公开(公告)号：CN118070884A

公开(公告)日：2024-05-24

申请号：CN202410410014.4

申请日：2024-04-07

Applicant: 安徽大学

Inventor： 杨尚尚 ,  陈明洋 ,  俞晓山 ,  马海平 ,  田野

IPC: G06N5/01 ,  G06F16/901 ,  G06N3/126 ,  G06N5/045

Abstract: 本发明公开了一种基于多目标的神经架构搜索方法，属于智慧教育领域中的学生个性化认知诊断领域，其步骤包括：首先，基于现有的诊断模型设计出认知诊断的搜索空间。其次，提出一个多目标遗传规划来探索搜索空间，最大限度地提高模型的性能和可解释性，每个搜索出的诊断公式转换为树架构且编码基于树的表示。然后，为了使搜索算法有效的产生新的诊断公式，设计一个包含四个子遗传操作的遗传算子。最后还提出了一种初始化策略，使一般的种群能从现有模型的变体中进化以加速收敛。本发明将神经架构搜索方法应用到认知诊断当中，既能对学生能力表征进行认知诊断，又能搜索出表现优异的诊断公式。

公开(公告)号：CN114282112A

公开(公告)日：2022-04-05

申请号：CN202111614743.4

申请日：2021-12-27

Applicant: 安徽大学

Inventor： 田野 ,  田应滋 ,  俞晓山 ,  张兴义

IPC: G06F16/9535 ,  G06N3/04 ,  G06N3/08 ,  G06N3/00

Abstract: 本发明公开了一种用于信号重构方案的自动推荐方法，其步骤包括：1、构建信号重构的单目标优化模型；2、构建数据集；3、针对数据集，使用深度循环神经网络来训练推荐模型；4、拟合信号重构相应的树结构并获取特征；5、将拟合后得到的特征输入到模型中，从而推荐信号重构方案。本发明能实现对信号重构方案的自动推荐，并提高推荐准确率和效率。

公开(公告)号：CN116933029A

公开(公告)日：2023-10-24

申请号：CN202310921788.9

申请日：2023-07-26

Applicant: 安徽大学

Inventor： 马海平 ,  张云飞 ,  秦川 ,  申大忠 ,  张兴义 ,  俞晓山 ,  张乐 ,  祝恒书

IPC: G06F18/20 ,  G06N7/01 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084 ,  G06Q50/20

Abstract: 本发明公开了一种基于可靠性的学生能力表征的认知诊断方法，其步骤包括：首先，利用基于贝叶斯方法将学生的能力表征建模为分布，用分布中的方差表示诊断的能力表征的可靠性；接着，考虑每个学生的潜在差异性，运用预训练模型建立不同能力概念的潜在变量个体先验分布；然后，采用不确定性正则化技术，使分布中的方差既不过于波动，也不过于平稳；最后，利用校准损失函数来保证诊断的能力表征的可靠性。本发明集贝叶斯方法和校准损失函数于一体，既能对学生能力表征进行认知诊断，又能评估能力表征的可靠性。

公开(公告)号：CN118297130A

公开(公告)日：2024-07-05

申请号：CN202410388534.X

申请日：2024-04-01

Applicant: 安徽大学

Inventor： 杨尚尚 ,  秦林睿 ,  俞晓山 ,  马海平 ,  田野

IPC: G06N3/086 ,  G06N3/082 ,  G06N3/084 ,  G06N3/0455 ,  G09B7/02

Abstract: 本发明公开了一种基于Transformer神经架构搜索的知识追踪方法，涉及智慧教育认知建模技术领域，解决了自动平衡局部序列与全局序列对预测结果的影响、自动化地选择模型中所使用的特征信息且自动化搜索的技术问题；本发明通过定义学生与习题的交互序列；获取数据集，并计算数据集中变量的嵌入，将变量的嵌入标记为候选嵌入向量；基于候选嵌入向量定义选择性分层输入模块；定义包含局部操作和全局操作的搜索空间；对搜索空间内模型进行编码；利用梯度下降法对Transformer‑super‑net进行训练；在搜索空间中通过进化算法搜索知识追踪模型。

公开(公告)号：CN114241267A

公开(公告)日：2022-03-25

申请号：CN202111570819.8

申请日：2021-12-21

Applicant: 安徽大学

Inventor： 邱剑锋 ,  俞晓山 ,  张兴义 ,  王啟军

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于结构熵采样的多目标架构搜索骨质疏松图像识别方法，包括：1收集含骨密度信息的腰椎X光图像数据并进行预处理，划分为训练集和验证集；2初始化神经网络结构种群；3将种群中所有个体解码成对应的神经网络架构，并使用X光图片训练集对每个神经网络进行训练，将不同类别识别的准确率和神经网络的参数量作为适应度值；4根据个体的适应度值进行交配池选择、基于结构熵采样的交叉变异和环境选择；5重复上述过程进行启发式网络结构搜索，达到预设定条件结束进化，并输出最优的网络结构；6利用训练集重新训练所获得的最优网络结构。本发明能自动搜索适应腰椎X光图像数据集的卷积神经网络架构，实现对腰椎X光图像的分类。