本發(fā)明屬于智能教育分析與優(yōu)化技術(shù)領(lǐng)域，公開了一種學(xué)習(xí)者多層級(jí)認(rèn)知水平的動(dòng)態(tài)挖掘方法及系統(tǒng)，通過采集學(xué)習(xí)者在多樣化任務(wù)場(chǎng)景中的行為數(shù)據(jù)并結(jié)合知識(shí)復(fù)雜度張量TKC進(jìn)行多維度特征分解，生成初始的多源特征集合；采用自適應(yīng)標(biāo)準(zhǔn)化技術(shù)將多源特征集合...

本發(fā)明提供了一種基于自適應(yīng)多級(jí)檢索增強(qiáng)的數(shù)學(xué)題生成方法及系統(tǒng)，涉及大語言模型技術(shù)領(lǐng)域，方法包括：將用戶的出題請(qǐng)求輸入生成模型中，得到初始數(shù)學(xué)題；基于多功能導(dǎo)師模型判斷初始數(shù)學(xué)題是否滿足出題目標(biāo)；若滿足，則直接將初始數(shù)學(xué)題作為目標(biāo)數(shù)學(xué)題輸...

本申請(qǐng)屬于網(wǎng)絡(luò)安全技術(shù)領(lǐng)域，具體公開了一種網(wǎng)絡(luò)安全的知識(shí)圖譜構(gòu)建及攻擊路徑預(yù)測(cè)方法，包括：獲取網(wǎng)絡(luò)威脅情報(bào)的攻擊模式；基于安全漏洞與攻擊模式分類標(biāo)準(zhǔn)數(shù)據(jù)和網(wǎng)絡(luò)威脅情報(bào)的攻擊模式，構(gòu)建網(wǎng)絡(luò)安全知識(shí)圖譜；基于文本增強(qiáng)的圖注意力網(wǎng)絡(luò)GAT，對(duì)...

本發(fā)明屬于深度學(xué)習(xí)和教育數(shù)據(jù)挖掘技術(shù)領(lǐng)域，公開了一種基于學(xué)習(xí)行為和反思文本的學(xué)生學(xué)業(yè)表現(xiàn)預(yù)測(cè)方法，本發(fā)明提出針對(duì)學(xué)習(xí)者反思文本的表示框架CE?BERT以獲得反思文本表征。通過提取和驗(yàn)證學(xué)習(xí)行為和反思性文本特征，本研究表明兩者都會(huì)影響學(xué)生...

本申請(qǐng)?zhí)峁┝艘环N深度知識(shí)追蹤解釋方法和裝置，涉及智能導(dǎo)學(xué)分析領(lǐng)域。該方法包括：獲取目標(biāo)學(xué)生的歷史作答記錄和待預(yù)測(cè)題目，并根據(jù)歷史作答記錄按照作答時(shí)間順序構(gòu)建目標(biāo)學(xué)生對(duì)應(yīng)的學(xué)習(xí)交互序列；將學(xué)習(xí)交互序列輸入知識(shí)追蹤模型，以輸出目標(biāo)學(xué)生正確回...

本發(fā)明提供了一種面向電力運(yùn)維文本的信息增強(qiáng)命名實(shí)體識(shí)別系統(tǒng)及設(shè)備。所述系統(tǒng)包括：數(shù)據(jù)集構(gòu)建模塊，用于對(duì)電力設(shè)備運(yùn)維工單中的字符進(jìn)行糾錯(cuò)，確定實(shí)體類別并進(jìn)行實(shí)體標(biāo)注；詞嵌入模塊，用于將單詞從離散的符號(hào)形式轉(zhuǎn)換為連續(xù)的向量表示；位置感知全局...

本申請(qǐng)屬于圖像處理技術(shù)領(lǐng)域，具體公開了一種攝像頭矩形圖像掃描方法及裝置，其中方法包括：獲取攝像機(jī)對(duì)目標(biāo)矩形進(jìn)行拍攝得到的原始圖像；檢測(cè)原始圖像中四邊形區(qū)域的輪廓，有序提取四邊形區(qū)域的四個(gè)頂點(diǎn)的第一坐標(biāo)；將第一坐標(biāo)輸入至預(yù)先構(gòu)建的幾何約束...

本發(fā)明提供了一種基于無偏對(duì)比散度指數(shù)隨機(jī)圖模型的參數(shù)估計(jì)方法及系統(tǒng)，用于對(duì)復(fù)雜關(guān)系網(wǎng)絡(luò)進(jìn)行分析，該方法包括以下步驟：針對(duì)所述觀測(cè)網(wǎng)絡(luò)構(gòu)建指數(shù)隨機(jī)圖模型，并設(shè)置模型的初始參數(shù)；在當(dāng)前參數(shù)下，同時(shí)運(yùn)行主鏈與副鏈兩條馬爾可夫鏈進(jìn)行并行采樣并共...

本發(fā)明公開了一種新型金屬微條電離室，屬于束流位置探測(cè)技術(shù)領(lǐng)域，包括由兩對(duì)陽極板和兩對(duì)陰極板組成；所述陽極板由多條金屬微條電極采用CMOS工藝集成在裸露的頂層金屬上，并與讀出電子學(xué)集成于同一芯片；本發(fā)明通過采用CMOS工藝將電荷收集電極與...

本發(fā)明涉及土地估價(jià)領(lǐng)域，提供一種城市農(nóng)地流轉(zhuǎn)價(jià)格自動(dòng)估價(jià)方法、裝置及設(shè)備，該方法包括：構(gòu)建多維度、多源估價(jià)指標(biāo)體系，計(jì)算估價(jià)指標(biāo)在各估價(jià)單元的指標(biāo)分值；收集實(shí)際成交的城市農(nóng)地流轉(zhuǎn)價(jià)格數(shù)據(jù)并進(jìn)行預(yù)處理；構(gòu)建融合Stacking集成算法的多...

