-
Patent Agency Ranking
公开(公告)号：CN113987332B
公开(公告)日：2024-06-25
申请号：CN202111098764.5
申请日：2021-09-18
Applicant: 华中师范大学
IPC: G06F16/9535 , G06N3/0464 , G06N3/08 , G06Q50/20
Abstract: 本申请提供一种推荐模型的训练方法、电子设备及计算机存储介质，根据反馈类型构造多个由两种节点(用户和项目)和统一类型的反馈边组成的反馈信息图，其中每个图的边仅表示一种特定类型的用户对项目的反馈。由于传统的图卷积推荐模型无法对有效学习反馈强度，为了学习不同反馈的不同强度，这里引入注意力机制，通过注意力机制聚合多个图中相同节点间的不同反馈信息，同时将聚合后的反馈信息作为权重影响传播过程，使得推荐模型能够学习不同反馈的不同强度，同时缓解传统模型中分别学习不同反馈信息的稀疏性问题。本申请实施例通过基于边反馈聚合的推荐模型，构建了一个有效建模多反馈的推荐算法，从而更好地表示用户对项目的掌握程度。
-
公开(公告)号：CN113987332A
公开(公告)日：2022-01-28
申请号：CN202111098764.5
申请日：2021-09-18
Applicant: 华中师范大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08 , G06Q50/20
Abstract: 本申请提供一种推荐模型的训练方法、电子设备及计算机存储介质，根据反馈类型构造多个由两种节点(用户和项目)和统一类型的反馈边组成的反馈信息图，其中每个图的边仅表示一种特定类型的用户对项目的反馈。由于传统的图卷积推荐模型无法对有效学习反馈强度，为了学习不同反馈的不同强度，这里引入注意力机制，通过注意力机制聚合多个图中相同节点间的不同反馈信息，同时将聚合后的反馈信息作为权重影响传播过程，使得推荐模型能够学习不同反馈的不同强度，同时缓解传统模型中分别学习不同反馈信息的稀疏性问题。本申请实施例通过基于边反馈聚合的推荐模型，构建了一个有效建模多反馈的推荐算法，从而更好地表示用户对项目的掌握程度。
-
公开(公告)号：CN118520111A
公开(公告)日：2024-08-20
申请号：CN202410668703.5
申请日：2024-05-28
Applicant: 华中师范大学
IPC: G06F16/35 , G06N3/0464 , G06F40/194 , G06N3/09
Abstract: 一种基于深度学习的思维能力预测方法、装置、电子设备及计算机可读存储介质，其中，基于深度学习的思维能力预测方法，包括：获取用户已练习的练习文本集合；将练习文本集合输入至练习分类模型，得到练习文本集合中各练习文本对应的练习类别；将练习文本集合对应的练习结果集合与练习文本集合中各练习文本对应的练习类别进行映射，得到练习类别与练习结果的对应关系集合；基于练习类别与练习结果的对应关系集合构建输入向量；将输入向量输入至思维能力预测模型，得到用户的思维能力预测结果。上述基于深度学习的思维能力预测方法、装置、电子设备及计算机可读存储介质可以客观、准确、方便地预测学习者的思维能力水平。
-
公开(公告)号：CN118436307A
公开(公告)日：2024-08-06
申请号：CN202410408059.8
申请日：2024-04-07
Applicant: 华中师范大学
IPC: A61B5/00 , A61B5/369 , A61B5/372 , A61B5/33 , A61B5/346 , A61B5/0205 , A61B5/16 , G06F18/2431 , G06F18/2415 , G06F18/213 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/0442 , G06N3/084 , G06F123/02
Abstract: 本发明涉及教育信息化技术，揭露了一种基于多模态信号的认知状态识别方法、装置、设备及介质。所述方法包括：对预处理的目标用户的脑电图及外周图像集合分别进行特征提取操作，分别得到第一特征序列及第二特征序列集合；基于第一特征序列进行通道自注意力权重配置及二维映射操作，得到第一映射特征序列；基于第二特征序列集合进行基于时间的多次线性投影注意力权重配置及一维映射操作，得到第二映射特征序列集合；将所述第一映射特征序列及所述第二映射特征序列集合映射至目标空间，得到多模态融合特征序列集合，并对所述多模态融合特征序列集合进行全连接分类判断，得到所述目标用户的高低阶认知状态识别结果。本发明可以提高对用户的高低阶认知状态识别的准确率。
-
公开(公告)号：CN115630272A
公开(公告)日：2023-01-20
申请号：CN202211329492.X
申请日：2022-10-27
Applicant: 华中师范大学
IPC: G06F18/00 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种学习者高阶认知活动状态识别方法、装置及系统，确定层级卷积胶囊网络模型；层级卷积胶囊网络模型在原始胶囊网络模型的基础上将所有卷积运算通道方向的卷积核长度增加为预设值，以便每次卷积运算的感受野能够有效捕捉高、低阶认知两种状态下学习者大脑左半球和右半球相应脑电通道的关联特征，以提取表征学习者高阶认知活动状态的有效信息；且所述层级卷积胶囊网络在原始胶囊网络模型的卷积激活模块增加两个卷积层，构建出层级卷积模块，以提取脑电数据不同层次更丰富的特征，以进一步有效捕捉表征学习者高阶认知活动状态的信息；将学习者学习过程中的脑电数据输入到训练好的层级卷积胶囊网络模型，以感知是否处于高阶认知活动状态。
-
-
-
-
Search Results
5
records
(took 0.018 seconds)
