检索结果-维普期刊中文期刊服务平台

序列特征与学习过程融合的知识追踪模型被引量：2: 1; 作者李子杰周菊香 +3 位作者韩晓瑜甘健侯鹿泽光王俊《计算机工程》 CAS CSCD 北大核心 2024年第6期77-85,共9页; 知识追踪是人工智能技术与教育相结合的新兴领域,旨在通过学生过去完成习题的交互序列对学生的知识状态进行评估,是实现大规模个性化学习服务的关键核心技术。随着深度学习在计算机视觉、自然语言处理、推荐系统等领域的广泛应用,知识... 展开更多; 关键词智慧教育深度学习知识追踪学习过程建模 Q矩阵; 在线阅读下载PDF 职称材料

第39届中国计算机应用大会CCF NCCA 2024征稿通知: 2; 作者无《计算机工程与科学》 CSCD 北大核心 2024年第3期570-570,共1页; 随着人工智能、大数据、区块链、物联网、云计算、5G、数字孪生等为代表的计算机应用技术快速发展,并与各行各业融合程度进一步加深,支持各类工业设备、信息系统、业务流程、企业产品与服务、人员之间的互操作技术也愈加复杂。构建一个... 展开更多; 关键词计算机应用技术人工智能信息系统区块链云计算大数据物联网业务流程; 在线阅读下载PDF 职称材料

第39届中国计算机应用大会CCF NCCA 2024征稿通知: 3; 作者无《计算机工程与科学》 CSCD 北大核心 2024年第4期760-760,共1页; 随着人工智能、大数据、区块链、物联网、云计算、5G、数字孪生等为代表的计算机应用技术快速发展,并与各行各业融合程度进一步加深,支持各类工业设备、信息系统、业务流程、企业产品与服务、人员之间的互操作技术也愈加复杂。构建一个... 展开更多; 关键词计算机应用技术人工智能信息系统区块链云计算大数据物联网业务流程; 在线阅读下载PDF 职称材料

基于注意力网络推理图的细粒度图像分类被引量：2: 4; 作者郑智文甘健侯 +2 位作者周菊香欧阳昭相鹿泽光《应用科学学报》 CAS CSCD 北大核心 2022年第1期36-46,共11页; 针对场景图像的细粒度分类任务,结合图像视觉和文本的多模态信息提出了一种基于注意力网络推理图的细粒度图像分类方法。首先提取场景图像的全局视觉特征、局部视觉特征和文本特征,把位置信息分别嵌入局部视觉特征和文本特征后拼接成新... 展开更多; 关键词场景图像多模态图注意力网络节点级注意力语义级注意力; 在线阅读下载PDF 职称材料

基于混合神经网络的协同过滤推荐模型被引量：6: 5; 作者马鑫吴云鹿泽光《应用科学学报》 CAS CSCD 北大核心 2020年第3期478-487,共10页; 数据稀疏性是推荐系统中严重影响推荐结果准确性的重要因素之一.针对数据稀疏性提出了融合卷积神经网络(convolutional neural network, CNN)和降噪自编码(denoising auto-encoder, DAE)神经网络混合的神经网络评分预测模型(convolution... 展开更多; 关键词卷积神经网络降噪自编码神经网络协同过滤稀疏性; 在线阅读下载PDF 职称材料

题名序列特征与学习过程融合的知识追踪模型被引量：2: 1; 作者李子杰周菊香韩晓瑜甘健侯鹿泽光王俊; 机构云南师范大学民族教育信息化教育部重点实验室云南师范大学云南省智慧教育重点实验室中科国鼎数据科学研究院; 出处《计算机工程》 CAS CSCD 北大核心 2024年第6期77-85,共9页; 基金国家自然科学基金(62266054) 云南省教育厅科学研究基金资助(2022Y180)。; 文摘知识追踪是人工智能技术与教育相结合的新兴领域,旨在通过学生过去完成习题的交互序列对学生的知识状态进行评估,是实现大规模个性化学习服务的关键核心技术。随着深度学习在计算机视觉、自然语言处理、推荐系统等领域的广泛应用,知识追踪领域也出现了大量基于神经网络的方法,简称深度知识追踪(DKT)模型。针对目前已有DKT模型在可解释性和准确性方面的不足,提出一种序列特征与学习过程融合的知识追踪模型SLKT,模型包括知识状态模块、序列特征模块、预测模块。知识状态模块用以模拟学生学习过程,序列特征模块捕捉学习者近期学习状况。通过序列特征和学习过程的融合,有效解决了基于知识状态建模方法无法考虑学习者近期学习状况的问题,同时提出一种带约束的动态Q矩阵表示练习和知识点之间的关系,从而更好地进行学习者学习过程建模,在确保较好可解释性的同时有效提升模型的准确性。在3个知识追踪领域公共数据集上的实验结果表明,相比DKT、动态键值记忆网络(DKVMN)、自注意力的知识追踪(SAKT)、卷积知识追踪(CKT)等深度追踪模型,SLKT模型在曲线下面积(AUC)、准确率指标评估中表现较优。; 关键词智慧教育深度学习知识追踪学习过程建模 Q矩阵; Keywords smart education deep learning knowledge tracking learning process modeling Q matrix; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名第39届中国计算机应用大会CCF NCCA 2024征稿通知: 2; 作者无; 机构 CCF计算机应用专业委员会中科国鼎数据科学研究院; 出处《计算机工程与科学》 CSCD 北大核心 2024年第3期570-570,共1页; 文摘随着人工智能、大数据、区块链、物联网、云计算、5G、数字孪生等为代表的计算机应用技术快速发展,并与各行各业融合程度进一步加深,支持各类工业设备、信息系统、业务流程、企业产品与服务、人员之间的互操作技术也愈加复杂。构建一个更高效、更安全、更智能的互操作技术体系是各行业领域当前面临的重要挑战。; 关键词计算机应用技术人工智能信息系统区块链云计算大数据物联网业务流程; 分类号 G23 [文化科学]; 在线阅读下载PDF 职称材料

