-
公开(公告)号：CN119068548A
公开(公告)日：2024-12-03
申请号：CN202411177520.X
申请日：2024-08-26
Applicant: 华中师范大学
IPC: G06V40/20 , G06V10/32 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于但不限于计算机视觉技术领域，尤其涉及一种基于大卷积核的端到端学生行为检测方法及系统，包括：课堂视频数据的预处理，获取学生行为的初步特征表示；设计大卷积核骨干网络对提取的图像特征进行深层次的卷积操作，获取更大感受野的上游特征表示，并结合多尺度特征融合模块对不同尺度的行为特征进行融合；引入坐标注意力机制，对特征图中的无效信息进行过滤，增强模型对关键行为的关注度；将融合后的特征输入到Transformer解码器中，进行全局行为预测；通过构建联合损失函数优化模型参数，输出最终课堂行为的帧级预测结果，准确识别课堂中的学生行为类型。
-
公开(公告)号：CN116258056A
公开(公告)日：2023-06-13
申请号：CN202211566063.4
申请日：2022-12-07
Applicant: 华中师范大学
IPC: G06F30/27 , G06F119/02
Abstract: 本发明属于个性化学习技术领域，公开了一种多模态知识水平评估与学习表现预测方法、系统及介质，方法包括：采集学习者的学习行为特征与学习资源特征，引入循环神经网络和卷积神经网络，对试题的文本语义特征和图像语义特征分别进行表示学习，经过特征融合获得试题融合语义特征；构建基于门控的学习状态追踪模型，预测学生将获取的共性知识增量；融合表示学习者的共性知识增量与试题融合语义特征，预测下一时刻学习者的作答反应，并进行训练；应用训练后的参数预测学习者的学习知识状态。本发明提供的预测方法及系统不仅实现了更为精准的学习者作答反应预测，还能预测学习者的学习知识状态，从而辅助学生高效开展更有针对性的学习工作。
-
公开(公告)号：CN116186250A
公开(公告)日：2023-05-30
申请号：CN202211578977.2
申请日：2022-12-07
Applicant: 华中师范大学
IPC: G06F16/35 , G06F16/583 , G06F40/30 , G06F18/25 , G06F18/213 , G06N3/0464 , G06N3/044 , G06N3/08 , G09B7/02
Abstract: 本发明属于个性化学习技术领域，公开了一种小样本条件下的多模态学习水平挖掘方法、系统及介质，方法包括：提取试题的内容特征、属性特征和学生的试题表现特征，引入BERT和VGG‑16预训练模型对图文特征加以表示，并基于张量对图文特征进行融合得到试题异质融合语义特征；结合试题异质融合语义特征与学生试题表现特征，基于双向循环神经网络以及题目间的注意力权值对学习状态向量的估算；利用试题异质融合语义特征与历史加权学习状态向量对学生的试题表现进行预测以及对学生知识掌握矩阵的分析预测。本发明公开的方法有利于提高模型在学生试题表现和学习掌握情况的预测准确度性能，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。
-
公开(公告)号：CN115757968A
公开(公告)日：2023-03-07
申请号：CN202211525241.9
申请日：2022-11-30
Applicant: 华中师范大学
IPC: G06F16/9535 , G06F16/36 , G06Q50/20
Abstract: 本发明提供一种基于知识图谱数学资源推荐的方法、设备和存储介质，本发明涉及在线学习与数学资源个性化推荐领域，该方法包括：提取数学资源的运用模式；根据运用模式生成多层知识图谱；诊断学习者的认知状态，根据学习者认知状态薄弱知识属性规划学习路径；根据生成的知识图谱查找关键运用模式对应的数学资源，对在线学习者基于最近发展区和支持度作个性化推荐。本发明的技术效果为能在保证较好的推荐外，突出了数学学习资源中知识属性的相互关系，通过运用模式推荐相应的资源，使推荐更具针对性，有效帮助在线学习者针对相关联知识属性的灵活运用。
-
公开(公告)号：CN115545155A
公开(公告)日：2022-12-30
申请号：CN202211150608.3
申请日：2022-09-21
Applicant: 华中师范大学
Abstract: 本发明属于个性化学习技术领域，公开了一种多层级智能认知追踪方法、系统、可存储介质及终端，方法包括：引入布鲁姆认知领域教育目标分类，构建试题知识认知张量TKC，收集学习者的学习资源和作答数据，生成学习者时序作答对序列；引入多分属性认知诊断方法，结合深层神经网络，构建认知层级挖掘模型；对学习者的认知层级挖掘结果进行排序与编码后得到深层表征特征，结合自注意力机制，构建多层级智能认知追踪模型，进一步预测学习者在试题上的作答表现。本发明有利于准确、精细地对学习者整体知识结构和具体层级水平进行建模，从而促进学习者个性化学习，为在线学习平台中学习者的认知状态与层级水平的挖掘和追踪提供新思路。
