认知结构动态建模和遗忘显式计算的知识追踪模型

1

作者 张维 罗佩华 +2 位作者 李志新 龚中伟 宋玲玲 《计算机科学与探索》 北大核心 2025年第10期2683-2696,共14页

知识追踪任务旨在根据学生历史学习记录来估计学生的知识掌握程度,其中准确建模学习和遗忘行为是精准刻画学生知识状态的关键。现有方法通常基于学生静态知识结构对学习行为进行建模,并通过拼接时间特征和交互信息的隐式方式以改进遗忘... 知识追踪任务旨在根据学生历史学习记录来估计学生的知识掌握程度,其中准确建模学习和遗忘行为是精准刻画学生知识状态的关键。现有方法通常基于学生静态知识结构对学习行为进行建模,并通过拼接时间特征和交互信息的隐式方式以改进遗忘建模。然而,学生的认知结构是随时间变化的,且隐式处理时间特征不能充分利用时间信息。为了解决上述问题,提出了一种认知结构动态建模和遗忘显式计算的知识追踪方法(CSFKT),以更好地捕获学生知识状态变化情况。该方法根据学生答题反馈,使用门控循环单元(GRU)对学生认知结构的邻接矩阵进行更新,构建动态变化的学生认知结构图;基于该认知结构图,利用图神经网络的邻域聚合策略建模知识点相互作用过程;提出一种遗忘显式计算方法,利用间隔时间和遗忘曲线公式显示计算记忆保留概率及衰减后的知识状态,再使用GRU获得当前时刻的知识状态,并预测学生正确作答的概率。在三个真实数据集上进行了大量实验,结果表明CSFKT不仅可以建模动态的认知结构也可以显式建模学生遗忘行为,而且具有优越的性能以及良好的可解释性。 展开更多

关键词 知识追踪 图神经网络(GNN) 门控循环单元(GRU) 认知结构 遗忘曲线

在线阅读 下载PDF 职称材料

基于人工智能的医院信息数据自动化监控系统 被引量：2

2

作者 高明 曹春亚 《电子设计工程》 2025年第2期102-105,111,共5页

为实现医院信息数据的自动化、实时化监控,提升医院运营效率和医疗服务质量,设计基于人工智能的医院信息数据自动化监控系统。数据采集引擎利用传感器,自动化采集患者基本信息、患者临床数据等各类医院数据。所采集数据利用无线通信单元... 为实现医院信息数据的自动化、实时化监控,提升医院运营效率和医疗服务质量,设计基于人工智能的医院信息数据自动化监控系统。数据采集引擎利用传感器,自动化采集患者基本信息、患者临床数据等各类医院数据。所采集数据利用无线通信单元,结合LORA模块与WIFI模块,使用TCP/IP协议传送至STM32F030RCT6处理器。该处理器运行深层递归神经网络,采用单元控制机制,通过遗忘门与更新门进行网络状态的更新,输出异常医院信息数据监测结果,实现医院信息数据的自动化监控。系统测试结果表明,所设计系统能够实时监控医院患者生理数据等不同类型的医院信息数据,实时监测异常医院信息数据,为患者提供更加安全、便捷的医疗服务。 展开更多

关键词 人工智能 医院信息数据 自动化 监控系统 处理器 遗忘门

在线阅读 下载PDF 职称材料

自适应误差修正的EGRU-AM短期风电功率预测方法 被引量：1

3

作者 师洪涛 李希彬 +3 位作者 丁茂生 高峰 李艺萱 杨静玲 《中国测试》 北大核心 2025年第5期131-140,共10页

采用传统误差修正算法可以提升深度学习的时序预测能力,但在正负误差特性挖掘及预测模型自适应修正方面尚待进一步研究。针对上述问题,该文提出一种基于自适应误差修正的EGRU-AM短期风电功率预测方法。首先,提出并建立考虑正负误差的评... 采用传统误差修正算法可以提升深度学习的时序预测能力,但在正负误差特性挖掘及预测模型自适应修正方面尚待进一步研究。针对上述问题,该文提出一种基于自适应误差修正的EGRU-AM短期风电功率预测方法。首先,提出并建立考虑正负误差的评价指标IMAE,进而提出自适应误差反馈修正算法,其通过量化历史正负误差的影响,能够自适应的反馈修正GRU门控结构,降低误差异常值出现的概率;更进一步的,利用历史误差的分布规律构建注意力机制自适应律,以实现对权值计算过程的自适应修正,从而提升注意力机制赋值过程的合理性。经过评价指标的综合衡量和自适应机制的系列模型修正,能够有效突出误差对预测过程和模型性能评估的影响。算例验证表明,该文所提的预测模型与评价指标可进一步挖掘误差信息,提升预测模型的学习能力,进而有效提高风电功率预测精度。 展开更多

