基于全范围头部姿态估计的教师注意力识别算法

探究教师注意力对于评估课堂教师行为具有极其重要的研究价值。然而,现有的教师注意力识别算法存在无法应对极端头部姿态角度等问题。为此,提出一种基于6DRep Net360模型的教师注意力状态识别算法,提升极端角度中头部姿态估计算法的准确性。相较于传统的依赖条件判断来分类教师注意力状态的方法,设计一种基于支持向量机(SVM)的教师注意力分类模型,对复杂头部姿态角度进行注意力状态的精准识别。为进一步解决算法稳定性和准确性带来的误差数据,提出基于滑动窗口的数据清洗算法,有效提高整体识别结果的真实性和可靠性。通过在构建的CCNUTeacherS tat e数据集上进行一系列的算法评估,实验结果表明,所提出的教师注意力识别算法在CCNUTeacherS tate数据集上达到了90.67%的准确率。

基于注意力机制的文本挖掘深度混合推荐模型

当前,从海量的互联网信息中获取满足用户需求的视频资源变得越来越困难,用户面临严重的信息焦虑和信息过载问题,然而各种辅助信息中蕴含着大量的与用户兴趣偏好及项目特征相关的信息并没有在经典推荐系统中得到利用.鉴于深度学习在特征提取和注意力机制在特征选择方面的突出表现,充分有效利用各种辅助信息缓解矛盾是当前研究的热点和难点问题.针对以上问题,该文提出了一种新颖的利用文本上下文信息的深度混合推荐方法.该方法将视频标题和视频简介组合,经过预训练的词嵌入模型Glove转化为词向量,通过融合多头注意力机制的卷积神经网络提取项目潜藏因子,再结合概率矩阵分解实现用户对视频资源的评分预测.在ML-100k、ML-1m、ML-10m、Amazon四个公开数据集上的实验结果表明,该研究提出的方法结果优于PMF、CDL、ConvMF等基线模型.

基于KNN算法的可变权值室内指纹定位算法

针对基于静态权值的室内指纹定位算法存在定位精度低、定位结果不稳定以及环境适应性差等问题,提出一种以欧氏距离为权值参考的可变权值室内指纹定位算法。该算法分为离线采样阶段和在线定位阶段。离线采样阶段对接收信号强度指示(RSSI)值进行高斯滤波去噪构建指纹库。在线定位阶段引入权值指数α、β,分别以RSSI、欧氏距离为权值参考计算最近邻点及其加权质心,得出待测节点的坐标。实验结果表明,相比KNN和RW算法,该算法定位精度高,其平均误差为0.965m,且定位误差波动小。

创客教育的思想流变与实践进路——兼论“创中学”对“做中学”和“发现学习”的超越

从历史纵深的视角来考察创客教育的思想流变和实践进路,可以发现,创客教育思想流变经历了从“做中学”到“发现学习”、再到“创中学”的“三段论”,而“工程实践”与“智能造物”又构成了创客教育实践进路的“二重奏”。具体而言,杜威的“做中学”是创客教育最早的思想源头,但其在实践中却面临“有做但没有学”的挑战。布鲁纳的“发现学习”为创客教育提供了科学基础,试图超越“做中学”中“有做但没有学”的问题,然而其在教学应用中却步入了“重认知轻技能”的歧路。而佩伯特最终用“创中学”的新理论,统合了“做中学”和“发现学习”,形成了今日创客教育实践的核心理念,有效实现了既动手又动脑、既有做也有学、手脑协调、做学共进的目标。依循创中学的新框架,创客教育将沿着“工程实践”与“智能造物”的交互进路持续向前,在统合作为科学理论与技术方法的创客工程的基础上,力图以造物实践拨动学生心灵的琴弦,以此不断推动21世纪教育的改革与创新。

基于角度几何特征的人脸表情识别

人脸表情变化有其心理学上的理论基础,几何特征通常能直观地描述表情的变化。一般的表情识别方法直接利用几何特征和面部纹理信息进行特征提取,通常需要用到不同的图像算法。针对细致的表情变化特点,基于特征点计算角度几何特征,作为表情识别的重要依据,直接利用特征点的好处是可以避免一些过多的图像处理算法,在特征点比较稳定的情况下,能够得到较满意的识别效果。在支持向量机上采用不同的核函数对表情分类和识别,同时进行交叉验证。对特征向量进行优化和组合使得所选取的特征向量能最大限度地表现表情的本质。在CK+表情库上测试该方法,得到的正确率为95.16%。

基于增强序列表示注意力网络的中文隐式篇章关系识别

中文隐式篇章关系识别通过分析论元之间的语义结构从而得到两个论元的逻辑关系,而论元的序列信息对于抽取这种语义结构至关重要。现有研究通过论元层级的交互来提升序列表达,但这种方式忽略了原始论元中的字、词粒度的序列信息。因此,通过一种循环卷积模块(RC-Encoder)来增强注意力网络架构(TLA-Encoder)的序列表达。RC-Encoder采用Bi-LSTM来提取初始论元的序列特征,并通过一种局部卷积(Local Convolution)过滤出重要的序列信息。将TLA-Encoder的编码作为一种外部记忆,引入一种外部注意力机制反复阅读RC-Encoder的序列编码从而生成最终的论元表示。在公开数据集(HIT-CDTB)上展开实验,结果表明该模型在Micro-F1和Macro-F1上超了过多个基准模型。

Research on the Application Framework of Intelligent Technologies to Promote Teachers’Classroom Teaching Behavior Evaluation

With the advantages of real-time analysis and visual evaluation results,intelligent technology-enabled teaching behavior evaluation has gradually become a powerful means to help teachers adjust teaching behaviors and improve teaching quality.However,at present,the evaluation of intelligent teachers’behaviors is still in the preliminary exploration stage,and the application research is not deep enough.This paper analyzes the application of intelligent technology in the evaluation of teachers’classroom teaching behaviors from the perspectives of evaluation data,methods,and results.Voice print recognition technology is used to recognize the teachers’identities and track the speech in the classroom videos,and the videos are segmented.Then,the evaluation framework of teachers’classroom teaching behaviors is constructed using three dimensions of emotion,posture,and position preference.Finally,evaluation results are presented to teachers in a more intuitive and easy-to-understand visual way,to help teachers reflect on teaching.This paper aims to promote the transformation of teachers’classroom teaching behavior evaluation toward an intelligent,efficient,and sustainable direction through current research.