本發(fā)明涉及面向資源受限環(huán)境的輕量化機(jī)器閱讀理解方法，包括：獲取待預(yù)測實(shí)例圖；基于訓(xùn)練集訓(xùn)練邏輯教師模型、語義教師模型以及輕量級學(xué)生模型，訓(xùn)練集包括實(shí)例圖和真實(shí)標(biāo)簽；在訓(xùn)練過程中，通過多階段對比學(xué)習(xí)策略，將邏輯教師模型和語義教師模型的中間...

本申請公開了一種基于適應(yīng)性話語表征的群體互動學(xué)習(xí)智能干預(yù)方法、系統(tǒng)及電子設(shè)備，該方法包括：采集群體互動在線學(xué)習(xí)的學(xué)習(xí)者討論數(shù)據(jù)，包括討論行為和討論文本兩個(gè)方面，并對其進(jìn)行預(yù)處理；構(gòu)建融合大規(guī)模MOOC討論數(shù)據(jù)的深度雙向編碼識別算法，并在...

本發(fā)明公開一種考慮時(shí)間特征和多種學(xué)習(xí)動機(jī)的課程推薦方法與系統(tǒng)，包括：建模學(xué)生、課程和時(shí)間特征嵌入；建模學(xué)生選課動機(jī)；推薦學(xué)生未來選擇的課程。本發(fā)明利用時(shí)序點(diǎn)模型、注意力機(jī)制、自我決定理論理論等技術(shù)方法，系統(tǒng)地對學(xué)生歷史學(xué)習(xí)記錄數(shù)據(jù)進(jìn)行分...

本發(fā)明屬于車輛行程時(shí)間估計(jì)領(lǐng)域，提供一種基于上下文拓?fù)鋱D時(shí)空聚合的時(shí)空軌跡行程時(shí)間估計(jì)方法，包括：1.基于時(shí)序信息構(gòu)建攝像頭拓?fù)鋱D；2.構(gòu)建顧及上下文拓?fù)鋱D的時(shí)空軌跡行程時(shí)間估計(jì)網(wǎng)絡(luò)，通過聚合時(shí)空屬性信息，對步驟1中輸出的攝像頭拓?fù)鋱D進(jìn)...

本申請屬于情緒分類領(lǐng)域，具體公開了一種基于注意力與時(shí)空卷積網(wǎng)絡(luò)的腦電信號情緒識別方法，包括：獲取腦電情緒數(shù)據(jù)集，對所述腦電情緒數(shù)據(jù)集進(jìn)行特征提取，得到微分熵特征數(shù)據(jù)；從所述腦電情緒數(shù)據(jù)集的通道中選出與情緒相關(guān)的多條目標(biāo)通道，并確定每個(gè)目...

本發(fā)明提出了一種基于形變的單圖像三維人體重建方法，旨在從單張照片中重建出既高保真又無任何偽影的著衣三維人體模型，本發(fā)明采用了“拉伸?細(xì)化”雙階段變形策略，巧妙地協(xié)調(diào)了重建寬松服飾所需的大幅度變形與為恢復(fù)細(xì)致表面細(xì)節(jié)所需的精細(xì)變形之間的平...

本發(fā)明涉及抗生素抗性基因?qū)傩詷?biāo)注技術(shù)領(lǐng)域，具體為基于因果推斷理論的抗生素抗性基因?qū)傩詷?biāo)注框架，包括局部特征學(xué)習(xí)模塊、因果表征學(xué)習(xí)模塊以及子任務(wù)預(yù)測模塊，所述局部特征學(xué)習(xí)模塊負(fù)責(zé)提取ARG的局部序列特征，因果表征學(xué)習(xí)模塊運(yùn)用GMM和因果圖...

本發(fā)明屬于零售技術(shù)領(lǐng)域，公開了一種新零售背景下的霧輔助智能購物車認(rèn)證系統(tǒng)與方法，注冊權(quán)威負(fù)責(zé)以離線方式對其他實(shí)體進(jìn)行安全注冊；智能購物車能夠通過RFID讀寫器自動讀取放入購物車的物品；霧節(jié)點(diǎn)用于連接不同協(xié)議的網(wǎng)絡(luò)，可以為智能購物車提供近...

本發(fā)明公開了一種烯丙基胺化合物，其結(jié)構(gòu)通式如式III所示：式III中，Ar表示芳香基I；X選自C或N；n選自0、1或2；R1選自芳香基II或烷基；R2選自?OCH3或?CF3；R3選自芳香基III、萘基或噻吩基。本發(fā)明的烯丙基胺化合物的...

本發(fā)明屬于人體行為動作識別技術(shù)領(lǐng)域，具體涉及基于多維骨骼時(shí)空關(guān)系圖網(wǎng)絡(luò)的人體行為快速識別方法及系統(tǒng)。方法包括：構(gòu)建教師網(wǎng)絡(luò)模型，采用多維骨骼時(shí)空關(guān)系圖網(wǎng)絡(luò)MM?STGCN構(gòu)建教師網(wǎng)絡(luò)模型，MM?STGCN包括多個(gè)基本塊，每個(gè)基本塊均包含...

