期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
融入课程知识图谱的KMAKT预测 被引量:2
1
作者 王炼红 林飞鹏 +2 位作者 李潇瑶 谌桂枝 周莉 《计算机工程》 CAS CSCD 北大核心 2024年第7期23-31,共9页
现有多数深度知识追踪模型的知识追踪结果的可解释性弱,且忽视了习题与知识点的内在关联性对知识追踪效果与预测结果的影响。针对上述问题,提出一种用于学生表现预测的结合课程知识图谱与多头注意力机制的知识追踪(KMAKT)模型。首先,采... 现有多数深度知识追踪模型的知识追踪结果的可解释性弱,且忽视了习题与知识点的内在关联性对知识追踪效果与预测结果的影响。针对上述问题,提出一种用于学生表现预测的结合课程知识图谱与多头注意力机制的知识追踪(KMAKT)模型。首先,采用Word2Vec和双向长短期记忆(Bi LSTM)网络将习题作答序列数据转换为低维稠密向量,利用图嵌入模型Trans R进行课程知识图谱嵌入表示,并使用多头注意力机制计算过往习题作答序列对当前知识状态的贡献程度;然后,通过注意力网络挖掘前驱知识对预测结果的影响程度;最后,通过多层神经网络获取预测结果,提高模型的可解释性与预测精度。实验结果表明,KMAKT模型在ASSISTments2017数据集上的受试者工作特征曲线下的面积(AUC)、准确率和F1值相比于深度知识追踪(DKT)模型分别提升了约5.20、4.20和2.40个百分点,具有较好的预测性能。在湖南大学信号与系统(HNU_SYS)子数据集上的知识追踪可视化结果验证了KMAKT模型的知识追踪结果符合教育学认知规律且具备一定程度的可解释性。 展开更多
关键词 表现预测 课程知识图谱 注意力机制 知识追踪 长短期记忆网络 语义特征
在线阅读 下载PDF
基于单目视觉的车辆前方障碍物测距方法 被引量:8
2
作者 高维岳 陈宇拓 +1 位作者 刘洋 陈标 《计算机工程与设计》 北大核心 2022年第4期1016-1022,共7页
针对行车过程中的防碰撞预警问题,提出一种基于单目视觉车辆前方障碍物检测与测距方法。为解决传统车辆检测泛化性差且人工提取特征不准确问题,通过深度学习目标检测YOLOv4算法对车辆前方多种障碍物进行检测,获取障碍物的类别信息与位... 针对行车过程中的防碰撞预警问题,提出一种基于单目视觉车辆前方障碍物检测与测距方法。为解决传统车辆检测泛化性差且人工提取特征不准确问题,通过深度学习目标检测YOLOv4算法对车辆前方多种障碍物进行检测,获取障碍物的类别信息与位置信息。运用改进的边缘检测算法调整检测框的位置,提升检测算法目标定位的准确性。根据摄像机成像原理及几何关系,得到路面三维坐标与像平面二维坐标转换模型从而进行测距,对所得测量数据进行三次曲线拟合、对测距过程和算法进行优化提升测距精度。在50 m范围内平均误差为0.54 m,在80 m范围内平均测距误差为0.78 m。实验分析对比结果表明,所提方法能够实现较精准、高效率的单目视觉测距。 展开更多
关键词 单目视觉 目标检测 YOLOv4算法 障碍物测距 三次Bezier曲线拟合
在线阅读 下载PDF
转轴零件注塑工艺分析及双色模具设计 被引量:14
3
作者 魏东坡 周静 《工程塑料应用》 CAS CSCD 北大核心 2020年第6期88-91,共4页
以一种转轴零件为例,分析并设计了一套典型的双色热流道注塑模具。利用Moldflow软件分析了聚丙烯和热塑性弹性体双色塑料的注射成型工艺,从最佳浇口位置的选取入手,预测了成型过程中可能出现的各种缺陷,给模具设计提供可靠的技术支持。... 以一种转轴零件为例,分析并设计了一套典型的双色热流道注塑模具。利用Moldflow软件分析了聚丙烯和热塑性弹性体双色塑料的注射成型工艺,从最佳浇口位置的选取入手,预测了成型过程中可能出现的各种缺陷,给模具设计提供可靠的技术支持。该双色模具采用旋转型芯式两板模结构,利用液压驱动的侧抽芯结构完成侧面异性凸台、凹槽等特征的成型,使得零件的脱模动作便于控制,滑块的运动也稳定准确。在模具分型面上,还根据零件的外形设计了封胶结构,保证了两次注塑过程产品的完整性。模具经生产验证,工作过程稳定,所成型产品性能良好,满足生产要求。 展开更多
关键词 转轴零件 注射成型工艺 热流道 双色模具 MOLDFLOW
在线阅读 下载PDF
Apriori算法及神经网络在数控机床中应用研究 被引量:2
4
作者 郭俊 王颖 +1 位作者 李卓 邓国群 《机床与液压》 北大核心 2023年第18期67-73,共7页
数控机床加工精度受到机床零部件、外部环境等因素的影响,从而需要添加适当的补偿参数确保加工精度的稳定性,另外,不同车床不同时刻的补偿参数实时变化。为此,提出一种基于关联规则及神经网络方法的智能误差补偿模型。以实际生产中产生... 数控机床加工精度受到机床零部件、外部环境等因素的影响,从而需要添加适当的补偿参数确保加工精度的稳定性,另外,不同车床不同时刻的补偿参数实时变化。为此,提出一种基于关联规则及神经网络方法的智能误差补偿模型。以实际生产中产生的数据集为基础,通过Apriori算法对数据集进行筛选;对各个特征值与补偿参数进行归一化处理,以提高数据的收敛速度;利用神经网络模型为不同情形下的车床搜寻最佳补偿参数模型,从而构建起最佳的智能误差补偿模型;经过智能误差补偿后,对生产的物件进行图像识别,分析其是否符合精度要求。仿真测试结果表明:针对训练集数据和测试集数据,车床稳定性分别提高了0.695和0.713。实测结果显示:利用上述方法,对30个产品进行雕刻,精度均符合要求。因此,智能误差补偿模型能够提高车床加工稳定性,提升产品合格率。 展开更多
关键词 APRIORI算法 神经网络 数控机床 智能误差补偿模型
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部