本發(fā)明涉及無機(jī)化學(xué)醫(yī)藥領(lǐng)域，具體涉及基于多金屬氧簇的環(huán)蕃亞胺化合物(簡(jiǎn)稱：多酸環(huán)蕃化合物)的制備方法及白血病細(xì)胞活性抑制作用。該多酸有機(jī)衍生物采用常壓油浴加熱105°回流，濾液經(jīng)過乙醚擴(kuò)散的方法制備得到。衍生物分子式為：C<sub...

本發(fā)明公開了一種多元情緒路徑解析的孤獨(dú)癥癥狀識(shí)別系統(tǒng)，包括：多模態(tài)數(shù)據(jù)采集模塊，用于采集參與者的多模態(tài)數(shù)據(jù)，包括皮膚電活動(dòng)數(shù)據(jù)、眼動(dòng)注視數(shù)據(jù)、腦電活動(dòng)數(shù)據(jù)和面部表情數(shù)據(jù)；數(shù)據(jù)特征提取模塊，用于從多模態(tài)數(shù)據(jù)中分別提取多模態(tài)特征；情緒認(rèn)知模...

本發(fā)明提供了一種基于改進(jìn)YOLOv8結(jié)構(gòu)的小目標(biāo)檢測(cè)方法及系統(tǒng)，該方法包括以下步驟：對(duì)待檢測(cè)圖像進(jìn)行預(yù)處理，以獲得輸入標(biāo)準(zhǔn)化圖像；將標(biāo)準(zhǔn)化圖像輸入至YOLOv8的骨干網(wǎng)絡(luò)，提取不同尺度的特征圖；將特征圖輸入至YOLOv8的頸部網(wǎng)絡(luò)進(jìn)行特...

本發(fā)明涉及生物技術(shù)領(lǐng)域，公開了一種含硝基的二苯醚類化合物及其應(yīng)用、冠狀病毒HCoV?OC43抑制劑。該含硝基的二苯醚類化合物具有式(I)所示的結(jié)構(gòu)，對(duì)冠狀病毒HCoV?OC43具有好的抑制效果，且能夠克服交叉耐藥性的問題。

本發(fā)明提供了一種基于智能體模擬教學(xué)場(chǎng)景的數(shù)學(xué)推理數(shù)據(jù)合成方法及系統(tǒng)，涉及大語言模型技術(shù)領(lǐng)域，方法包括：獲取公開的思維鏈數(shù)據(jù)集，將待提升數(shù)學(xué)推理能力的大語言模型在思維鏈數(shù)據(jù)集上進(jìn)行推理，得到大語言模型在每個(gè)問題上的錯(cuò)誤率；創(chuàng)建多角色智能體...

本發(fā)明公開一種重要空間與光譜特征自學(xué)習(xí)的湖泊COD反演方法，獲取水體取樣點(diǎn)的高光譜影像和真實(shí)COD值，生成原始訓(xùn)練集和原始測(cè)試集；構(gòu)建COD參數(shù)反演模型；調(diào)整原始訓(xùn)練集中樣本的選定波段的光譜數(shù)據(jù)，生成選定波段對(duì)應(yīng)的重建訓(xùn)練集，利用原始訓(xùn)...

本申請(qǐng)?zhí)峁┑亩嗔６日Z義與動(dòng)態(tài)高斯建模的弱監(jiān)督組合時(shí)刻檢索方法，方法包括：提取視覺特征和文本特征；基于插槽注意力機(jī)制的多粒度語義建模方法，生成多樣化提案集；基于動(dòng)態(tài)高斯建模方法，動(dòng)態(tài)調(diào)整多樣化提案集內(nèi)部的幀權(quán)重分布；基于掩碼重構(gòu)的提案挑選...

本申請(qǐng)屬于教育理論和計(jì)算機(jī)科學(xué)技術(shù)領(lǐng)域，具體公開了一種基于知識(shí)層級(jí)結(jié)構(gòu)建模的知識(shí)追蹤方法及系統(tǒng)，方法包括：獲取知識(shí)層級(jí)樹和知識(shí)關(guān)聯(lián)圖；獲取各節(jié)點(diǎn)的嵌入表示；基于各節(jié)點(diǎn)的嵌入表示結(jié)合知識(shí)層級(jí)樹對(duì)各節(jié)點(diǎn)的跨層級(jí)信息進(jìn)行聚合，得到知識(shí)層級(jí)樹對(duì)...

本發(fā)明公開了一種融合空間和語義信息的林地遙感提取深度學(xué)習(xí)方法，本發(fā)明基于深度學(xué)習(xí)模型來構(gòu)建S2?IFNet模型，首先構(gòu)建雙分支特征提取模塊分別提取林地的空間和語義特征，然后加入邊界特征增強(qiáng)S2?IFNet模型以增強(qiáng)林地邊緣特征，再引入注...

本發(fā)明涉及計(jì)算機(jī)視覺與智能交通領(lǐng)域，提供一種基于視覺語言大模型的零訓(xùn)練車輛重識(shí)別方法，包括：動(dòng)態(tài)多粒度文本生成，利用視覺語言大模型對(duì)車輛進(jìn)行視覺特征分析生成結(jié)構(gòu)化層次描述，通過構(gòu)建層次化生成框架，分層生成車型、顏色、視角的基礎(chǔ)語義標(biāo)簽和...