-
公开(公告)号：CN113704235A
公开(公告)日：2021-11-26
申请号：CN202110887444.1
申请日：2021-08-03
Applicant: 桂林电子科技大学
IPC: G06F16/215 , G06N3/04 , G06N3/08
Abstract: 本发明涉及机器学习，深度学习及数据挖掘等技术领域，具体是一种基于自注意力机制的深度知识追踪模型。针对目前基于循环神经网络的知识追踪方法中普遍存在的可解释性差和长期依赖问题，提供了一种基于自注意力机制的模型，在一定程度提高可解释性且没有长期依赖问题。且利用了学习过程中的时间信息，以时间信息代替位置编码，结合遗忘曲线理论，模拟学习过程中的遗忘行为，同时，使用以知识点信息为主，以题目信息为辅，两者结合的建模方法，以保留题目的差异信息且避免了题目数量过多带来的参数爆炸，造成模型难以训练的问题。
-
公开(公告)号：CN113435685A
公开(公告)日：2021-09-24
申请号：CN202110467407.5
申请日：2021-04-28
Applicant: 桂林电子科技大学
IPC: G06Q10/06 , G06Q50/20 , G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明涉及机器学习、深度学习及数据挖掘等技术领域，具体是涉及一种分层Attention深度学习模型课程推荐方法。通过利用用户顺序行为数据，使用LSTM建模用户兴趣的动态变化，通过构建分层的Attention结构，得到用户的长期和短期偏好，从而生成用户的高级混合表示，以此提高推荐结果的用户个性化和准确度。具体为：利用原始在线学习相关行为数据进行筛选和预处理，将用户的顺序行为划分为会话，然后使用embedding层和全连接层对细粒度(信息用户ID和课程ID)与粗粒度信息(课程类型)三种数据进行处理，得到用户向量表示；应用LSTM来捕捉用户不同历史会话兴趣的交互和演化，得到序列化的兴趣向量，将兴趣向量输入到Attention网络中，得到用户的长期兴趣表示；然后将用户最近行为数据和长期兴趣表示输入到第二层Attention网络中，得到用户的混合兴趣表示；最后将用户的混合兴趣表示和课程向量表示做内积，将得到的值作为该候选项目的得分，将候选项目得分排序得到推荐列表以为学生进行个性化推荐。
-
公开(公告)号：CN111753470A
公开(公告)日：2020-10-09
申请号：CN202010622331.4
申请日：2020-06-30
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于粗糙集和深度置信神经网络的建筑能耗预测方法，包括以下步骤，步骤一：进行用于粗糙集约简建筑能耗影响因子的数据实测，确定各能耗等级的数值范围；步骤二：利用粗糙集对建筑能耗影响因子进行属性约简预处理；步骤三：进行用于深度神经网络预测建筑能耗的样本数据实测；步骤四：叠加受限玻尔兹曼机，构建深度置信神经网络对训练样本进行学习训练；步骤五：利用Matlab软件将经过属性约简后剩余的重要建筑能耗影响因子作为深度置信神经网络的输入参数，建筑能耗作为深度置信神经网络的输出，进行建筑能耗预测。本发明解决了传统建筑能耗预测方法中准确性不够和实用性不足的问题，为建筑能耗的预测提供了一种新的方法。
-
公开(公告)号：CN110309609A
公开(公告)日：2019-10-08
申请号：CN201910606867.4
申请日：2019-07-06
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于粗糙集和小波神经网络的建筑室内空气品质评价方法，包括以下步骤：(1)进行现场实测，得到的关于室内空气品质环境参数的样本数据，建立室内空气品质等级评价体系；(2)利用粗糙集理论对样本进行属性约简预处理；(3)利用Matlab软件将经过属性约简的环境参数作为小波神经网络的输入参数，建立小波神经网络训练模型对训练样本进行学习训练，并调试得到其最佳训练模型；(4)确定小波神经网络测试模型，把测试样本放入该训练好的测试模型中进行室内空气品质在线评价。本发明的评价方法解决了传统室内空气品质评价方法中主观性过强和实用性不够的问题，为建筑室内空气品质等级的客观评价提供了有效的解决方案。
-
Patent Agency Ranking
公开(公告)号：CN106116241B
公开(公告)日：2018-05-22
申请号：CN201610471454.6
申请日：2016-06-24
Applicant: 桂林华越环保科技有限公司 , 桂林电子科技大学
