买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国人民解放军国防科技大学申请的专利面向技能切换现象的记忆增强注意力知识追踪方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115983388B 。

龙图腾网通过国家知识产权局官网在2025-12-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211537649.8，技术领域涉及：G06N5/04；该发明授权面向技能切换现象的记忆增强注意力知识追踪方法及系统是由王挺;何亮亮;李骁;唐晋韬;李莎莎设计研发完成，并于2022-12-02向国家知识产权局提交的专利申请。

本面向技能切换现象的记忆增强注意力知识追踪方法及系统在说明书摘要公布了：本发明公开了一种面向技能切换现象的记忆增强注意力知识追踪方法及系统，本发明方法包括将时间步t的练习标签et、技能标签st和响应标签rt嵌入得到练习嵌入xt和知识嵌入yt；对练习嵌入xt和知识嵌入yt进行注意力知识追踪获得上下文知识状态同时采用技能感知记忆增强循环神经网络SMRNN根据输入的练习嵌入xt提取记忆知识将上下文知识状态记忆知识整合得到时间步t的最终知识状态ht；将时间步t的最终知识状态ht和练习嵌入xt的拼接向量输入预测网络以获得预测结果本发明能够学习过程中保存、提取和更新学习者的长期记忆知识，从而在发生技能切换现象时取得更好的学习者响应预测性能。

本发明授权面向技能切换现象的记忆增强注意力知识追踪方法及系统在权利要求书中公布了：1.一种面向技能切换现象的记忆增强注意力知识追踪方法，其特征在于，包括： S101，将时间步t的练习标签、技能标签和响应标签嵌入得到练习嵌入和知识嵌入，其中响应标签是指学习者提交答案的真实反馈标签； S102，对练习嵌入和知识嵌入进行注意力知识追踪获得上下文知识状态；同时采用技能感知记忆增强循环神经网络SMRNN根据输入的练习嵌入提取记忆知识；将上下文知识状态、记忆知识整合得到时间步t的最终知识状态； S103，将时间步t的最终知识状态和练习嵌入的拼接向量输入到预先训练好的预测网络以获得学习者正确响应练习标签、技能标签的预测结果； 步骤S101中得到练习嵌入的函数表达式为： ， 上式中，为激活函数，是技能标签的原始嵌入，为影响参数，表示练习标签的原始嵌入，D为嵌入维度，为练习标签，为技能标签，为响应标签，且有： ， ， ， 上式中，和分别表示技能和练习的独热编码向量；和分别为和的嵌入矩阵；为的嵌入向量，为练习标签的总数量，S表示在线学习平台中技能标签的数量，D为嵌入维度； 步骤S101中得到知识嵌入的函数表达式为： ， 上式中，为激活函数，表示技能-响应对的原始嵌入，为影响参数，表示技能-响应对的原始嵌入的变量向量，D为嵌入维度，为练习标签，为技能标签，为响应标签，且有： ， ， 上式中，和分别表示技能-响应和练习-响应的多热编码向量；和分别为和的嵌入矩阵，技能-响应的多热编码向量为将技能标签的独热编码和响应标签的一位二进制编码0或1进行拼接得到；练习-响应的多热编码向量为将练习标签的独热编码和响应标签的一位二进制编码0或1进行拼接得到； 步骤S102中采用技能感知记忆增强循环神经网络SMRNN根据输入的练习嵌入提取记忆知识包括： S201，根据练习嵌入计算出练习标签与所有潜在概念的相关性权重向量： ， 上式中，为激活函数，为用于存储潜在概念的键-记忆矩阵，C表示潜在概念的数量，D为嵌入维度，为练习嵌入； S202，根据下式检索出记忆知识： ， 上式中，为学习者在时间步t的值-记忆矩阵，用于表征学习者在时间步t对键-记忆矩阵中的每个潜在概念的掌握程度矩阵； S203，根据下式更新学习者在时间步t+1的值-记忆矩阵： ， 上式中，为注意力更新权重，为检索出的记忆知识，表示向量积，和的向量积是一个形状为的矩阵，为练习标签与所有潜在概念的相关性权重向量，为矩阵加，为学习者在时间步t的值-记忆矩阵，且有注意力更新权重的计算函数表达式： ， 其中，表示技能感知注意力更新权重的嵌入矩阵，S表示在线学习平台中技能标签的数量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区砚瓦池正街47号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。