似然函数以及第一对数似然函数；根据第一对数似然函数确定知识模型参数，基于知识模型参数构建知识模型；基于输出数据确定待构建的联合模型的第二似然函数，根据所述第二似然函数确定能力模型的目标函数；基于所述目标函数确定能力模型参数，基于所述能力模型参数构建能力模型；联合所述知识模型与所述能力模型，得到所述联合模型，所述联合模型为加性模型或乘性模型。本发明实现了在连续矩阵分解模型的基础上构造隐含能力模型，并通过提升算法对两部分模型进行融合与训练，相较于传统模型具有更高的可解释性和模型准确性。
-
公开(公告)号：CN108319733A
公开(公告)日：2018-07-24
申请号：CN201810271939.X
申请日：2018-03-29
Applicant: 华中师范大学
Abstract: 本发明公开了一种基于地图的教育大数据分析方法，包括，获取教育资源数据按照一定数据结构存入数据库；针对每个分析主题构建主题图层，根据分析主题对数据进行分类索引并加载至相应主题图层，将主题图层叠加到底图上，形成数据地图；根据分析主题对主题图层数据进行分析，获取主题分析结果；提取目标区域中多个主题图层的数据并融合，获取区域分析结果；获取用户的学习偏好；根据用户请求内容，结合用户的学习偏好，搜索区域分析结果以响应用户请求。发明公开了一种基于地图的教育大数据分析系统。本发明技术方案的方法，针对目前教育数据庞杂、精准分析相对欠缺的情况，采用对教育数据进行分类，按照不同的主题需求进行分析，可以解决其中部分问题，实现教育数据的利用和分析。
-
公开(公告)号：CN105760428B
公开(公告)日：2017-04-26
申请号：CN201610063529.7
申请日：2016-01-29
Applicant: 华中师范大学
IPC: G06F17/30
Abstract: 本发明公开了一种知识地图映射生成方法。包括：以知识的层次关系和关联关系属性为输入参数，得到知识映射到二维平面地图的坐标；以知识类型属性为输入参数，利用图元参数定义与分形计算，生成知识单元映射到二维平面的几何图形形状；以知识的信息量为输入参数，计算信息量与二维地图区域投影面积比，通过面积比计算知识单元映射到二维地图区域的外包围盒大小，利用最大外接矩形算法控制知识单元的图形大小；以知识属性及用户偏好为输入参数，生成比例适度的知识地图。本发明综合考虑知识的层次关系、关联关系、知识类型与知识信息量的信息，建立了知识的空间化映射方法，对学科知识的认知、展示与基于知识的平台应用建立基础底图。
-
Patent Agency Ranking
公开(公告)号：CN118211662A
公开(公告)日：2024-06-18
申请号：CN202410349774.9
申请日：2024-03-26
Applicant: 华中师范大学
IPC: G06N5/04 , G06N5/025 , G06N3/042 , G06N3/0455 , G06N3/096 , G06F16/332 , G06F16/335 , G06F16/35
Abstract: 本发明提供一种整合多源常识知识的多轮共情对话生成方法，包括以下步骤：S1、将历史多轮对话内容作为对话上下文，分别输入到COMET、LLama2和ConceptNet知识库中，从而获取三类常识知识：短语型推理知识、文档型事实知识以及三元组型本体知识；S2、分别使用词嵌入技术、Transformer编码器和图神经网络GNN对获得推理知识、事实知识和本体知识进行编码处理，生成对应的推理知识特征向量、事实知识特征向量和本体图特征向量；S3、将编码后的知识特征向量和对话上下文一同输入到预训练模型，通过该模型的处理和生成，产生共情回复；本发明通过整合多源常识知识，有效解决了单一来源知识在覆盖率和领域知识限制方面的不足。这种方法显著增强了模型在语义理解和情感感知方面的能力，从而使得生成的共情回复更加精准、丰富和多样化，提升了对话系统的整体性能和用户体验。
-
公开(公告)号：CN116958420A
公开(公告)日：2023-10-27
申请号：CN202310835919.1
申请日：2023-07-10
Applicant: 华中师范大学
