-
公开(公告)号：CN113344054A
公开(公告)日：2021-09-03
申请号：CN202110596095.8
申请日：2021-05-29
申请人： 华中师范大学
摘要： 本发明属于教育数据挖掘领域，提供一种面向时空演变的知识技能动态诊断方法，本发明方法首先需根据资源特征构建知识异构图，其次在时间与空间维度上动态更新学习者的知识技能状态，以此来预测学习者的未来表现和诊断学习者的知识掌握情况。本发明方法综合利用大数据技术、深度学习以及自然语言处理技术，从时间和空间对学习者的知识点建模，通过引入学习特征和遗忘特征来影响学习者的知识状态，以及提出时空级联操作来更新学习者的知识结构，能较科学、全面地对学习者的知识技能进行诊断和对学习者未来表现进行预测，对技能掌握低的知识点进行个性化推荐练习和对未来表现不好的进行个性化教学。
-
公开(公告)号：CN112418095A
公开(公告)日：2021-02-26
申请号：CN202011325980.4
申请日：2020-11-24
申请人： 华中师范大学
摘要： 本发明提供一种结合注意力机制的面部表情识别方法及系统，包括：检测视频序列中每个视频帧内包括的人脸，并提取对应的人脸ROI，得到每个视频帧内的人脸图片；基于人脸图片的面部特征点的位置信息对每个视频帧内的人脸图片进行对齐；将对齐后的人脸图片输入到残差神经网络中，提取人脸图片对应的人脸面部表情的空间特征；将人脸面部表情的空间特征输入到混合注意力模块，获取人脸面部表情的融合特征；将人脸面部表情的融合特征输入到门控制循环单元，提取人脸面部表情的时间特征；将人脸面部表情的时间特征输入到全连接层，对人脸面部表情进行分类识别。本发明将混合注意力模块嵌入卷积神经网络和循环神经网络中，提高了面部表情识别的准确率。
-
公开(公告)号：CN112256858A
公开(公告)日：2021-01-22
申请号：CN202011071060.4
申请日：2020-10-09
申请人： 华中师范大学
IPC分类号： G06F16/335 , G06F16/338 , G06K9/62 , G06N3/04
摘要： 本发明公开了一种融合问题模式和答题结果的双卷积知识追踪方法及系统。该方法包括步骤：获取答题者的历史答题数据集；从历史答题数据集提取每个答题者的题目序列、答题结果序列和技能序列；将题目序列和技能序列进行拼接后输入到第一一维卷积神经网络，提取问题模式特征数据；将答题结果序列输入到第二一维卷积神经网络，提取答题结果特征数据；将问题模式特征数据和答题结果特征数据进行拼接后输入到全连接层网络，输出答题者答题行为预测结果数据。本发明通过建模提取问题模式特征数据和答题结果特征数据，融合这两个特征进行知识追踪，可以提升预测精确度。
-
公开(公告)号：CN112182308A
公开(公告)日：2021-01-05
申请号：CN202011056680.0
申请日：2020-09-29
申请人： 华中师范大学
IPC分类号： G06F16/901 , G06F16/903 , G06F17/16 , G06K9/62 , G06N3/04
摘要： 本发明公开了一种基于多热编码的多特征融合深度知识追踪方法及系统。该方法包括步骤：获取学生的答题数据集；提取问题编号特征p、技能编号特征s、答题表现特征c、尝试次数特征att、首次操作特征act、学生首次反应时间特征frt；将提取的6个特征转换为分类变量；将问题编号特征p和技能编号特征s进行多热编码，获得多热技能编码Multi(multi_s)，将其他特征进行独热编码，获得独热编码O，将多热技能编码Multi(multi_s)和独热编码O进行拼接及降维处理后输入到深度知识追踪模型进行知识追踪。本发明可以提高数据集的数据利用率，并且实现多技能的预测。
-
公开(公告)号：CN110807469B
公开(公告)日：2020-09-11
申请号：CN201910889394.3
申请日：2019-09-19
申请人： 华中师范大学
摘要： 本发明公开了融合长短时记忆与贝叶斯网络的知识追踪方法与系统，其通过建立包括时间序列的认知数据集和长短期记忆神经网路，计算与当前时间序列对应的知识组件的贝叶斯知识追踪模型的参数组，从而利用贝叶斯知识追踪模型计算学习者对当前时间序列的题目的答题正确的概率预测值，通过对比认知数据集中当前时间序列的题目的答题正确与否的真实值，得到与当前时间序列对应的长短期记忆神经网络模型损失函数，从而得到权重参数矩阵的优化值和偏差参数矩阵的优化值；遍历认知数据集所有的时间序列，得到长短期记忆神经网络模型权重参数矩阵的优化值和偏差参数矩阵的最优值；从而实现学习者对待测试题目的认知状态的预测，依据学习者的认知状态的预测进行学习者的学习路径规划和/或知识图谱的构建。
