公开(公告)号：CN119538110A

公开(公告)日：2025-02-28

申请号：CN202411586896.6

申请日：2024-11-07

Applicant: 扬州大学

Inventor： 徐向英 ,  金晶 ,  吴宣为 ,  章永龙

IPC: G06F18/243 ,  G06Q10/0639 ,  G06Q50/20 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/0464

Abstract: 本发明公开了一种融合BERT模型和SAGEConv图卷积的学习成效分类研究方法，包括数据收集与预处理；采集一定时期内学生的各类过程性评价数据，将这些数据整理成适合模型输入的格式；模型构建与训练；融合预训练的BERT模型和SAGEConv图卷积网络，构建一个分类模型LABTG；超参数优化；通过调整模型的超参数，优化模型的性能，以达到最佳的分类预测效果；模型评估与应用；使用独立的测试集评估模型的分类预测性能，并根据不同阶段的教学评价数据，辅助教师预估学生期末的学习成效类别。本发明能够更全面地分析学生的过程性评价数据，提高学习成效分类预测的准确性；为教师提供实时的教学效果反馈，从而实现精准教学。

公开(公告)号：CN118036797A

公开(公告)日：2024-05-14

申请号：CN202410033932.X

申请日：2024-01-10

Applicant: 扬州大学

Inventor： 王超 ,  徐向英 ,  章永龙 ,  陆毅帆 ,  缪旻珉 ,  吴宣为

IPC: G06Q10/04 ,  G06Q50/02 ,  G06F18/214 ,  G06F18/27 ,  G06N20/00 ,  G06N5/01 ,  G06N20/20 ,  G06N20/10 ,  G06N3/0499 ,  G06N3/084

Abstract: 本发明公开了一种基于作物模型和机器学习模型的蔬菜干物质产量估算方法，属于机器学习以及作物模型领域。首先采样蔬菜生长期间的气象数据、定植初始土壤数据、施肥灌溉数据以及作物DM数据，得到原始数据集，并划分为训练集和测试集；然后使用EU‑Rotate_N模型对训练集进行数据扩展，模拟非采样日期的作物DM数据并结合逐日气象数据、定植初始土壤数据和施肥灌溉数据，得到增强训练集；最后选择EU‑Rotate_N、随机森林回归以及支持向量回归作为三个基本模型，将单个基本模型得到的DM数据预测结果作为反向传播神经网络的输入特征，设计堆叠模型来提高模型的性能。本发明通过结合作物模型和机器学习模型，可以更准确地模拟作物生长的过程，从而更准确地预测小白菜干物质产量。