本發(fā)明公開了一種基于課堂視覺特征的復(fù)雜教學(xué)場景教學(xué)交互行為識別方法，包括根據(jù)課堂視覺特征和教學(xué)交互行為與課堂實(shí)體對應(yīng)關(guān)系，構(gòu)建教學(xué)交互行為數(shù)據(jù)集和課堂實(shí)體數(shù)據(jù)集；構(gòu)建課堂實(shí)體檢測模型，計(jì)算講臺區(qū)域出現(xiàn)人的數(shù)量、時(shí)長以及人在課堂的活動范圍...

本發(fā)明涉及MOOC輟學(xué)方法技術(shù)領(lǐng)域，為基于全局和局部語義融合的學(xué)習(xí)風(fēng)格感知輟學(xué)預(yù)測方法，包括預(yù)處理模塊、學(xué)習(xí)風(fēng)格檢測模塊、學(xué)習(xí)行為建模模塊以及輟學(xué)預(yù)測模塊，所述預(yù)處理模塊對于每一對學(xué)習(xí)者和課程從日志記錄中計(jì)算每周不同的學(xué)習(xí)行為類型的頻率...

本發(fā)明公開了一種腦源活動與噪聲因子同時(shí)估計(jì)的求解系統(tǒng)及方法。該系統(tǒng)包括：數(shù)據(jù)輸入模塊，用于獲取腦源活動采樣數(shù)據(jù)和導(dǎo)聯(lián)場矩陣；采樣數(shù)據(jù)生成模塊，用于根據(jù)所述腦源活動采樣數(shù)據(jù)構(gòu)建腦電采樣數(shù)據(jù)生成模型，對所述腦電采樣數(shù)據(jù)生成模型中的噪聲采用噪...

本發(fā)明公開了一種基于經(jīng)驗(yàn)貝葉斯的多維平滑腦成像系統(tǒng)及方法。該系統(tǒng)包括：數(shù)據(jù)輸入模塊，用于獲取采樣傳感器的導(dǎo)聯(lián)場矩陣和腦源活動采樣數(shù)據(jù)；模型構(gòu)建模塊，用于構(gòu)建采樣數(shù)據(jù)生成模型，所述采樣數(shù)據(jù)生成模型中的腦源活動和采樣噪聲被建模為具有時(shí)間維度...

本申請公開了一種多模態(tài)情感識別方法、系統(tǒng)、電子設(shè)備與存儲介質(zhì)，其中方法包括：獲取待識別語音的頻譜圖及其對應(yīng)的文本；將頻譜圖和文本輸入至多模態(tài)情感識別模型，獲得所述多模態(tài)情感識別模型輸出的情感識別結(jié)果；所述多模態(tài)情感識別模型基于樣本頻譜圖...

本發(fā)明公開了一種單原子Ru負(fù)載的Co<subgt;3</subgt;O<subgt;4</subgt;中空納米盒材料及其制備方法和應(yīng)用。本發(fā)明通過單原子Ru負(fù)載Co<subgt;3</subgt;O&...

本發(fā)明屬于個(gè)性化學(xué)習(xí)技術(shù)領(lǐng)域，公開了一種面向數(shù)字教學(xué)資源的跨模態(tài)多層次分析方法及系統(tǒng)。收集數(shù)字教學(xué)資源，建立教學(xué)資源數(shù)據(jù)庫，由專家進(jìn)行人工標(biāo)注，歸類后進(jìn)行模態(tài)轉(zhuǎn)換和前置處理，通過關(guān)鍵幀抽取和語音識別技術(shù)將數(shù)據(jù)教學(xué)資源轉(zhuǎn)換到圖像與文本模態(tài)...

本發(fā)明公開了一種新型含多氟烷基取代烯烴的制備方法，屬于有機(jī)合成領(lǐng)域，具體涉及一種新型含多氟烷基取代烯烴的制備方法。本發(fā)明以長鏈炔基醇作為底物，與氟化試劑和有機(jī)光催化劑在有機(jī)溶劑中混合，經(jīng)光催化反應(yīng)得到含多氟烷基取代的烯烴類化合物。本發(fā)明...

本發(fā)明公開了一種邊緣特征增強(qiáng)的耕地地塊遙感提取深度學(xué)習(xí)方法，獲取研究區(qū)域的高分遙感影像；獲取高分遙感影像對應(yīng)的真實(shí)耕地地塊黑白二值圖作為樣本標(biāo)簽，獲取真實(shí)耕地地塊黑白二值圖對應(yīng)的真實(shí)耕地地塊邊界圖和真實(shí)耕地地塊距離變化圖，高分遙感影像作...

本發(fā)明提出了一種新的基于知識點(diǎn)間相互作用和學(xué)習(xí)遺忘的追蹤預(yù)測方法和系統(tǒng)，包括：構(gòu)建包含多種關(guān)系的知識結(jié)構(gòu)；實(shí)現(xiàn)特征嵌入；建?？臻g方面的知識點(diǎn)間多種相互作用；建模時(shí)間方面的學(xué)習(xí)遺忘作用；預(yù)測學(xué)生未來答題表現(xiàn)。本發(fā)明利用門控圖神經(jīng)網(wǎng)絡(luò)模型、...