-
公开(公告)号：CN110807469A
公开(公告)日：2020-02-18
申请号：CN201910889394.3
申请日：2019-09-19
申请人： 华中师范大学
摘要： 本发明公开了融合长短时记忆与贝叶斯网络的知识追踪方法与系统，其通过建立包括时间序列的认知数据集和长短期记忆神经网路，计算与当前时间序列对应的知识组件的贝叶斯知识追踪模型的参数组，从而利用贝叶斯知识追踪模型计算学习者对当前时间序列的题目的答题正确的概率预测值，通过对比认知数据集中当前时间序列的题目的答题正确与否的真实值，得到与当前时间序列对应的长短期记忆神经网络模型损失函数，从而得到权重参数矩阵的优化值和偏差参数矩阵的优化值；遍历认知数据集所有的时间序列，得到长短期记忆神经网络模型权重参数矩阵的优化值和偏差参数矩阵的最优值；从而实现学习者对待测试题目的认知状态的预测，依据学习者的认知状态的预测进行学习者的学习路径规划和/或知识图谱的构建。
-
公开(公告)号：CN110598770A
公开(公告)日：2019-12-20
申请号：CN201910816540.X
申请日：2019-08-30
申请人： 华中师范大学
摘要： 本发明涉及一种多空间融合学习环境构建方法及装置。该方法包括：预定义多空间融合学习环境所包括的多个空间及每个空间学习环境构建参数；构建每个所述空间语义网络模型；采集学习主体关联事件和学习环境关联事件，构建面向学习主体的多空间语义层级一致性的数据融合模型；构建基于学习场景的一体化具身模型；根据所述一体化具身模型为学习主体设置所述学习环境构建参数。本发明可以为学习主体个性化动态地构建多空间融合的学习环境。
-
公开(公告)号：CN110414556A
公开(公告)日：2019-11-05
申请号：CN201910538890.4
申请日：2019-06-20
申请人： 华中师范大学
摘要： 本发明属于教育信息化领域，提供一种基于Word2Vec和循环神经网络的小学语文作文比喻句与拟人句自动提取方法，首先，利用经过人工标记后的数据集，预处理后得到符合实验要求的数据集。然后，利用Skip-Gram模型结合Hierarchical Softmax的方式训练Word2Vec模型。最后，利用训练后的模型来表示文本，将其作为循环神经网络分类器的输入训练相应的循环神经网络分类器。本发明提出作文中比喻句与拟人句的自动提取方法，为构建基于修辞使用的小学语文作文自动评价器提供了比喻句与拟人句的提取方案。
-
公开(公告)号：CN105719328B
公开(公告)日：2018-06-12
申请号：CN201610034784.9
申请日：2016-01-19
申请人： 华中师范大学
摘要： 本发明提供了一种手绘几何图形规范化方法，包括以下步骤:(1)收集屏幕上绘制起点到终点之间的绘制轨迹信息；(2)提取所述绘制轨迹的几何特征参数；(3)依据所述绘制轨迹的几何特征参数计算用于分类的八个特征比值，将八个特征比值与各种几何图形类型相应的特征比值取值区间进行比较，根据比较结果判定所述绘制轨迹的几何图形类型；(4)在已确定几何图形类型的绘制轨迹上根据不同图形的特性，提取特征点和特征参数，完成绘制；(5)将特征点作为热点供用户进一步修正图形。本发明还提供了实现上述方法的系统。本发明在保留用户个性化绘制几何图形的同时有效提高几何图形的重绘准确率，解决课堂教学中手绘图形不准确而现有手绘图形识别不能满足课堂教学需要的问题。
-
公开(公告)号：CN108121785A
公开(公告)日：2018-06-05
申请号：CN201711372589.8
申请日：2017-12-15
申请人： 华中师范大学
摘要： 本发明涉及一种基于教育大数据的分析方法，属于数据处理技术领域。该方法包括：获取数据源；识别所述数据源的类型，并将识别出的数据源存储到相对应的数据库；在需要对存储于数据库中的数据进行分析时，从所述数据库中提取待分析数据；基于所述待分析数据和预设数据分析模型获得分析结果。该方法首先对获取到的数据进行识别，识别出该数据的类型，并将其存储到与之相对应的数据库中；在需要对这些数据进行分析和统计时，从数据中提取待分析数据，在基于该数据和所需的预设数据分析模型获得所需的分析结果，以便根据该分析结果针对性的提供服务，从而提高学生学习以及老师教学的质量和效率，达到事半功倍的效果。
-
-
-
-
-
-
-
-
-
搜索结果
358 条记录 (耗时 0.038 秒)
