-
公开(公告)号：CN110287792B
公开(公告)日：2021-05-04
申请号：CN201910435766.5
申请日：2019-05-23
Applicant: 华中师范大学
IPC: G06K9/00
Abstract: 本发明提供一种处于自然教学环境的课堂中学生学习状态实时分析方法，包括：对摄像头传入的图像进行分帧处理，转化为静态图像；先用人脸粗检的方法检测教室中的正面人脸，在五分钟后，对学生的静态位置进行标定、分析，判断学生静态位置区域有无人脸出现，该学生位置没有人脸出现，则进行人脸精检；然后将表情识别的七种表情按照积极度进行排序，范围从‑4到2，将头部姿态得到的X,Y,Z，通过函数得到的值按照学生注意力范围进行分类，使用多模态特征融合方法将学生表情和头部姿态融合，得到一个二维矢量，通过二维矢量的值判定当前学生的学习状态。
-
公开(公告)号：CN111445153A
公开(公告)日：2020-07-24
申请号：CN202010243487.1
申请日：2020-03-31
Applicant: 华中师范大学
Abstract: 本发明属于教育测量及教育数据挖掘技术领域，公开了一种面向教育测量的客观试题属性模式估计与校正方法及系统，训练出监督度量学习的度量矩阵M1，使用该矩阵初步挖掘所有学习者的知识掌握情况；取部分数据作为训练集，训练出监督度量学习的度量矩阵M2，对新一道客观试题的属性模式进行估计，而后将该试题作为已知试题加入到基础客观试题中，直至估计出所有试题的属性模式；试题估计完毕后，选取一道试题进行属性模式校正，利用校正的客观试题属性模式挖掘所有学习者的知识掌握情况即学习者属性模式。本发明帮助教学人员更客观而详尽地分析试题组成，提高测试效度与信度，为学习者调整学习计划或采取针对性的补救措施提供依据。
-
公开(公告)号：CN110516116A
公开(公告)日：2019-11-29
申请号：CN201910796774.2
申请日：2019-08-27
Applicant: 华中师范大学
Abstract: 本发明属于教育数据挖掘技术领域，公开了一种多步分层的学习者认知水平挖掘方法及系统，结合布鲁姆认知领域目标分类及认知心理，构建试题-知识认知水平矩阵P，综合学习者知识认知水平矩阵和试题-知识认知水平矩阵构建学习者理想答题矩阵，利用极大似然估计挖掘学习者知识掌握候选集合；对候选集合内元素的全局期望进行综合判断，获取学习者最终的知识认知水平，并将结果使用雷达图可视化输出。本发明通过挖掘出学习者的知识认知水平后，利用雷达图反馈给学习者的挖掘结果将更加直观、通俗易懂，辅助学习者及时调整学习方案；模型挖掘出的试题隐参数可以评估组成此次测试的试题质量，提高了测试准确性与可信度。
-
公开(公告)号：CN110287792A
公开(公告)日：2019-09-27
申请号：CN201910435766.5
申请日：2019-05-23
Applicant: 华中师范大学
IPC: G06K9/00
Abstract: 本发明提供一种处于自然教学环境的课堂中学生学习状态实时分析方法，包括：对摄像头传入的图像进行分帧处理，转化为静态图像；先用人脸粗检的方法检测教室中的正面人脸，在五分钟后，对学生的静态位置进行标定、分析，判断学生静态位置区域有无人脸出现，该学生位置没有人脸出现，则进行人脸精检；然后将表情识别的七种表情按照积极度进行排序，范围从-4到2，将头部姿态得到的X,Y,Z，通过函数得到的值按照学生注意力范围进行分类，使用多模态特征融合方法将学生表情和头部姿态融合，得到一个二维矢量，通过二维矢量的值判定当前学生的学习状态。
-
公开(公告)号：CN109545227A
公开(公告)日：2019-03-29
申请号：CN201810402685.0
申请日：2018-04-28
Applicant: 华中师范大学
Abstract: 本发明属于声纹识别技术领域，公开了一种基于深度自编码网络的说话人性别自动识别方法及系统，利用与注册说话人及信道均无关的语音信号训练UBM通用背景模型；提取注册数据的i-vector；提取测试数据的i-vector；训练深度自编码网络；模式匹配与识别，并进行模型评估。本发明将深度自编码网络应用于说话人性别识别中，将深度自编码网络强大的学习能力用于表征不同性别的说话人特征，不仅实现了特征的再提取，同时降低了特征维数，从而降低了分类运算时的复杂度。本发明提出的方法可进一步推广应用于说话人识别，尝试提高说话人识别系统的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN108766464A
公开(公告)日：2018-11-06
申请号：CN201810572148.0
申请日：2018-06-06
Applicant: 华中师范大学
