基于动态图卷积的图像情感分布预测

针对图像情感分布学习中,视觉特征与高阶情感语义之间存在语义鸿沟以及情感标签具有主观性和模糊性的问题,提出了一种情感语义动态图卷积网络模型。该模型通过情感激活模块自动定位情感语义区域,从而有效挖掘契合情感语义的内容表征;通过动态图卷积模块自适应地捕获图像情感标签之间的语义关联性;最终构建并行结构输出联合局部语义和标签相关性的情感预测分布。在3个公开情感数据集上的实验结果证明了本文算法在图像情感分布预测任务中的有效性。

AI全科教师开发:基础、模型与关键技术

随着技术的飞速发展,人工智能所驱动的技术和设备开始进入课堂。与传统教学相比,人工智能参与的这种新的协作教学形式,重新定义了学生和教师等行为者的相互角色,其所面临的主要挑战在于,需要借助技术为AI全科教师构建有意义的教学经验,从而解决教学专业技能不足、感知力欠缺和反馈性弱等问题。该研究首先采用教育学经典的知识论与认识论作为理论基础,设计了对教学极为重要的AI全科教师知识体系以及双师课堂混合智能模式。其次,基于任务导向型技术构建了问答与对话系统,基于视觉代理技术感知学习者表情特征,精确计算有关教学互动和情绪状态的多模态数据。在此基础上,拥有在复杂、非结构性以及动态环境中作出判断能力的AI全科教师便可胜任重复性的知识传授任务,与人类教师一起形成新的“双师课堂”教学模式。