一种基于纳什均衡的群组教育资源推荐方法

    公开(公告)号:CN109871482A

    公开(公告)日:2019-06-11

    申请号:CN201910037019.6

    申请日:2019-01-15

    Abstract: 本发明提出了一种基于纳什均衡的群组教育资源推荐方法,包括以下步骤:获取群组成员对教育资源的评分,通过矩阵分解将群组成员对教育资源的评分转换为近似满意度;根据近似满意度对群组成员的个体选择进行建模,通过设立支付函数来寻找纳什均衡解,从而获得每个成员对各个策略项的最优选择概率;通过偏好聚合方法来获取群组的偏好,为群组成员推荐符合该偏好的教育资源。本发明提出了在完全信息静态的博弈场景下使用寻找纳什均衡解来模拟群组成员之间的选择,以此来建立群组成员之间的交互性。本方法很好的解决了群组成员之间的利益冲突,能够为群组推荐合适的教育资源,提高了群组成员对推荐资源的满意度。

    一种基于混合模板的频率识别方法、装置、介质及设备

    公开(公告)号:CN117131470A

    公开(公告)日:2023-11-28

    申请号:CN202311087826.1

    申请日:2023-08-28

    Abstract: 本发明公开了一种基于混合模板的频率识别方法、装置、介质及设备,所述方法包括:获取受试者在不同频率视觉刺激下的稳态视觉诱发电位脑电信号和待测稳态视觉诱发电位脑电信号;基于同一受试者在任一频率视觉刺激下的稳态视觉诱发电位脑电信号,构建个体模板参考信号;计算待测稳态视觉诱发电位脑电信号与个体模板参考信号、预先构建的正余弦参考信号之间的时间局部多元同步指数,组合计算得到的时间局部多元同步指数得到混合模板的时间局部多元同步指数;基于所述混合模板的时间局部多元同步指数最大的原则,确定待测稳态视觉诱发电位脑电信号对应的视觉刺激的频率。本发明能够提高稳态视觉诱发电位对应的视觉刺激频率的识别精度和速度。

    一种基于特征通道融合和深度学习的癫痫预测系统

    公开(公告)号:CN114569141A

    公开(公告)日:2022-06-03

    申请号:CN202210216836.X

    申请日:2022-03-07

    Abstract: 本发明公开了一种基于特征通道融合和深度学习的癫痫预测系统,该系统采用了非线性降维算法的T分布随机近邻嵌入算法(t‑SNE)来对癫痫脑电信号的特征通道信息进行融合,并通过短时傅里叶变换计算得到的时域、频域信息作为特征输入到深度残差收缩神经网络中,通过对癫痫的发作间期和发作前期进行识别,从而对癫痫的发作进行预测。该方法从特征维度的改进和分类器设计方面着手,不需要进行人工特征提取,改善了特征信息的表达,这为后续将癫痫预测推向临床应用提供了新的方法。

Patent Agency Ranking