一种基于Transformer网络的学习专注度监测方法

    公开(公告)号:CN116127350A

    公开(公告)日:2023-05-16

    申请号:CN202211596338.9

    申请日:2022-12-12

    Abstract: 本申请公开了一种基于Transformer网络的学习专注度监测方法,包括:获取被监测对象在监测时间段内的头部姿态RGB图像、环境声音数据以及皮电信号,将监测时间段按照时序划分为多个时域片段;将每个时域片段中对应的头部姿态RGB图像、环境声音数据以及皮电信号输入多模态信息分类模型中,得到头部姿态角度、环境音类别和情绪状态类别并按照预设权重进行加权求和,获得每个时域片段的情绪专注度得分;将各时域片段的情绪专注度得分按照预设规则进行融合,得到被监测对象在监测时间段中的专注度估计结果。本发明引入互补的多模态数据及时域信息,可以做到全方位、全过程的学生学习情绪专注度评价,帮助分析影响学习者的学习情绪专注度的因素与个体差异。

    一种基于知识注意力的学习资源推荐方法及应用

    公开(公告)号:CN115146166A

    公开(公告)日:2022-10-04

    申请号:CN202210797413.1

    申请日:2022-07-08

    Abstract: 本申请公开了一种基于知识注意力的学习资源推荐方法及应用。该方法包括:获取学习者的历史题目信息,构建学科知识图谱;采用多通道卷积神经网络计算知识点特征向量,根据知识点特征向量与数据库中学习资源的特征向量的相似度筛选出候选学习资源;根据候选学习资源构建学习资源知识图谱,构建学习资源知识图谱的高阶子图,采用注意力机制捕获高阶子图中实体间的关系,获得每个候选学习资源的特征向量;构建交互图,该交互图中利用偏好信息来描述学习者与候选学习资源的关系,通过聚合偏好信息,获得学习者的特征向量;将学习者的特征向量和学习者候选学习资源的特征向量,输入到多层感知器模型中,输出推荐结果。本发明能够显著提高推荐精度。

    一种跨空间语义知识注入的试题知识点标记方法及应用

    公开(公告)号:CN115146073A

    公开(公告)日:2022-10-04

    申请号:CN202210797599.0

    申请日:2022-07-08

    Abstract: 本申请公开了一种跨空间语义知识注入的试题知识点标记方法及应用。该方法包括:构建知识点集;在试题样本中标记知识点,构建三元组样本;将所述三元组样本中的实体和关系转换为词向量;将所述三元组样本的词向量输入到知识点自动标注器进行训练,所述知识点自动标注器包括语义提取模块、特征交互模块、特征提取及预测模块,所述语义提取模块用于获取三元组样本在不同语义空间的语义特征,所述特征交互模块用于根据语义特征获取特征交互后的头实体和关系间的第一交互特征、关系和尾实体间的第二交互特征,所述特征提取及预测模块用于根据第一交互特征和第二交互特征提取特征并进行知识点标注。本发明可以提高知识点标注的准确性。

    一种基于时频增强的音频数据标注精度增强方法与系统

    公开(公告)号:CN115132223A

    公开(公告)日:2022-09-30

    申请号:CN202210748518.8

    申请日:2022-06-29

    Abstract: 本发明公开了一种基于时频增强的音频数据标注精度增强方法,该方法包括:数据采集流程,对教师的教学音频进行采集,再将教学音频中的原始信号通过线性声谱图的过渡量转化为梅尔声谱图;数据增强流程,使用VoiceAugment音频数据增强算法对输入的需要标注的教学音频进行数据增强,增强技术由频率信道掩蔽块和时间帧掩蔽块组成,增强了教学音频的特征属性;自动标注流程,使用ANNA模型对教学音频实现自动标注,ANNA模型由波谱图特征获取、声谱图特征获取、特征融合和情感标注等模块组成。本发明实现了教师教学情感的自动标注,提高了教学音频的标注速度和标注精度,克服了因人力标注所致的耗时费力等缺陷,为教师课堂的情感预测等服务提供了较为准确的数据标签。

    一种基于卷积增强链的数据隐私保护方法

    公开(公告)号:CN115118462A

    公开(公告)日:2022-09-27

    申请号:CN202210646887.6

    申请日:2022-06-09

    Abstract: 本申请公开了一种基于卷积增强链的数据隐私保护方法,包括:获取各学习主体对应的学习数据,并根据所述学习主体建立对应的私有数据节点,将所述学习数据存入对应的所述私有数据节点;基于区块链网络的智能合约和共识协议在各所述私有数据节点之间建立安全网络连接,并互相通信实现自身状态更新;在各所述私有数据节点构建基于强化学习和安全计算的底层系统,与所述区块链网络一同形成卷积增强链,对所述学习数据进行隐私保护。其可以解决基于传统数据隐私保护机制保护后的数据可用性不高,用于进行模型训练效果较差或模型受到攻击后其内的数据将会全部泄露的问题。