-
Patent Agency Ranking
公开(公告)号：CN115439281A
公开(公告)日：2022-12-06
申请号：CN202211102573.6
申请日：2022-09-09
Applicant: 华中师范大学
Abstract: 本发明属于个性化学习技术领域，公开了一种基于时空图卷积的学习者知识认知结构评价方法及系统，包括：构建试题表征网络层，对学习者每一时刻作答的试题、试题对应的Q矩阵向量进行表示学习，得到嵌入特征向量；基于当前学习者的作答对以及在上一时刻的知识掌握状态构建长短时记忆网络层，初步更新学习者的整体知识状态；构建基于时空图卷积网络的知识结构更新层，进一步更新学习者的知识掌握状态；根据更新后的知识状态预测学习者下一时刻的作答结果。本发明能够挖掘学习者的知识结构掌握情况以及不同时刻的知识结构掌握情况间的深度关联，并对学习者学习状态的时空特性进行有效地建模，从而预测学习者的未来学习表现并提供相应的学习指导服务。
-
公开(公告)号：CN115422256A
公开(公告)日：2022-12-02
申请号：CN202211034335.6
申请日：2022-08-26
Applicant: 华中师范大学
IPC: G06F16/2458 , G06N3/04 , G06Q50/20
Abstract: 本发明属于个性化学习技术领域，公开了一种融合学习认知要素的可解释知识认知水平挖掘方法及系统，包括：构建学习资源‑作答反应矩阵和学习资源‑知识点矩阵，估计基于认知诊断模型的失误和猜测参数；获取包含学习者对潜在知识点的总体掌握状态的特征向量；融入基于认知诊断模型的失误和猜测参数，得到新的特征向量，预测学习者在特定学习资源上的作答表现；获取知识增长向量、学习者对知识点的遗忘程度以及记忆强化程度，综合更新学习者与学习资源交互后的知识状态。本发明提出的融合学习认知要素的可解释知识认知水平挖掘方法比传统知识认知水平挖掘方法更有效。
-
公开(公告)号：CN114925610A
公开(公告)日：2022-08-19
申请号：CN202210570381.1
申请日：2022-05-24
Applicant: 华中师范大学
Abstract: 本发明属于教育数据挖掘技术领域，公开了一种学习者知识结构与水平建模方法、系统、设备及终端，收集学生学科的答题数据，构建知识关联图、知识点转移概率图以及知识点共现概率图；构建知识关联图并将知识点关联分类；引入长短时记忆网络并融合空间传播机制，设计基于序列间长时依赖的学习分析模型，对学生学习情况进行建模；对学生学习状态进行更新并分析知识点关联信息，对知识点状态进行更新；建模学生的学习状态，并对知识结构与水平进行诊断与估计。本发明的学习者知识结构与水平建模方法有利于准确、有效地对学生的知识结构和知识水平进行建模，从而促进学生个性化学习，为在线学习平台中学生的知识结构与水平的诊断与预测提供新思路。
-
公开(公告)号：CN113724096A
公开(公告)日：2021-11-30
申请号：CN202110942467.8
申请日：2021-08-17
Applicant: 华中师范大学
Abstract: 本发明属于信息资源共享技术领域，公开了一种基于公共品演化博弈模型的群体知识共享方法。本发明基于在线学习社区的特征构建群体知识共享对应的公共品演化博弈模型，结合粒子群优化算法，根据用户的行为特性将用户的策略连续化，调整用户的记忆系数和模仿系数，以动态调整用户的共享策略，能够提高群体共享水平，使得社区能够达到高共享水平稳态，从而促使社区长期稳定的发展。
-
公开(公告)号：CN108682007B
公开(公告)日：2021-09-10
申请号：CN201810401354.5
申请日：2018-04-28
Applicant: 华中师范大学
Abstract: 本发明属于信息安全技术领域，公开了一种基于深度随机森林的JPEG图像重采样自动检测方法，提取描述JPEG图像重压缩特性的特征向量：描述受重采样操作影响的局部周期相关性所呈现出的纹理特征；描述R、G、B通道受重采样操作影响的差异性的Benford特征；描述受重采样操作影响的DCT系数与其周围系数的关系的相邻系数差特征；描述JPEG图像重采样后出现的块效应特征。本发明利用典型相关分析将该四组特征向量进行融合，使用深度随机森林对融合后的特征向量进行学习和检测；有效识别图像重采样操作，通过量化四组特征向量之间的联系，使特征维数大大减少、降低了计算量、提高了特征之间的相关性，提升了检测精度。
-
-
-
-
-
-
-
-
-
Search Results
97
records
(took 0.033 seconds)
