公开(公告)号：CN118279424A

公开(公告)日：2024-07-02

申请号：CN202410362791.6

申请日：2024-03-28

Applicant: 东北大学

Inventor： 张馨艺 ,  张天成

IPC: G06T11/00 ,  G01R33/48

Abstract: 本发明提供一种基于可变形注意力和可逆网络的多对比度MRI重建方法，涉及医学成像技术领域。提出一种新的多对比度MRI重建模型，所述模型总体框架包括T个递归块，每个递归块由一个可变形注意力块DAB和一个可逆神经块INB组成；DAB用来挖掘不同对比度之间的对应关系，并自适应地从参考图像到目标图像提取高频细节；INB用来有效融合提取的参考特征和目标特征。本发明方法与现有技术对比，能够实现最佳的性能，可以以较少的误差重建高质量的图像。

公开(公告)号：CN116680477A

公开(公告)日：2023-09-01

申请号：CN202310703313.2

申请日：2023-06-14

Applicant: 东北大学

Inventor： 张天成 ,  李季 ,  李捷 ,  张馨艺 ,  于明鹤 ,  于戈

IPC: G06F16/9535 ,  G06N3/0442 ,  G06N3/092 ,  G06N3/048 ,  G06N3/047

Abstract: 本发明提供一种基于强化学习的个性化习题推荐方法，涉及教育数据挖掘技术领域。本发明首先获得学习者学习记录，通过知识追踪模型判断出学习者潜在的知识水平，将其作为学习者特征的一部分，使得对学习者的特征建模更加准确。之后通过强化学习算法来删除习题记录中学习者误选到的不满意的习题，从而提升推荐的准确性。最后通过个性化推荐模型对学习者进行习题推荐。本发明将个性化推荐、知识追踪、强化学习算法相结合，在考虑学习者潜在知识水平的同时，还去掉了学习过程中误选习题带来的影响，具有重要的理论和实际运用价值。

公开(公告)号：CN116521997A

公开(公告)日：2023-08-01

申请号：CN202310507281.9

申请日：2023-05-08

Applicant: 东北大学

Inventor： 张天成 ,  李季 ,  李捷 ,  张馨艺 ,  于明鹤 ,  于戈

IPC: G06F16/9535 ,  G06Q50/20 ,  G06F16/35 ,  G06F40/289 ,  G06F40/216 ,  G06N5/025 ,  G06N5/01 ,  G06N20/20 ,  G06N3/04 ,  G06N3/092 ,  G06N3/098

Abstract: 本发明提供一种基于强化学习的个性化学习路径推荐方法，涉及教育数据挖掘技术领域。该方法首先根据学者的学习记录构建学习者模拟器，该模拟器能够判断出学习者的学习水平；然后通过基于文本分类和关联规则挖掘的概念图自动构建模型自动构建练习题所包含的知识点间的知识关系图；再基于知识关系图以及认知诊断模型设计一个练习题导航模块，选择潜在的候选练习题；强化学习智能体在动作空间中选择动作后，在状态空间中确定状态转移，根据损失函数和优化策略更新模型参数，优化强化学习模型；最后使用设计的强化学习模型给学习者推荐练习，并根据学习者的学习情况更新强化学习模型参数。该方法能为学习者推荐高效合理的学习路径。