    一种基于表情识别的风险学生预测方法

    公开(公告)号:CN113792627A

    公开(公告)日:2021-12-14

    申请号:CN202111002632.8

    申请日:2021-08-30

    Abstract: 本发明公开了一种基于表情识别的风险学生预测方法,该方法包括以下步骤:1)将输入的学生人脸图像转为张量,将这些张量按比例分为训练集和测试集;2)训练基于表情识别风险学生的学习模型,构造分为消极表情和非消极表情的二维高斯软标签,将训练集张量输入基于标签分布的学习模型,利用预测标签和真实标签之间的KL‑loss来训练学习模型;3)将测试集张量输入训练好的学习模型中进行特征提取和表情识别,将识别的结果存储到学生情绪库;4)根据学生的表情识别的结果分析学生的情绪状态,判断该学生是否为风险学生。本发明设计了新的学习模型并将表情分为积极表情和消极表情利用二维标签来进行表情识别,提升了识别准确性,可有效预测风险学生。

    一种面向教育机器人视觉理解的头部姿态估计方法及系统

    公开(公告)号:CN113705440A

    公开(公告)日:2021-11-26

    申请号:CN202110994920.X

    申请日:2021-08-27

    Abstract: 本发明公开了一种面向教育机器人视觉理解的头部姿态估计方法及系统。该方法包括步骤:分别获取不同时刻的教育机器人采集的学习者的头部姿态的3D点云数据和红外图像数据;分别对不同时刻的所述3D点云数据和所述红外图像数据进行预处理;分别将预处理后的不同时刻的所述3D点云数据和所述红外图像数据输入到训练好的头部姿态识别模型,获取不同时刻的头部姿态识别结果;根据不同时刻的头部姿态识别结果的变化,确定学习者的动作指令,根据所述动作指令生成所述教育机器人的控制指令。本发明可以使教育机器人准确理解学习者的意图,促进精准化教学和个性化学习。

    基于教育大数据的学习者模型动态构建方法

    公开(公告)号:CN108664614B

    公开(公告)日:2021-11-23

    申请号:CN201810451369.2

    申请日:2018-05-11

    Abstract: 本发明提出一种基于教育大数据的学习者模型动态构建方法,旨在提供一种学习者个性化学习概览的动态构建方法,实现对学习者的全面描述,促进对学习者的个性化指导。本发明包括以下步骤:首先,通过在线学习平台获取学习者的学习数据;其次,利用Experience API规范量化学习者的学习经历;再次,借助大数据分析和挖掘技术提取有效的学习者特征;最后,依据学习者的有效特征数据动态构建不同时空的个性化学习概览,从而实现学习者模型的动态构建。本发明基于教育大数据的学习者模型动态构建方法能够促进个性化学习的生成,有助于构建个性化的学习环境,对于学习兴趣挖掘、知识盲点识别、就业指导、学习路径规划等领域具有实际的应用价值。

    一种基于多源信息融合的学习情感状态识别方法

    公开(公告)号:CN108664932B

    公开(公告)日:2021-07-09

    申请号:CN201810450003.3

    申请日:2018-05-11

    Abstract: 本发明公开了一种基于多源信息融合的学习情感状态识别方法,改方法包括:从在线学习平台收集学习者的面部表情图像和交互行为数据,根据表情识别算法获取一定时间段的系列表情图像,进行特征提取并分类;从Web日志文件中提取有用的交互行为数据,利用主观贝叶斯方法进行不确定性推理和数据的深层次分析。在判断学习者对当前学习内容的关注程度的基础上,结合表情识别结果,判断学习者的在线学习情感状态,并分为“满意”和“困惑”等情感状态。本发明适用于实施混合式学习的学科教学,可以通过表情识别,实时掌握学习者的在线学习情感状态,从而更有针对性的提供人工干预。根据情感识别的结果,也可判断学习者对当前学习内容的掌握情况和兴趣。

    一种大视场双目视觉的红外图像考勤方法

    公开(公告)号:CN105741375B

    公开(公告)日:2018-09-18

    申请号:CN201610038725.9

    申请日:2016-01-20

    Abstract: 本发明公开了一种大视场双目视觉的红外图像考勤方法,该方法利用教室黑板所在墙面两端的双目红外相机对学生图像进行数据采集,然后对左目和右目两幅图像进行拼接,合成教室内的大幅面大视角图像,然后自动对图像中人脸区域部分进行定位,通过特征提取、识别比对等过程完成学生身份的确定,最终实现对学生的考勤。传统的基于可见光图像的考勤方法容易受光照变化、复杂背景等因素影响,导致识别率不高的问题。本方法有效地克服了该问题,对于学生迟到、早退、旷课等情况也可以做到准确记录与统计,提高了课堂考勤的工作效率,节约了节约教师的时间资源,减轻了教师的负担,提高了学校的教学质量,促进了学校校风学风建设。

Patent Agency Ranking