公开(公告)号：CN114220127B

公开(公告)日：2024-05-10

申请号：CN202111639517.1

申请日：2021-12-29

Applicant: 安徽大学

Inventor： 田野 ,  石子睿 ,  杨尚尚 ,  张兴义

IPC: G06V40/10 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/045 ,  G06N3/0499 ,  G06N3/084

Abstract: 本发明公开了一种基于梯度引导的进化算法的图像识别方法，其步骤主要包括：1、获取图像样本构建训练样本数据集；2、初始化父代种群，对其在交配选择过程中使用gSBX算子来获得子代种群，将父代种群加入子代种群中并对子代种群进行非支配排序，从排序好的种群中选取前若干个个体作为最优个体种群；3、从最优个体种群中删去被支配的解，使用稀疏随机梯度法SGD对种群中剩余的每个个体的权重变量微调，在该种群的Pareto前沿面上的拐点区域选择一个个体的属性集作为最终训练模型的变量。本发明通过进化算法优化图像识别模型，从而能提升模型在图像识别上的精确度，并减少神经网络的训练成本和内存用量。

公开(公告)号：CN117933301A

公开(公告)日：2024-04-26

申请号：CN202410121052.8

申请日：2024-01-29

Applicant: 安徽大学

Inventor： 曹明阳 ,  马海平 ,  杨尚尚 ,  张兴义

IPC: G06N3/042 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/08 ,  G06Q50/20 ,  G06Q10/04

Abstract: 本发明公开了一种基于距离感知的知识追踪方法，其步骤包括：1、将学生的答题日志和答题记录建模为分布，其中分布中的均值嵌入表示学生的基本能力，协方差嵌入表示学生能力中的不确定性；2、采用一种基于Wasserstein距离的注意力机制得到学生能力的初步表征；3、利用霍克斯过程将学生做题过程中存在的时间影响融入模型之中并得到学生的最终能力表征；4、根据学生的最终能力表征预测学生未来的答题表现，并采用交叉熵损失优化整个知识追踪网络，得到最优知识追踪模型。本发明不仅对学生答题过程中存在的不确定性进行建模，而且分析了时间对学生能力的影响，从而能更加准确的预测学生作答表现。

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：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：CN114220127A

公开(公告)日：2022-03-22

申请号：CN202111639517.1

申请日：2021-12-29

Applicant: 安徽大学

Inventor： 田野 ,  石子睿 ,  杨尚尚 ,  张兴义

IPC: G06V40/10 ,  G06V10/764 ,  G06V10/82 ,  G06N3/08 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于梯度引导的进化算法的图像识别方法，其步骤主要包括：1、获取图像样本构建训练样本数据集；2、初始化父代种群，对其在交配选择过程中使用gSBX算子来获得子代种群，将父代种群加入子代种群中并对子代种群进行非支配排序，从排序好的种群中选取前若干个个体作为最优个体种群；3、从最优个体种群中删去被支配的解，使用稀疏随机梯度法SGD对种群中剩余的每个个体的权重变量微调，在该种群的Pareto前沿面上的拐点区域选择一个个体的属性集作为最终训练模型的变量。本发明通过进化算法优化图像识别模型，从而能提升模型在图像识别上的精确度，并减少神经网络的训练成本和内存用量。

公开(公告)号：CN117574955A

公开(公告)日：2024-02-20

申请号：CN202311565634.7

申请日：2023-11-22

Applicant: 安徽大学

Inventor： 马海平 ,  王子文 ,  杨尚尚 ,  张海峰 ,  张兴义

IPC: G06N3/042 ,  G06F16/901 ,  G06F17/16 ,  G06N3/047 ,  G06N3/084 ,  G06N3/048 ,  G06N3/045 ,  G06N3/0442 ,  G06Q50/20

Abstract: 本发明公开了一种基于知识溢出效应的学生能力表征的知识追踪方法，包括：1、依据时间感知长短期记忆单元，来追踪学生在回答每个习题上各知识概念的掌握程度变化；2、运用自适应的信息传递策略研究知识积累过程中的溢出效应；3、考虑到学生的遗忘行为，引入遗忘模块捕捉学生知识状态随时间衰减的过程；4、采用一个考虑历史时间学习过程和知识概念间溢出影响的自注意导向神经霍克斯过程来建模知识遗忘的速率；5、利用结合神经认知诊断功能的预测模块来挖掘学生与习题之间的复杂交互，并通过交叉熵损失优化整个学习和遗忘过程。本发明能建模学生学习和遗忘中的知识溢出效应，从而实现端到端的学生答题正确性的预测，并能提高预测的准确性。