关键词 风电预测 自适应误差修正机制 变分模态分解 注意力机制 门控循环单元

在线阅读 下载PDF 职称材料

基于时空信息特征的大规模遥感影像目标物变化检测算法

4

作者 郭志强 吉顺文 丁国章 《测绘与空间地理信息》 2025年第10期119-122,131,共5页

为解决遥感影像规模量过大,影响目标物变化检测精度的问题,设计了基于时空信息特征的大规模遥感影像目标物变化检测算法。构建变分去噪模型,去除遥感影像中的噪声,选取低通高斯核对去噪后的大规模遥感影像进行振幅谱卷积运算,构造遥感... 为解决遥感影像规模量过大,影响目标物变化检测精度的问题,设计了基于时空信息特征的大规模遥感影像目标物变化检测算法。构建变分去噪模型,去除遥感影像中的噪声,选取低通高斯核对去噪后的大规模遥感影像进行振幅谱卷积运算,构造遥感影像的显著图。从遥感影像显著图中,提取遥感影像的纹理特征、时间特征、光谱特征及统计特征,构建高维的叠加特征矩阵,作为遥感影像的时空信息特征。设置大规模遥感影像的时空信息特征作为长短期记忆网络的输入,长短期记忆网络通过输入门、输出门及遗忘门的运算,输出遥感影像目标物变化检测结果。实验结果表明,该算法有效检测遥感影像目标物变化,遥感影像规模量大时,仍具有较高的检测精度。 展开更多

关键词 时空信息特征 大规模 遥感影像 目标物变化 检测算法 遗忘门

在线阅读 下载PDF 职称材料

一种基于GRU的增量学习算法 被引量：1

5

作者 黄振峰 王浩洋 《广西大学学报（自然科学版）》 CAS 北大核心 2023年第3期683-691,共9页

为了提高增量学习过程中模型的灵活性,本文提出一种基于门控循环单元(gate recurrent unit, GRU)的增量学习算法。为了保证模型的稳定性,提出共享主干特征提取网络的低级特征。基于GRU设计了特征融合模块和伪增量学习算法;特征融合模块... 为了提高增量学习过程中模型的灵活性,本文提出一种基于门控循环单元(gate recurrent unit, GRU)的增量学习算法。为了保证模型的稳定性,提出共享主干特征提取网络的低级特征。基于GRU设计了特征融合模块和伪增量学习算法;特征融合模块能够融合神经网络为不同任务产生的高级特征,重建特征表示与分类器的对应关系,实现增量学习过程中神经网络的灵活性。为了验证算法稳定性,本文在CIFAR100、miniImageNet和ImageNet1000数据集上与其他增量学习算法进行了对比实验,分别实现了0.173 0、0.174 7与0.223 0的表现下降率,比最好的基准算法提升了0.028 9、0.059 4与0.011 6。为了验证算法的灵活性,本文在ImageNet1000数据集上实现了0.753 4的top1准确率,比最好的基准算法高出0.129 0。 展开更多

关键词 增量学习 灾难性遗忘 神经网络 特征融合 门控循环单元

在线阅读 下载PDF 职称材料

船舶拥堵水域通行能力预测技术

6

作者 李道科 《舰船科学技术》 北大核心 2024年第12期170-173,共4页

针对船舶交通流量大、水域繁忙情况下,通行能力预测难度过高的问题,提出船舶拥堵水域通行能力预测技术。利用船舶坐标位置以及航行速度,确定船舶状态,建立船舶航行队列模型。依据船舶领域模型确定船舶航行对应的椭圆形区域,作为船舶拥... 针对船舶交通流量大、水域繁忙情况下,通行能力预测难度过高的问题,提出船舶拥堵水域通行能力预测技术。利用船舶坐标位置以及航行速度,确定船舶状态,建立船舶航行队列模型。依据船舶领域模型确定船舶航行对应的椭圆形区域,作为船舶拥堵水域的领域。确定船舶领域内,影响航道容量的相关因素。设置船舶密度、船舶航行速度等水域通行能力影响指标,作为长短时记忆网络的输入。长短时记忆网络通过遗忘门、输入门以及输出门3个门控单元,选择保留或遗忘输入的数据,输出船舶拥堵水域通行能力预测结果。实验结果表明,该技术能够有效预测船舶拥堵水域通行能力,提高航道利用率,保障水域交通安全性。 展开更多