Abstract: 本发明属于数字音频信号处理技术领域，公开了一种基于电网频率波动超矢量的数字音频篡改自动检测方法，分析电网频率(ENF)信号中对信号截断敏感的相位谱和瞬时频率谱，分别提取有效特征集，并对提取出的特征集进行融合；仅使用大量的原始语音信号，其中包含各种信噪比的语音信号，甚至还有一些有缺陷的语音信号进行背景建模，与实际检测情况较为相符，也因此该背景模型对信号篡改类型不敏感，可以有效检测出各种类型的篡改音频。本发明建立了同类语音信号的一致性模型，经过自适应过滤掉了大量与本类属性无关的特征，并且其中的自适应部分还可以供使用者自行调整，具有较好的鲁棒性。
-
公开(公告)号：CN113902129B
公开(公告)日：2025-01-10
申请号：CN202111263507.2
申请日：2021-10-28
Applicant: 华中师范大学
IPC: G06N20/00 , G06N3/0464 , G06N3/08 , G06Q50/20
Abstract: 本发明属于教育大数据挖掘技术领域，公开了一种多模态的统一智能学习诊断建模方法、系统、介质、终端，通过构建多通道的认知诊断模型，对学习者进行初步诊断，对学习资源进行参数估计，得到学习资源参数集与学习者参数集；对学习资源与学习者进行建模，获取深度表征特征；引入自注意力机制对学习者特征与学习资源特征进行融合；将融合特征作为用来预测学习者表现情况的数据基础，构建学习者表现预测网络得到对学习者作答正确概率的预测值；通过学习者与练习题目的特征信息诊断学习者的总体知识点掌握情况，获取练习题目的参数表征。本发明有利于融合多通道认知诊断模型的优点，并设计神经网络对学习者进行智能学习诊断，具有可扩展性。
-
公开(公告)号：CN118585918A
公开(公告)日：2024-09-03
申请号：CN202410457640.9
申请日：2024-04-16
Applicant: 华中师范大学
IPC: G06F18/2431 , G06F18/214 , G06F18/2415 , G06F40/289 , G06N3/0455 , G06N3/048 , G06N3/08 , G06F17/16 , G06F17/18 , G06Q50/20
Abstract: 本发明属于个性化学习技术领域，公开了一种多学科跨学段核心素养的智能体系化标注方法及系统，基于不同的数字学习资源核心素养智能标注任务按标签进行分类，形成数字学习资源核心素养智能标注数据集，随机打乱学科与学段，划分训练集、验证集、测试集；对数字学习资源进行归类标记与预处理，使用预训练编码器语言模型进行增量预训练；构建深层神经网络作为多学科跨学段的核心素养多任务共享层，将学习资源语义特征通过共享层，获得学习资源语义多任务共享向量；为每个核心素养智能标注任务分别构建分类层，输出学习资源对应的各类别标签。本发明可应用于不同学科和不同学段的核心素养智能体系化标注任务。
-
公开(公告)号：CN118332448A
公开(公告)日：2024-07-12
申请号：CN202410457641.3
申请日：2024-04-16
Applicant: 华中师范大学
IPC: G06F18/2431 , G06F18/2415 , G06F18/25 , G06F40/289 , G06N3/048 , G06N3/0464 , G06N3/088 , G06N3/084 , G06F17/16 , G06F17/18 , G06Q50/20
Abstract: 本发明属于个性化学习技术领域，公开了一种面向数字教学资源的跨模态多层次分析方法及系统。收集数字教学资源，建立教学资源数据库，由专家进行人工标注，归类后进行模态转换和前置处理，通过关键帧抽取和语音识别技术将数据教学资源转换到图像与文本模态，建立数字教育资源分析数据集；基于文本和图像模态，使用不同方法对输入进行预处理，进一步得到教学资源的嵌入表示，根据数据所属的形式完成资源多形式表征；基于深度神经网络设计联合预测的共享层，并针对数字教育资源的知识层级、学科思维和要求的认知水平等级等层次分别创建分析层，引入梯度归一化法定义任务总损失，搭建多任务框架训练模型，完成对数字教育资源的跨模态多层次分析。
-
公开(公告)号：CN117556381A
公开(公告)日：2024-02-13
申请号：CN202410009208.3
申请日：2024-01-04
Applicant: 华中师范大学 , 篆刻时光科技(武汉)有限公司
Abstract: 本发明属于个性化学习技术领域，公开了一种面向跨学科主观试题的知识水平深度挖掘方法及系统，包括：提取学习者特征、跨学科主观试题特征、学习者‑试题交互特征，引入深度神经网络对学习者和试题的交互信息进行挖掘；结合模糊逻辑对学习者在主观试题上的答题情况进行表征，基于深度模糊神经网络对学习者在主观试题上的知识认知状态进行预测；利用学习者与试题之间的交互信息，在对学习者知识水平深度挖掘的同时，对试题区分度以及试题所涉及知识点难度进行预测。本发明公开的方法有利于提高模型在学习者试题表现和知识认知状态的预测准确度性能，优化了模型的收敛速率和训练速率，从技术层面助力智慧教育的落地。
-
-
-
-
-
-
-
-
-
Search Results
97
records
(took 0.027 seconds)
