公开(公告)号：CN111814462B

公开(公告)日：2021-02-09

申请号：CN202010659589.1

申请日：2020-07-09

申请人： 四川大学

发明人： 琚生根 ,  申航杰 ,  周刚

IPC分类号： G06F40/279 ,  G06N3/08

摘要： 本发明提供一种基于动态正则化的高效终身关系提取方法及系统，方法包括以下步骤：接收多个数据集，使用神经模型依次对数据集中的训练样本进行训练，每个数据集对应一个任务；为已接受训练的数据集建立内存块存储记忆数据，并在新的数据集训练时访问所有内存块的记忆数据，为克服灾难性遗忘，定义内存数据损失函数、定义特征损失函数、定义EWC损失函数；建立连续训练任务期间的训练损失之差模型分别计算特征损失函数、内存数据损失函数、EWC损失函数的正则化因子；根据特征损失函数及其正则化因子、内存数据损失函数及其正则化因子、EWC损失函数及其正则化因子得到最优关系提取参数。该方法能在进行终身关系提取时的准确率更高，且不引入额外参数。

公开(公告)号：CN111814462A

公开(公告)日：2020-10-23

申请号：CN202010659589.1

申请日：2020-07-09

申请人： 四川大学

发明人： 琚生根 ,  申航杰 ,  周刚

IPC分类号： G06F40/279 ,  G06N3/08

摘要： 本发明提供一种基于动态正则化的高效终身关系提取方法及系统，方法包括以下步骤：接收多个数据集，使用神经模型依次对数据集中的训练样本进行训练，每个数据集对应一个任务；为已接受训练的数据集建立内存块存储记忆数据，并在新的数据集训练时访问所有内存块的记忆数据，为克服灾难性遗忘，定义内存数据损失函数、定义特征损失函数、定义EWC损失函数；建立连续训练任务期间的训练损失之差模型分别计算特征损失函数、内存数据损失函数、EWC损失函数的正则化因子；根据特征损失函数及其正则化因子、内存数据损失函数及其正则化因子、EWC损失函数及其正则化因子得到最优关系提取参数。该方法能在进行终身关系提取时的准确率更高，且不引入额外参数。

公开(公告)号：CN110555459A

公开(公告)日：2019-12-10

申请号：CN201910673472.6

申请日：2019-07-24

申请人： 四川大学

发明人： 琚生根 ,  申航杰 ,  孙界平

IPC分类号： G06K9/62 ,  G06Q50/20

摘要： 本发明公开了基于模糊聚类和支持向量回归的成绩预测方法，属于成绩预测技术领域，现提出如下方案，其包括以下成绩预测步骤，预处理原始数据并划分训练集和测试集；基于隶属度最大的原则进行聚类，对每个聚类簇使用支持向量回归算法建模，确定最终成绩与历史成绩记录之间的关系；根据测试集学生自身的学习行为属性，找到与其具有相同或者相似行为的学生，对目标学生最终成绩做出调整；通过在S2中获得的模糊隶属度矩阵，在S3中确定的关系以及S4中对成绩的调整，来获得目标学生的最终成绩。本发明提高成绩预测的准确率。在三个标准数据集上的对比实验展现了本发明提出方法的有效性。