关键词 船舶拥堵水域 通行能力预测 船舶领域 遗忘门 门控单元

在线阅读 下载PDF 职称材料

基于长短期记忆神经网络的企业财务风险预警模型研究 被引量：18

7

作者 林丹楠 李珊珊 +1 位作者 肖世龙 张德育 《南京理工大学学报》 CAS CSCD 北大核心 2021年第3期361-365,374,共6页

为了提高企业财务风险预警的准确度,采用长短期记忆(LSTM)神经网络算法建立企业财务风险预警模型。首先分析企业财务风险预警指标,并选取重要度高的指标构建企业财务风险预警特征样本。然后经过LSTM神经网络训练,采用遗忘门和记忆节点... 为了提高企业财务风险预警的准确度,采用长短期记忆(LSTM)神经网络算法建立企业财务风险预警模型。首先分析企业财务风险预警指标,并选取重要度高的指标构建企业财务风险预警特征样本。然后经过LSTM神经网络训练,采用遗忘门和记忆节点对历史财务数据进行遗忘和筛选,保留部分数据代入下次神经网络训练,通过反向传播获取最优权重与阈值。以企业财务风险预警准确度为目标函数,获得稳定的企业财务风险预警模型。实验证明,LSTM神经网络算法能够对企业财务重要指标进行预测,而且能正确设置企业财务风险预警阈值。通过和常用企业财务风险预警算法对比,本文算法的预警准确率更高。 展开更多

关键词 长短期记忆 神经网络 企业财务风险预警 遗忘门 记忆节点

在线阅读 下载PDF 职称材料

基于随差遗忘长短期记忆的风电功率实时预测 被引量：7

8

作者 李春平 张沛 +2 位作者 彭春华 尹瑞 时珉 《现代电力》 北大核心 2021年第1期110-118,共9页

由于标准长短期记忆(long short-term memory,LSTM)遗忘门更新方式不能实时反映预测误差对模型预测的修正作用,提出随差遗忘长短期记忆(Error Following Forget Gate-based LSTM,EFFG-based LSTM)的风电功率实时预测模型。用上一时刻的... 由于标准长短期记忆(long short-term memory,LSTM)遗忘门更新方式不能实时反映预测误差对模型预测的修正作用,提出随差遗忘长短期记忆(Error Following Forget Gate-based LSTM,EFFG-based LSTM)的风电功率实时预测模型。用上一时刻的风电功率预测值与实际值的误差来更新遗忘门,从而降低上一时刻预测误差对此时风电功率预测精度的影响,提升风电功率滚动预测精度,并采用某实际风电场的历史风电功率数据和数值预报气象数据进行了验证,结果表明:基于EFFG-based LSTM网络风电功率实时预测模型预测值的均方根误差小于3%,满足系统调度相关要求;准确率、合格率达到90%以上,比基于支持向量机和标准LSTM模型具有更高的预测精度。 展开更多

关键词 风电功率 实时预测 时间序列 随差遗忘长短期记忆

原文传递

基于序列遗忘行为的动态键值记忆网络 被引量：1

9

作者 孙浩 洪青青 +1 位作者 魏李婷 李斌 《扬州大学学报（自然科学版）》 CAS 北大核心 2023年第5期58-63,共6页

知识追踪过程中动态键值记忆网络(dynamic key-value memory networks,DKVMN)未考虑答题序列对学生学习和遗忘行为的影响,导致DKVMN预测性能仍有一定的提升空间.针对该问题,提出一种基于序列中遗忘行为的动态键值记忆网络(dynamic key-v... 知识追踪过程中动态键值记忆网络(dynamic key-value memory networks,DKVMN)未考虑答题序列对学生学习和遗忘行为的影响,导致DKVMN预测性能仍有一定的提升空间.针对该问题,提出一种基于序列中遗忘行为的动态键值记忆网络(dynamic key-value memory networks-forget,DKVMN-F).将重复时间间隔视为遗忘因素,过去答题次数视为学习因素,利用门控机制在DKVMN的预测层整合遗忘因素和学习因素.仿真结果表明,相较于同类模型,DKVMN-F模型的曲线下面积(area under curve,AUC)和准确率(accuracy,ACC)分数更高,更加适用于知识追踪任务. 展开更多

