公共文化服务平台

一种基于贝叶斯网络的错题归因方法及系统: 本发明公开了一种基于贝叶斯网络的错题归因方法，通过知识点结构图构建贝叶斯网络，并利用学生做题数据进行贝叶斯网络参数学习和题目做错原因推理，对于输入的每一条数据，均用来更新贝叶斯网络的参数，当需要进行错题归因时，即可用该条...; 钱鸿周爱民吴婷曾奕博邵非

面向“新工科”人才培养的大学计算机专业课程教学改革与实践——以“AIoT系统设计”课程为例: 新工科建设对计算机类专业人才培养提出了新的要求,为了应对当前高等教育体系中计算机专业课程建设在适应新形式、满足新需求方面存在的一些突出问题,提出通过教育理念转变、课程体系完善、教学方法创新、校企合作共建等改革举措改善教学...; 周爱民沈建华邵非; 关键词：课程改革

一种基于罚函数交叉边界法的多目标自适应分类方法及系统: 本发明公开了一种基于罚函数交叉边界法的多目标自适应分类方法，包括步骤1：输入一个待分类的种群P，步骤2：选择参考点集合P<Sub>ref</Sub>，步骤3：初始化边界惩罚参数δ，步骤4：基于罚函数边界相交法的分类，步骤...; 郝昊周爱民钱鸿邵非; 文献传递

基于情感的OCC-PAD-OCEAN联邦认知建模方法: 本发明提供的基于情感的OCC‑PAD‑OCEAN联邦认知建模方法，包括以下步骤：构建VGG‑FACS‑OCC模型，计算出被试视频的情感空间向量；依据OCC‑PAD‑OCEAN模型中的OCC情感空间与PAD心情空间的参数量...; 刘峰张嘉淏王晗阳沈思源贾迅胡静怡周爱民齐佳音李志斌

基于演化序搜索的混合贝叶斯网络结构学习方法被引量：1: 2023年; 贝叶斯网络是一种不确定性知识表示与推理的有效工具,学习其结构是利用这一工具进行推理的基础。现有的贝叶斯网络结构学习算法,在智能教育等应用场景中往往面临着难以权衡有效性与高效性的问题。一方面,评分搜索类方法能搜索到高质量的解,但面临着算法复杂度高的挑战。另一方面,混合类方法效率高,但所找到的解的质量不尽如人意。针对上述问题,提出了一种基于演化序搜索的混合贝叶斯网络结构学习方法(EvOS)。该方法首先通过约束类算法构建无向图骨架,然后利用演化算法搜索最优节点序,最后使用该节点序指导贪婪搜索得到贝叶斯网络结构。基于常用基准数据集以及教育知识结构发现任务,验证了所提方法的有效性与高效性。实验结果表明,所提方法相较于评分搜索类方法,能够在保持相仿精度的情况下最高加速百倍,且有效性显著高于混合类方法。; 李明嘉钱鸿周爱民; 关键词：贝叶斯网络

基于动态批量评估的绿色无梯度优化方法: 2024年; 在基于语言模型即服务的提示词黑盒微调、机器学习模型超参数调节等优化任务中,由于解空间到性能指标之间的映射关系复杂多变,难以显式地构建目标函数,故常采用无梯度优化方法来实现寻优.解的准确、稳定评估是有效实施无梯度优化方法的关键,完成一次解的质量评估常要求在整个数据集上完整运行一次模型,且优化过程有时需要大量评估解的质量.随着机器学习模型复杂度以及训练样本量的不断增加,准确、稳定的解的质量评估时间成本与计算代价越来越高昂,这与绿色低碳机器学习与优化理念背道而驰.有鉴于此,提出了一种基于动态批量评估的绿色无梯度优化方法框架(green derivative-free optimization with dynamic batch evaluation,GRACE),基于训练子集的相似性,在优化过程中自适应动态调节评估解时使用的样本量,使得GRACE在保证优化性能的同时,降低优化成本与代价,达到绿色低碳高效的目标.在语言模型即服务提示词黑盒微调、模型超参数优化等实际任务上进行了实验验证,通过与一系列对比方法以及GRACE消融退化版算法进行比较分析,表明了GRACE的有效性、高效性、绿色低碳性.超参数分析结果表明了其具备超参数稳健性.; 钱鸿舒翔孙天祥邱锡鹏周爱民; 关键词：绿色低碳

一种基于数据关系学习和预测的多目标优化代理模型设计方法及系统: 本发明公开了一种基于数据关系学习和预测的代理模型设计方法，用于提高多目标演化算法的求解效率。其特点是将演化算法中的个体构造为关系对，并利用集成分类学习的方法学习关系数据特征，然后指导演化算法的搜索过程。本发明可以利用已有...; 郝昊周爱民钱鸿邵非李丙栋王帅

一种方便固定的摄像头: 本实用新型提供一种方便固定的摄像头，涉及摄像技术领域，包括主体、保护壳、连接板、气缸和固定装置，主体的表面滑动连接有保护壳，保护壳的表面固定连接有气缸，连接板位于保护壳的后方设置，固定装置位于保护壳的表面设置，固定装置包...; 刘峰张嘉淏王晗阳沈思源贾迅胡静怡周爱民齐佳音李志斌

新教材新学法——“苏教版”语文新教材的学法启示: 2007年; 本文以普通高中课程标准实验教科书语文(苏教版)必修部分为研究对象,通过对苏教版语文教科书所提出的学法指导的分析,给同学们提出了使用新教材过程中的学法建议。; 周爱民; 关键词：学法指导

近似图引导的演化贝叶斯网络结构学习算法: 2024年; 贝叶斯网络结构学习是贝叶斯网络推理及应用的基础.搜索高质量的节点序是贝叶斯网络结构学习的一类重要方法.针对在节点序空间中,搜索高质量节点序存在的难以高效、准确评估解的问题,本文提出了一种近似图引导的演化贝叶斯网络结构学习算法.首先,该算法利用互信息构建无向近似图;其次,该算法通过结合节点序和无向近似图构造有向图结构,将其贝叶斯信息准则评分作为节点序的适应度来高效评估节点序,并在演化优化的框架下,使用提出的基于Kendall Tau Distance的交叉算子和基于逆度的变异算子搜索最优节点序;最后,将搜索到的最优节点序输入K2算法得到其对应的贝叶斯网络结构.在4种不同规模网络上的实验结果表明,该算法在收敛时间和准确度之间取得了较好的平衡,其评分相较于对比算法中的次优解分别提升了10.91%、12.28%、53.96%、10.87%.; 曾奕博钱鸿李丙栋窦亮周爱民; 关键词：贝叶斯网络演化算法互信息 K2算法

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

周爱民