公开(公告)号：CN117520170A

公开(公告)日：2024-02-06

申请号：CN202311490958.9

申请日：2023-11-09

Applicant: 北京航天计量测试技术研究所

Inventor： 孙静 ,  张修建 ,  杨平 ,  丁亦嘉 ,  王永光 ,  张龙 ,  程中浩 ,  陈皓

IPC: G06F11/36 ,  G06N5/01 ,  G06N20/00

Abstract: 本发明提供了一种基于动力学模型的智能化水平测评方法、设备和介质，能够更精确地测量装备的智能化水平，分析并跟踪其动态变化和演进，同时，也可以大大缩短测试时间，降低测评的成本。本发明基于动力学模型实现测评，依托先进的机器学习算法，使用最新颖的动力学模型，能够从受测对象的行为、语言和其他特征动态地测量出该受测对象的特性，大大改进目前常见的量表测量方法，本发明方法可以快速准确地测量受测对象的情感、态度、社交技能、相互作用和绩效表现等鲜明特征，应用于测控装备智能化水平测评，该技术领域涵盖了从学校、科研机构、企业等多个领域的个性化测评需求。

公开(公告)号：CN116756051A

公开(公告)日：2023-09-15

申请号：CN202311041164.4

申请日：2023-08-18

Applicant: 北京航天计量测试技术研究所

Inventor： 缪寅宵 ,  刘弋菲 ,  杨平 ,  张修建 ,  程中浩 ,  张龙 ,  弯天琪 ,  陈皓一 ,  孙静 ,  丁亦嘉

IPC: G06F11/36 ,  G06F11/34 ,  G06F21/55 ,  G06F18/23

Abstract: 一种基于要素分解的深度神经网络测试充分性评估方法，主要步骤包括：测试要素分解，测试参数提取，重要性聚类，突变测试，指标计算，指标评价。该方法通过对黑盒测试与白盒测试方法的要素分解，融合两类方法，完善测试充分性评价机制，同时，结合模型可视化方法，使神经网络决策逻辑更加直观，加强评价的可解释性。该方法能够实现对深度神经网络测试充分性的有效评价，有利于牵引支撑人工智能技术的发展。