关键词 动态键值记忆网络 序列 知识追踪 遗忘行为 门控机制

在线阅读 下载PDF 职称材料

基于紧耦合时空双流卷积神经网络的人体动作识别模型 被引量：8

10

作者 李前 杨文柱 +2 位作者 陈向阳 苑侗侗 王玉霞 《计算机应用》 CSCD 北大核心 2020年第11期3178-3183,共6页

针对视频人体动作识别中动作信息利用率不高、时间信息关注度不足等问题,提出了一种基于紧耦合时空双流卷积神经网络的人体动作识别模型。首先,采用两个2D卷积神经网络分别提取视频中的空间特征和时间特征;然后,利用长短期记忆(LSTM)网... 针对视频人体动作识别中动作信息利用率不高、时间信息关注度不足等问题,提出了一种基于紧耦合时空双流卷积神经网络的人体动作识别模型。首先,采用两个2D卷积神经网络分别提取视频中的空间特征和时间特征;然后,利用长短期记忆(LSTM)网络中的遗忘门模块在各采样片段之间建立特征层次的紧耦合连接以实现信息流的传递;接着,利用双向长短期记忆(Bi-LSTM)网络评估各采样片段的重要性并为其分配自适应权重;最后,结合时空双流特征以完成人体动作识别。在数据集UCF101和HMDB51上进行实验验证,该模型在这两个数据集上的准确率分别为94.2%和70.1%。实验结果表明,所提出的紧耦合时空双流卷积网络模型能够有效提高时间信息利用率和动作整体表达能力,由此明显提升人体动作识别的准确度。 展开更多

关键词 人体动作识别 时空模型 卷积神经网络 遗忘门 特征融合

在线阅读 下载PDF 职称材料

基于注意力机制双通道复合模型的文本情感分类 被引量：3

11

作者 邹波蓉 王一丞 +2 位作者 王伟东 侯庆华 武会斌 《河南理工大学学报（自然科学版）》 CAS 北大核心 2022年第6期155-162,共8页

针对目前常见神经网络在处理中文短文本情感分类任务中对文本数据复杂信息特征提取不完整,致使前后关联性文本学习不充分等问题,提出一种结合注意力机制的双通道复合网络模型。首先对语料进行预处理形成文本向量矩阵;然后在两个通道中... 针对目前常见神经网络在处理中文短文本情感分类任务中对文本数据复杂信息特征提取不完整,致使前后关联性文本学习不充分等问题,提出一种结合注意力机制的双通道复合网络模型。首先对语料进行预处理形成文本向量矩阵;然后在两个通道中分别利用卷积神经网络层,双向耦合输入和遗忘门网络层提取样本向量的局部特征,用以学习前后词向量之间的联系;再分别加入注意力机制网络层,对不同情感密度的文本信息进行权重分配,提高重点信息对句子情感分类的影响强度;最终将两个通道特征向量进行融合,计算文本数据概率分布。提出的多层混合网络模型在京东商品评论集和搜狐新闻数据集上测试结果显示,准确率分别达到93.17%和91.18%,F-SCORE数值达到93.12%和91.12%,验证了该复合模型应用于文本情感分析的有效性。 展开更多

关键词 情感分类 卷积神经网络 双向耦合输入和遗忘门网络 注意力机制 准确率 F-SCORE数值

在线阅读 下载PDF 职称材料

基于CNNCIFG-Attention模型的文本情感分类 被引量：3

12

作者 李辉 王一丞 《电子科技》 2022年第2期46-51,共6页

神经网络在处理中文文本情感分类任务时,文本显著特征提取能力较弱,学习速率也相对缓慢。针对这一问题,文中提出一种基于注意力机制的混合网络模型。首先对文本语料进行预处理,利用传统的卷积神经网络对样本向量的局部信息进行特征提取... 神经网络在处理中文文本情感分类任务时,文本显著特征提取能力较弱,学习速率也相对缓慢。针对这一问题,文中提出一种基于注意力机制的混合网络模型。首先对文本语料进行预处理,利用传统的卷积神经网络对样本向量的局部信息进行特征提取,并将其输入耦合输入和遗忘门网络模型,用以学习前后词句之间的联系。随后,再加入注意力机制层,对深层次文本信息进行权重分配,提高重要信息对文本情感分类的影响强度。最后,将所提出的混合网络模型在京东商品评论集上进行测试。测试结果显示,新方法的准确率达到了92.13%,F-Score数值为92.06%,证明了CNNCIFG-Attention模型的可行性。 展开更多

关键词 情感分类 混合网络模型 卷积神经网络 特征提取 耦合输入和遗忘门网络 注意力机制 权重分配 准确率 F-Score数值

在线阅读 下载PDF 职称材料