-
公开(公告)号：CN117494810A
公开(公告)日：2024-02-02
申请号：CN202311446003.3
申请日：2023-11-02
Applicant: 东北大学
Abstract: 本发明提供一种基于学习者认知风格的可解释知识追踪方法，涉及教育数据挖掘技术领域。本发明将信息加工的知识追踪模型IPKT与认知风格概念结合，得到基于认知风格的可解释知识追踪模型CSKT，其中，识别层根据学习者的认知风格提取题目中被学习者关注到的习题信息，从学习者知识状态中提取学习者认为能够用来解决习题的知识，定义层根据识别层的输出信息来表征题目，探索层预测学习者在题目上的表现，回顾层根据习题、真实和预测的答题反馈以及学习者的认知风格来更新学习者知识状态及认知风格。本发明能够个性化的建模学习者的知识掌握水平，并预测学习者未来的答题表现，有效解决知识追踪模型缺乏个性化和可解释性差的问题。
-
公开(公告)号：CN117371528A
公开(公告)日：2024-01-09
申请号：CN202311485074.4
申请日：2023-11-09
Applicant: 东北大学
Abstract: 本发明设计一种基于知识空间的知识追踪方法；考虑知识概念之间的先决关系，将其表示为知识概念依赖图；构建问题概念图来捕捉问题与知识概念间关系，并融合问题难度特征和概念依赖图，得到增强问题概念图；基于学生与问题交互记录构建学生问题交互图，并将其分为只包含正确交互和错误交互的二部图；将问题难度作为问题属性信息，构建问题难度图；对这四个子图建模，获得有效问题表示；采用注意力机制和LSTM对学生历史学习记录进行建模；根据遗忘曲线理论，引入时间衰减因子来模拟人脑的遗忘效应，进一步优化模型；采用交叉熵损失函数作为目标函数，通过最小化学生真实答案与模型预测正确概率之间的差异来进行知识追踪模型训练和优化。
-
公开(公告)号：CN116821497A
公开(公告)日：2023-09-29
申请号：CN202310780118.X
申请日：2023-06-29
Applicant: 东北大学
IPC: G06F16/9535 , G06F40/30 , G06F17/16 , G06N3/0464 , G06N3/0442 , G06N3/08 , G06Q50/20
Abstract: 本发明涉及知识追踪领域，提出了一种基于元路径和注意力机制的知识追踪方法。采集到的学生学习行为数据经过处理后，根据定义的元路径，采用随机游走方法生成路径实例，构建卷积神经网络得到路径实例语义信息。利用Embedding方法得到学生和习题的嵌入。利用Word2Vec与长短期记忆网络结合的方法得到知识点的嵌入，再根据自注意力机制获得知识点的融合嵌入。结合注意力机制和路径实例语义信息分别获得学生和习题的最终嵌入。将得到的嵌入与数据集涵盖的历史做题序列拼接后输入到长短期记忆网络中获取知识点熟练度。本发明在传统技术的基础上利用学生、习题、知识点间元路径的语义信息嵌入及知识点融合嵌入加强了对知识点熟练度的评估，提高了知识追踪的效果。
-
公开(公告)号：CN108194343A
公开(公告)日：2018-06-22
申请号：CN201711410851.3
申请日：2017-12-23
Applicant: 东北大学 , 中国科学院沈阳科学仪器股份有限公司
IPC: F04B51/00
CPC classification number: F04B51/00
Abstract: 本发明涉及一种真空泵测试系统及测试方法。真空泵测试系统包括分别用于与待测泵室的吸气口和排气口连通的第一和第二真空室、分别测量第一和第二真空室的压力的第一和第二测压系统、为第一和第二真空室供气的供气设备、分别从第一和第二真空室抽气的第一和第二抽气设备、测量和控制第一真空室气体流量的气体流量测控设备、分别控制第一和第二真空室的温度的第一和第二控温设备。真空泵测试方法应用该真空泵测试系统。上述真空泵测试系统和测试方法可提供压力、流量和温度可控的测试环境，可以模拟不同情况下真空泵的抽气状态，且可用于不同种类的真空泵的抽气性能测试。
-
公开(公告)号：CN118656545A
公开(公告)日：2024-09-17
申请号：CN202411110330.6
申请日：2024-08-14
Applicant: 东北大学
IPC: G06F16/9535 , G06N3/042 , G06N3/0464 , G06N3/08 , G06Q50/20
Abstract: 本发明公开了一种图卷积网络驱动的多任务学习资源推荐方法，涉及智慧教育的技术领域，本发明旨在解决多任务推荐问题，提升学生个性化学习体验并优化学习资源的合理分配，本发明至少包括：分别构建学生与课程、知识概念和视频之间交互关系的图结构；使用图嵌入模块利用改进的图卷积网络对图结构进行处理，学习并生成图嵌入表示；将所述图嵌入表示作为多任务推荐模块的输入，使用多个专家网络进行特征提取，使用门控机制动态整合专家知识，聚合专家表示，得到各个子任务的特定表示；最后同时生成课程推荐、知识概念推荐和视频推荐的结果；实现了基于图卷积网络的多任务推荐，为学生提供更加全面、个性化的学习体验。