题名第39届中国计算机应用大会CCF NCCA 2024征稿通知: 3; 作者无; 机构 CCF计算机应用专业委员会中科国鼎数据科学研究院; 出处《计算机工程与科学》 CSCD 北大核心 2024年第4期760-760,共1页; 文摘随着人工智能、大数据、区块链、物联网、云计算、5G、数字孪生等为代表的计算机应用技术快速发展,并与各行各业融合程度进一步加深,支持各类工业设备、信息系统、业务流程、企业产品与服务、人员之间的互操作技术也愈加复杂。构建一个更高效、更安全、更智能的互操作技术体系是各行业领域当前面临的重要挑战。; 关键词计算机应用技术人工智能信息系统区块链云计算大数据物联网业务流程; 分类号 TP39-2 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于注意力网络推理图的细粒度图像分类被引量：2: 4; 作者郑智文甘健侯周菊香欧阳昭相鹿泽光; 机构云南师范大学民族教育信息化教育部重点实验室云南师范大学云南省智慧教育重点实验室德宏师范高等专科学校信息学院中科国鼎数据科学研究院; 出处《应用科学学报》 CAS CSCD 北大核心 2022年第1期36-46,共11页; 基金国家自然科学基金(No.62166050)资助; 文摘针对场景图像的细粒度分类任务,结合图像视觉和文本的多模态信息提出了一种基于注意力网络推理图的细粒度图像分类方法。首先提取场景图像的全局视觉特征、局部视觉特征和文本特征,把位置信息分别嵌入局部视觉特征和文本特征后拼接成新的特征,再将这个新的特征作为图结构的节点生成一个异构图;然后设计两条元路径将异构图分解成两个同构图,并将其分别放入设计有节点级注意和语义级注意的两级注意力网络推理图;最后将输出的节点特征与全局视觉特征进行多模态融合操作,获得更丰富的细粒度特征表达。所提出的模型实现了多模态融合与图注意力网络的有效结合,且在Con-Text和Drink Bottle两个场景文本细粒度图像数据集上与目前主流先进方法相比具有较强的竞争力。; 关键词场景图像多模态图注意力网络节点级注意力语义级注意力; Keywords scene image multimodal graph attention network node-level attention semantic-level attention; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于混合神经网络的协同过滤推荐模型被引量：6: 5; 作者马鑫吴云鹿泽光; 机构贵州大学计算机科学与技术学院中科国鼎数据科学研究院; 出处《应用科学学报》 CAS CSCD 北大核心 2020年第3期478-487,共10页; 基金国家自然科学基金项目(No.61741124)资助。; 文摘数据稀疏性是推荐系统中严重影响推荐结果准确性的重要因素之一.针对数据稀疏性提出了融合卷积神经网络(convolutional neural network, CNN)和降噪自编码(denoising auto-encoder, DAE)神经网络混合的神经网络评分预测模型(convolutional-denosing autoencoder, CDAE)对用户未评分项目进行预测评分,从而解决数据稀疏性问题.首先将向量化后的用户评论数据通过卷积神经网络训练得到用户特征向量矩阵,其次将用户特征向量矩阵作为降噪自编码神经网络的初始权重,结合用户评分数据经过降噪自编码神经网络训练,得到用户-项目预测评分,然后在此基础上进行基于用户的协同过滤推荐.最后使用movielens-1M实验数据集对比验证了提出的混合神经网络协同过滤推荐(convolutional-denosing autoencoder collaborative filtering, CDAECF)模型.实验证明,所提出的CDAECF模型能够有效地结合隐性反馈和显性反馈数据,具有较高的推荐准确率.; 关键词卷积神经网络降噪自编码神经网络协同过滤稀疏性; Keywords convolutional neural network denoising auto-encode neural network collaborative filtering sparsity; 分类号 TP520.60 [自动化与计算机技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	序列特征与学习过程融合的知识追踪模型	李子杰周菊香韩晓瑜甘健侯鹿泽光王俊	《计算机工程》 CAS CSCD 北大核心	2024	2	在线阅读下载PDF 职称材料
2	第39届中国计算机应用大会CCF NCCA 2024征稿通知	无	《计算机工程与科学》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
3	第39届中国计算机应用大会CCF NCCA 2024征稿通知	无	《计算机工程与科学》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
4	基于注意力网络推理图的细粒度图像分类	郑智文甘健侯周菊香欧阳昭相鹿泽光	《应用科学学报》 CAS CSCD 北大核心	2022	2	在线阅读下载PDF 职称材料
5	基于混合神经网络的协同过滤推荐模型	马鑫吴云鹿泽光	《应用科学学报》 CAS CSCD 北大核心	2020	6	在线阅读下载PDF 职称材料