IPC: C04B24/42 , C04B103/30
Abstract: 本发明公开了一种保坍型干粉砂浆塑化增强剂，由以下重量份配比的各组分制成：丙烯酰胺‑丙烯酸共聚物6～8份、醋酸苯乙烯共聚物5～7份、塑化剂15～20份、蒙脱石20～25份、玻璃微珠10～15份、碳酸钙2～4份、铝酸钙3～5份、硝酸钙2～4份、硫酸钡1～3份、乙酸钙4～6份、改性剑麻纤维5～7份、碳酸钙晶须4～6份、土豆粉15～20份、明胶4～6份、硅藻土6～8份、羧甲基纤维素醚3～5份、有机硅消泡剂0.1～0.3份。本发明具有低的掺量、高的强度、高的坍落度稳定性等优点，是一种良好的建筑外加剂。
-
公开(公告)号：CN111753470B
公开(公告)日：2022-09-16
申请号：CN202010622331.4
申请日：2020-06-30
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于粗糙集和深度置信神经网络的建筑能耗预测方法，包括以下步骤，步骤一：进行用于粗糙集约简建筑能耗影响因子的数据实测，确定各能耗等级的数值范围；步骤二：利用粗糙集对建筑能耗影响因子进行属性约简预处理；步骤三：进行用于深度神经网络预测建筑能耗的样本数据实测；步骤四：叠加受限玻尔兹曼机，构建深度置信神经网络对训练样本进行学习训练；步骤五：利用Matlab软件将经过属性约简后剩余的重要建筑能耗影响因子作为深度置信神经网络的输入参数，建筑能耗作为深度置信神经网络的输出，进行建筑能耗预测。本发明解决了传统建筑能耗预测方法中准确性不够和实用性不足的问题，为建筑能耗的预测提供了一种新的方法。
-
公开(公告)号：CN110309609B
公开(公告)日：2022-06-28
申请号：CN201910606867.4
申请日：2019-07-06
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于粗糙集和小波神经网络的建筑室内空气品质评价方法，包括以下步骤：(1)进行现场实测，得到的关于室内空气品质环境参数的样本数据，建立室内空气品质等级评价体系；(2)利用粗糙集理论对样本进行属性约简预处理；(3)利用Matlab软件将经过属性约简的环境参数作为小波神经网络的输入参数，建立小波神经网络训练模型对训练样本进行学习训练，并调试得到其最佳训练模型；(4)确定小波神经网络测试模型，把测试样本放入该训练好的测试模型中进行室内空气品质在线评价。本发明的评价方法解决了传统室内空气品质评价方法中主观性过强和实用性不够的问题，为建筑室内空气品质等级的客观评价提供了有效的解决方案。
-
公开(公告)号：CN113537552A
公开(公告)日：2021-10-22
申请号：CN202110468058.9
申请日：2021-04-28
Applicant: 桂林电子科技大学
Abstract: 本发明涉及机器学习、深度学习及数据挖掘等技术领域，具体是涉及基于混合深度学习及注意力机制的学生表现预测方法。利用学生在线学习日志信息，首先对其进行预处理和特征提取，使用相关性特征选择方法来获得对预测结果有重要影响的特征。然后将提取到的特征按照特征类别进行周累计统计和全部累计统计。接着将提取到的时序特征和潜在特征进行拼接，由于学习到的两类特征在量级和类别上差异较大，因此使用深层神经网络进行高阶特征交互，学习更深层次的特征。同时考虑到不同特征对学生表现的影响程度不同，使用注意力机制为不同的深层次特征分配不同的权重。最后使用sigmoid分类器预测学生是否能够通过某一门课程，从而提高预测的准确性。
-
公开(公告)号：CN111650339A
公开(公告)日：2020-09-11
申请号：CN202010539020.1
申请日：2020-06-13
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种建筑室内多个污染源释放强度的逆向辨识方法，包括以下步骤：步骤一：对建筑室内环境参数采用CFD数值模拟技术获得稳定热流动场；步骤二：基于污染源贡献率(CRPS)方法获得多个污染源释放的室内浓度与监测点的浓度之间的传输矩阵A，利用传输矩阵A建立逆模型；步骤三：采用Tikhonov正则化方法增强逆模型求解的稳定性；步骤四：选取正则化矩阵L，计算正则化参数λ，基于监测点浓度求解污染源浓度。本发明辨识污染源释放强度方法解决了传统辨识方法的单一性和复杂性，为建筑室内快速有效地辨识多个污染源释放强度提供了新的方案。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.043 seconds)