-
Patent Agency Ranking
公开(公告)号：CN118152667B
公开(公告)日：2024-07-02
申请号：CN202410571166.2
申请日：2024-05-10
Applicant: 东北大学
IPC: G06F16/9535 , G06F18/214 , G06F18/22
Abstract: 本发明公开了一种面向学生偏好的习题推荐方法，涉及智慧教育的技术领域，本发明旨在解决通过优化习题推荐策略来提高学生学习体验的问题，本发明至少包括如下步骤：形成训练数据集，获取学生与习题的交互行为数据；根据交互行为数据，进行相似程度计算，计算习题之间或学生之间的相似程度；根据相似程度计算结果，选择与目标习题或学生最相似的一组邻域；使用学生对每道题目的尝试次数和相似程度生成学生对题目兴趣程度的预测结果；利用学生与习题的历史交互日志进行建模，根据学生对题目兴趣程度的预测结果为每个学生推荐题目，生成推荐集合；实现了基于学生相似性或习题相似性进行学生偏好习题推荐，为学生提供更加全面、个性化的学习体验。
-
公开(公告)号：CN117556343A
公开(公告)日：2024-02-13
申请号：CN202311585786.3
申请日：2023-11-24
Applicant: 东北大学
IPC: G06F18/2415 , G06Q50/20
Abstract: 本发明提供一种基于Bloom认知理论的知识熟练度计算方法，涉及教育数据挖掘技术领域。该方法首先将学生做题日志和标记的题目‑‑知识点矩阵，分别定义为矩阵R和矩阵Q，进行层级理论假设和层间理论假设，构建知识熟练度计算模型；然后分别利用基于矩阵分解和神经网络BloomCDM的方法，实现BloomCDM模型参数的学习，进而确定学生的知识熟练度矩阵；最后设计高阶知识组结构发现模型HKG‑D，采用特征降维算法和聚类算法，获取高阶知识组结构，从知识组中抽象出高阶知识点，进而完善高阶知识组结构的构建。该方法在建模过程中，提出了知识组和高阶知识组的概念，完善了教育理论在计算科学中的表示。
-
公开(公告)号：CN108194343B
公开(公告)日：2019-04-05
申请号：CN201711410851.3
申请日：2017-12-23
Applicant: 东北大学 , 中国科学院沈阳科学仪器股份有限公司
IPC: F04B51/00
Abstract: 本发明涉及一种真空泵测试系统及测试方法。真空泵测试系统包括分别用于与待测泵室的吸气口和排气口连通的第一和第二真空室、分别测量第一和第二真空室的压力的第一和第二测压系统、为第一和第二真空室供气的供气设备、分别从第一和第二真空室抽气的第一和第二抽气设备、测量和控制第一真空室气体流量的气体流量测控设备、分别控制第一和第二真空室的温度的第一和第二控温设备。真空泵测试方法应用该真空泵测试系统。上述真空泵测试系统和测试方法可提供压力、流量和温度可控的测试环境，可以模拟不同情况下真空泵的抽气状态，且可用于不同种类的真空泵的抽气性能测试。
-
公开(公告)号：CN102289704A
公开(公告)日：2011-12-21
申请号：CN201110127660.2
申请日：2011-05-17
Applicant: 东北大学
IPC: G06K19/077 , B60R13/10
Abstract: 本发明提供一种可紧急启动的有源电子车牌，包括稳压电源、备用电池、微控制器、无线通信芯片、阻抗匹配电路、天线；该有源电子车牌由车辆的蓄电池供电，也可以由备用电池供电；本发明的有源电子车牌：发射功率较大，抗干扰能力强，传输距离长；体积小、重量轻，安装方便；功耗低，节约汽车电源；存储容量大，能够保存足够多的车辆有关详细数据；保密性、可靠性好，能够防止人为攻击、破坏和自然损坏；成本低；相关识别设备可以紧急启动电子车牌，实时广播其电子ID，可以实时跟踪、搜索特定的车辆；本发明的电子车牌可以应用在各种车辆上。
-
公开(公告)号：CN118152667A
公开(公告)日：2024-06-07
申请号：CN202410571166.2
申请日：2024-05-10
Applicant: 东北大学
IPC: G06F16/9535 , G06F18/214 , G06F18/22
Abstract: 本发明公开了一种面向学生偏好的习题推荐方法，涉及智慧教育的技术领域，本发明旨在解决通过优化习题推荐策略来提高学生学习体验的问题，本发明至少包括如下步骤：形成训练数据集，获取学生与习题的交互行为数据；根据交互行为数据，进行相似程度计算，计算习题之间或学生之间的相似程度；根据相似程度计算结果，选择与目标习题或学生最相似的一组邻域；使用学生对每道题目的尝试次数和相似程度生成学生对题目兴趣程度的预测结果；利用学生与习题的历史交互日志进行建模，根据学生对题目兴趣程度的预测结果为每个学生推荐题目，生成推荐集合；实现了基于学生相似性或习题相似性进行学生偏好习题推荐，为学生提供更加全面、个性化的学习体验。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.017 seconds)