IPC: G06T17/00 , G06V40/16 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种数字人教师三维人脸的高精度建模方法，基于66个RGB摄像头分布采集全方位教师人脸图像，使用阵列摄像头拍摄多个视角的教师影像，获取散点数据；对采集到的散点数据进行去噪和过滤，以提高生成的点云数据的质量；基于多个视角下的点云数据构建3DMM模型；使用PointCNN学习点云的特征和语义信息，将点云分割成不同的面部区域，对于每个视角下的人脸点云，将其特征表示与3DMM模型进行结合，以进行人脸三维重建；相较于传统的3DMM模型，结合PointCNN模型可以提取更丰富的点云特征，更准确地捕捉形状细节，从而提高三维重建的精度。
-
公开(公告)号：CN111950892B
公开(公告)日：2023-08-18
申请号：CN202010798978.2
申请日：2020-08-11
Applicant: 华中师范大学
IPC: G06Q10/063 , G06Q50/20 , G16H20/70 , G06F18/2415 , G06F18/27 , G06N3/042 , G06N3/08
Abstract: 本发明公开了一种数据驱动的大学生个性化学习行为预测与干预方法，包括：采集大学生日常校园活动数据，形成反应大学生日常学习行为过程的标准数据集，通过时空图神经网络模型，以自适应学习方法获取日常学习行为习惯；应用习惯模型进行日常学习行为预测，建立习惯与学习行为活动的参数关系；开展持续性的日常学习活动行为监测，根据数据实测与模型预测结果，构建多元回归分析模型，优化习惯模型；设置习惯关联行为强度阈值，构建三级行为干预模式，通过数据实测与回归分析干预过程，形成数据驱动的持续性回归干预机制。本发明通过量化干预行为参数，实现数据驱动的精准干预，持续确保干预能有效地、更好地帮助学生养成良好学习习惯。
-
公开(公告)号：CN111950892A
公开(公告)日：2020-11-17
申请号：CN202010798978.2
申请日：2020-08-11
Applicant: 华中师范大学
Abstract: 本发明公开了一种数据驱动的大学生个性化学习行为预测与干预方法，包括：采集大学生日常校园活动数据，形成反应大学生日常学习行为过程的标准数据集，通过时空图神经网络模型，以自适应学习方法获取日常学习行为习惯；应用习惯模型进行日常学习行为预测，建立习惯与学习行为活动的参数关系；开展持续性的日常学习活动行为监测，根据数据实测与模型预测结果，构建多元回归分析模型，优化习惯模型；设置习惯关联行为强度阈值，构建三级行为干预模式，通过数据实测与回归分析干预过程，形成数据驱动的持续性回归干预机制。本发明通过量化干预行为参数，实现数据驱动的精准干预，持续确保干预能有效地、更好地帮助学生养成良好学习习惯。
-
公开(公告)号：CN111950708A
公开(公告)日：2020-11-17
申请号：CN202010798992.2
申请日：2020-08-11
Applicant: 华中师范大学
IPC: G06N3/04 , G06N3/08 , G06K9/62 , G06F16/215 , G06F16/2458 , G06Q50/20
Abstract: 本发明公开了一种发现大学生日常行为习惯的神经网络结构与方法，包括：获取大学生校园生活基本数据并存入数据库；对生活基本数据预处理工作，将数据分为不同数据集；针对所采集数据，构建基于特征的行为分类，获取数据分类结果；根据数据分类结果，先利用空间化图卷积网络分类模型，再引入基于注意力机制的图卷积神经网络结构与方法，建立学生行为习惯基于外显行为数据的发现机理与表示计算；针对习惯定性化描述中内容混杂的问题，利用神经网络模型输出的结果，构建习惯基于其外显行为的集合化表达与形式化描述。最终构建出行为习惯可发现模型，根据不同学生行为数据进行分析，可以解决教育数据深层次挖掘的问题，实现教育数据利用和分析。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.026 seconds)
