公开(公告)号：CN114441585A

公开(公告)日：2022-05-06

申请号：CN202111408769.3

申请日：2021-11-24

Applicant: 桂林电子科技大学

Inventor： 黄家强 ,  王旭东 ,  陈俊宇 ,  韦伟春 ,  李望云 ,  秦红波 ,  何思亮 ,  杨道国

IPC: G01N25/00 ,  G01N21/84 ,  G01N23/2251 ,  G01R31/00

Abstract: 本发明提供一种原位观察微焊点微观组织演化的方法。该方法包括：(1)微焊点制备：制备出不同钎料成分的单个微焊点；(2)使用环氧树脂将其镶嵌固封起来；(3)样品制备：沿微焊点纵截面方向先后进行粗磨、细磨、抛光、腐蚀和清洗；(4)使用光学显微镜或扫描电子显微镜对微焊点进行微观组织观察；(5)在油浴环境下对微焊点进行热时效或者电迁移，使微焊点微观组织发生演化；(6)重复步骤(3)至步骤(5)，记录微焊点微观组织的变化过程。本发明实验测试中均使用同一个焊点样品，兼具减少实验步骤、减少实验误差、提高实验可信度的优点，还可以更加直观连续地观察在通电(电迁移)或热时效(老化)等条件下焊点微观结构的演化。

公开(公告)号：CN118747527A

公开(公告)日：2024-10-08

申请号：CN202410842554.X

申请日：2024-06-27

Applicant: 桂林电子科技大学

Inventor： 陈俊宇 ,  杨青 ,  池俊椿 ,  陈伟聪

IPC: G06N5/022 ,  G06Q50/20 ,  G06N3/0442 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及知识追踪技术领域，提供一种基于知识概念关联和历史关注信息的知识追踪方法，包括：一、获取学生学习过程的交互信息，筛选出有效的交互信息；二、将交互信息划分成问题级别序列，概念级别序列两个部分；三、将不同序列输入模型的不同模块中进行训练；通过长短期记忆网络和图卷积神经网络得到学生的知识状态；在问题级别序列提取历史关注信息，通过多种注意力机制得到历史关注信息中学生的答题经验；四、将学生的知识状态和答题经验输入可解释性模块评估其知识水平，根据学生的知识水平预测学生未来的答题表现；五、记录训练模型评价指标，并采用交叉熵损失优化整个知识追踪网络。本发明充分关注知识概念间的复杂关系和历史关注信息，以不同角度评估学生的知识状态，提高了预测学生未来表现的准确。

公开(公告)号：CN117911206A

公开(公告)日：2024-04-19

申请号：CN202311651860.7

申请日：2023-12-05

Applicant: 桂林电子科技大学

Inventor： 池俊椿 ,  杨青 ,  张敬伟 ,  陈俊宇 ,  袁峰 ,  申治璋 ,  蒋林成

IPC: G06Q50/20 ,  G06Q10/04 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/08 ,  G06F18/23 ,  G06F18/22

Abstract: 本发明涉及知识追踪技术领域，涉及一种基于双注意力机制的动态评估学生知识水平方法，包括如下步骤：S1.获取学生学习过程的交互信息，将交互信息组成序列；S2.将交互序列划分成动态问题级别序列，平均技能级别序列，额外特征序列三个部分；S3.将不同序列输入对应模块进行训练，通过长短期记忆网络和多个注意力机制得到学生的知识状态；S4.将知识状态输入可解释性模块评估其知识水平；S5.记录训练模型评价指标，通过参数更新后的模型验证学生的交互序列，评估其知识水平。本发明充分挖掘学生交互信息，以不同角度评估学生的知识状态，提高了预测学生未来表现的准确率。

公开(公告)号：CN116719990A

公开(公告)日：2023-09-08

申请号：CN202310545251.7

申请日：2023-05-15

Applicant: 桂林电子科技大学

Inventor： 王对强 ,  刘宇翔 ,  杨青 ,  陈俊宇 ,  黄玉昭 ,  张惠鹃 ,  张景爱

IPC: G06F16/9535 ,  G06F16/9536 ,  G06F16/28 ,  G06N5/02 ,  G06Q50/20

Abstract: 本发明涉及群组推荐技术领域，具体地说，涉及一种融合学生行为信息的个性化群组推荐方法，其包括以下步骤：1)数据预处理；2)学生多行为建模；3)学生偏好与项目结构获取；4)群组共识建模；5)模型预测与优化。本发明利用学生的行为信息，并设计小组共识策略，为小组合作学习提供有效的学习资源。