公开(公告)号：CN118447551A

公开(公告)日：2024-08-06

申请号：CN202410538925.5

申请日：2024-04-30

Applicant: 安徽大学

Inventor： 王姗姗 ,  郑勇 ,  杨勋 ,  张兴义

IPC: G06V40/16 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明公开了一种基于细粒度时空网络的视频人脸专注度识别方法，包括：1、对包含具有N类专注度视频的数据库进行预处理；2、构建用于专注度识别的细粒度时空网络模型；3、训练构建好的网络模型；4、利用构建好的网络模型对待测人脸视频进行预测，实现视频人脸专注度的分类识别。本发明通过从时间和空间两个视角学习细粒度特征，从而能提升视频人脸专注度的分类效果。

公开(公告)号：CN118747820A

公开(公告)日：2024-10-08

申请号：CN202410897088.5

申请日：2024-07-05

Applicant: 安徽大学

Inventor： 王姗姗 ,  阿鲁斯 ,  杨勋 ,  许柯 ,  张兴义

IPC: G06V10/764 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/048 ,  G06N3/0895

Abstract: 本发明公开了一种基于特征解耦的特征增广领域泛化图像识别方法，其步骤包括：1、获取具有c个类别k个领域的领域泛化图像数据集；2、构建特征解耦网络模型并利用损失函数优化模型参数；3、基于特征解耦网络构建增广特征并利用对比学习损失函数进一步优化模型参数；4、得到泛化能力最优的图像分类模型。本发明通过同时学习域不变特征和因果相关特征来提升模型的泛化能力，且通过特征增广策略进一步提升模型对困难样本的泛化能力，从而实现对未知目标域图像类别的精准识别。

公开(公告)号：CN118503912A

公开(公告)日：2024-08-16

申请号：CN202410645293.2

申请日：2024-05-23

Applicant: 安徽大学

Inventor： 王姗姗 ,  袁方正 ,  杨勋 ,  张兴义

IPC: G06F18/25 ,  G06Q50/20 ,  G06Q10/04 ,  G06N3/0442 ,  G06N3/084 ,  G06N3/098

Abstract: 本发明公开了一种基于情绪融合的双状态个性化知识追踪方法，包括以下步骤：1.定义基本概念；2.构建LSTM变体的知识状态拟合网络获取情绪增强的知识状态；3.设计一个情绪状态追踪网络来监测学生在每次学习答题时的个性化情绪状态；4.基于个性化情绪状态显式地预测学生的情绪并利用预测出的情绪信息去增强最后的响应预测过程。本发明通过融合学生学习过程中的情绪，实现了更加个性化的知识追踪。

公开(公告)号：CN118193920A

公开(公告)日：2024-06-14

申请号：CN202410422144.X

申请日：2024-04-09

Applicant: 安徽大学

Inventor： 王姗姗 ,  胡迎 ,  杨勋 ,  张兴义

IPC: G06F17/16 ,  G06F18/22 ,  G06N20/00 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084 ,  G06Q50/20

Abstract: 本发明公开了一种基于概念驱动的个性化遗忘机制的知识追踪方法，包括：1.根据习题与知识概念之间的关联关系以及知识概念之间层次关系，构建习题‑知识概念关联矩阵、知识概念前驱后继关系矩阵；2.根据学生历史交互表现，计算个性化能力，建立多层网络模型，包括学习层、遗忘层和预测层；3.通过将习题向量融合到学习增益，全面理解知识，通过考虑知识概念之间的前驱后继关系以及历史交互与当前习题的交互相似性，计算遗忘权重；最后，区分学生能力，量化知识增益与遗忘程度；4.利用网络模型预测学生习题准确率。本发明通过通过建模概念关系和个性化能力，实现精细遗忘建模和个性化学习，提高学生未来表现的预测精度。