一种基于Transformer深度知识追踪模型

    公开(公告)号:CN115526745A

    公开(公告)日:2022-12-27

    申请号:CN202210503495.4

    申请日:2022-05-09

    Abstract: 本发明公开了一种基于Transformer深度知识追踪模型,其主要包括:首先,对学生数据进行筛选,并将筛选后的数据标签分组作为输入模型的长序列数据;其次,对学生交互数据进行卷积处理,减少模型因异常点带来的影响;接下来,通过交互序列中的时间信息,计算下一次交互的遗忘因子,并将其添加到模型的注意力矩阵中,对学生遗忘行为进行建模;然后,使用自注意力模型Transformer把学生长序列交互数据分别作为编码器和解码器的输入,对学习过程建模;最后,将解码器的输出经过一个Sigmoid激活的预测层,得到最终的预测结果。本发明致力于解决循环神经网络在应用于知识追踪领域中存在的可解释性问题以及长期依赖问题,并可以进一步提高知识追踪模型的性能。

    一种公路护栏立柱埋深及缺陷智能检测系统

    公开(公告)号:CN111780696A

    公开(公告)日:2020-10-16

    申请号:CN202010677365.3

    申请日:2020-07-14

    Abstract: 一种公路立柱埋深智能检测系统,其特征在于:由信号激励电路、信号接收电路、激励换能器、接收换能器和上位机组成;激励换能器和接收换能器均由支撑结构、线圈和永磁体组成;每个线圈都采用单层跑道形;每个永磁体均采用长方体形状;支撑结构整体采用环形结构,且在该支撑结构的周向上间隔地开设有槽,将换能器的线圈通过槽固定在换能器的支撑结构上;在支撑结构上,沿周向开有通孔,用以实现永磁体的固定。采用扭转模态导波,因此每2个相邻的永磁体的磁场方向相反;激励换能器套设在护栏立柱的顶端;信号激励电路的输出端与激励换能器的输入端相连;接收换能器套设在护栏立柱的中部即护栏立柱与土壤的交界面处;接收换能器的输出端与信号接收电路相连。

    一种机械蓄能式门把手延时消毒装置

    公开(公告)号:CN111535659A

    公开(公告)日:2020-08-14

    申请号:CN202010220245.0

    申请日:2020-03-26

    Abstract: 本发明涉及一种机械蓄能式门把手延时消毒装置,包括消毒喷洒机构、滑轨滑块机构、延时机构、外壳、传动机构。所述消毒喷洒机构包括消毒水储存罐、喷头;所述滑轨滑块机构包括滑块、滑轨;所述延时机构包括活塞、壳体、弹簧、右导气小孔、钢珠、左导气小孔;所述传动机构包括上连杆、下铰链轴、下连杆、抱紧、上铰链轴。本发明的优点在于通过消毒喷洒机构、滑轨滑块机构、延时机构、传动机构的相互配合工作,可以实现门把手自动且及时的消毒工作,减小了人工作量的同时,大大提高了消毒的效率,保证了消毒的可靠性的同时降低了换整个门把手带来的成本。

    基于知识图谱与图注意力网络的课程推荐方法

    公开(公告)号:CN116431834A

    公开(公告)日:2023-07-14

    申请号:CN202310506033.2

    申请日:2023-05-08

    Abstract: 本发明涉及机器学习、深度学习、推荐算法以及数据挖掘等技术领域,具体是一种基于知识图谱与图注意力网络的课程推荐方法。本发明整体为收集课程数据构建知识图谱三元组(头节点,关系,尾节点)数据,利用模型推荐模块对输入用户、物品和用户对物品的喜好值进行训练,提取用户和物品的高阶特征信息;利用模型表示学习模块对输入的知识图谱三元组数据进行训练;模型信息交互单元模块对物品在推荐任务中的特征与其在知识图谱中表示学习中的特征进行融合,同时输入节点连接信息,辅助算法进行节点邻域信息的增强;最后,将得到的用户和物品特征向量表示,通过向量积计算得分,然后将得分进行归一化处理得到用户对物品的喜好值的预测。

    一种分层Attention深度学习模型的课程推荐方法

    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

    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。

    三倍布里渊频移间隔的多波长布里渊光纤激光器

    公开(公告)号:CN111834877A

    公开(公告)日:2020-10-27

    申请号:CN202010701328.1

    申请日:2020-07-20

    Abstract: 本文公开了一种三倍布里渊频移间隔的多波长布里渊光纤激光器。包括可调激光器(1)、第一光纤耦合器(2)、第一光环形器(3)、第一光放大器(4)、第一布里渊光纤(5)、第二光纤耦合器(6)、第二光放大器(7)、第二布里渊光纤(8)和第二光环形器(9)。可调激光器用作布里渊泵浦,利用两个光放大器的功率增益,在第一布里渊光纤和第二布里渊光纤中循环发生级联受激布里渊散射,可产生三倍布里渊频移间隔的多波长布里渊光纤激光器。该多波长布里渊光纤激光器方法装置结构简单、成本低,在光通信、微波光子及光纤传感中均具有应用潜力。

    一种基于深度会话兴趣交互模型的课程推荐方法

    公开(公告)号:CN114564639A

    公开(公告)日:2022-05-31

    申请号:CN202210114867.4

    申请日:2022-01-31

    Abstract: 本发明公开了一种基于深度会话兴趣交互模型的课程推荐方法,其特征主要包括:筛选和预处理用户数据,将用户与项目的行为信息按照时间排序,并以一天为时间间隔划分会话;为了刻画用户动态变化的兴趣,丰富用户兴趣表示,将GRU应用于捕获用户动态偏好中;接下来,将用户最近行为数据和动态兴趣表示输入到第二层Attention网络中,得到用户的多角度兴趣表示;最后,将用户的多角度兴趣表示和课程向量表示做内积,选择每个候选项目得分高的为学生进行推荐,从而解决目前基于课程推荐方法中,没有考虑到用户与项目的交互过程存在噪声项目的影响以及静态且低秩的向量无法充分表达用户的兴趣的问题。

    一种基于自注意力机制的深度知识追踪模型

    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

    Inventor: 刘铁园 陈威 常亮

    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。

    一种基于二氧化钒的电/光可调太赫兹双频吸收器

    公开(公告)号:CN112018521A

    公开(公告)日:2020-12-01

    申请号:CN202010866866.6

    申请日:2020-08-26

    Abstract: 本发明为一种基于二氧化钒的电/光可调太赫兹双频吸收器,其主要特征是:包括金属基底、位于金属基底之上的高阻硅层和固定于高阻硅层表面的二维阵列,每个阵列单元包括一个小尺寸方形开口环金属结构、一个大尺寸方形开口环金属结构、2个相变垫片和1条引线。上相变垫片处于单元内引线上侧的小尺寸方形开口环金属结构开口处,下相变垫片处于单元内引线下侧的大尺寸方形开口环金属结构开口处。二维阵列两侧各固定一电极,分别连接直流电源的正负极。吸收器的调谐触发方式为两种,电触发与激光触发。本发明可用电/光实现太赫兹双频吸收器的快速有效调谐,无需繁琐的更换不同吸收频率太赫兹吸收器,适用于不同场合,操作简单。

Patent Agency Ranking