公开(公告)号：CN112801362B

公开(公告)日：2022-03-22

申请号：CN202110101091.8

申请日：2021-01-26

Applicant: 桂林电子科技大学

Inventor： 欧阳宁 ,  成浩 ,  谷盛民 ,  石将煌 ,  梁达林

IPC: G06Q10/04 ,  G06Q50/20 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明公开了一种基于人工神经网络与LSTM网络的学业预警方法，其特征在于，包括如下步骤：1）基于RBF核的缺失数据处理；2）基于多维正态分布的自适应特征提取；3）基于细化网络的人工神经网络训练；4）自适应激励函数LSTM网络训练；5）与软件平台结合。这种方法普适性好、误检率低、预测准确度高。

公开(公告)号：CN119254424A

公开(公告)日：2025-01-03

申请号：CN202411331780.8

申请日：2024-09-24

Applicant: 桂林电子科技大学

Inventor： 高博宏 ,  叶涛 ,  韦永壮 ,  李灵琛 ,  成浩

IPC: H04L9/08

Abstract: 本发明公开一种精确恢复Atom算法超级多项式的装置及方法，所述装置包含四个模块分别为：模型变量设置模块、Atom算法两子集可分性传播模型构建模块、三子集可分性传播模型构建模块、超级多项式代数性质检测模块。本发明方法结合两子集可分性技术和三子集可分性技术，利用两子集可分性技术构建的传播模型和三子集可分性技术构建的传播模型，再对其设置模型变量，最后进行求解，同时构建超级多项式代数性质检测模块对超级多项式进行精确恢复。此方法可以提高精确恢复Atom算法超级多项式的效率，降低时间复杂度，很大程度上节省了时间成本。

公开(公告)号：CN112801362A

公开(公告)日：2021-05-14

申请号：CN202110101091.8

申请日：2021-01-26

Applicant: 桂林电子科技大学

Inventor： 欧阳宁 ,  成浩 ,  谷盛民 ,  石将煌 ,  梁达林

IPC: G06Q10/04 ,  G06Q50/20 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明公开了一种基于人工神经网络与LSTM网络的学业预警方法，其特征在于，包括如下步骤：1）基于RBF核的缺失数据处理；2）基于多维正态分布的自适应特征提取；3）基于细化网络的人工神经网络训练；4）自适应激励函数LSTM网络训练；5）与软件平台结合。这种方法普适性好、误检率低、预测准确度高。