摘要：为实现遥感图像水体的自提区,结合图片灰度值的分布,做出水体灰度值与非水体灰度值均服从高斯分布的假设,融合高斯混合模型,提出一种基于图割的图像分割算法,解决了传统图割算法需要人工标注的问题,能准确地在遥感图片中提取水体区域。对通过高斯滤波处理后的真实遥感图像进行实验,采用EM算法计算高斯混合模型的相关参数,利用高斯混合模型计算图割中t-link的权重,采用增广路径法解决最大流最小割问题对图像进行分割。对比阈值分离相关算法,融合高斯混合模型的图割算法具有较高的准确率,省去传统图割算法中人工标记这一环节。

摘要：由中德科学中心资助、华中师范大学教育大数据应用技术国家工程实验室承办的GZ1531国际学术研讨会于3月25日至29日在中国武汉华中师范大学召开。研讨会的主题是“人工智能驱动教育技术发展的中德视角”,契合了近年来教育领域和计算机领域的专家学者在“人工智能+教育”中的深度融合和创新发展方面所做的努力。与会嘉宾围绕“人工智能+教育”的深度认知(教育场景下人工智能的优劣势和可融入层次、机遇和挑战、理解视域)和应用案例(自适应学习系统的开发设计、基于新技术的“人工智能+教育”应用、“人工智能+教育”的数据采集与分析)作了精彩报告,并就中德双方未来的研究项目和学术合作(中德“人工智能+教育”白皮书的制定、自适应学习中的学习推荐和干预方法、基于多模态数据的学习分析与智能学习同伴研发)展开了深入研讨。对上述主题研究成果及进展的集中呈现和探讨,将有助于推动“人工智能+教育”的未来研究和应用实践。

摘要：认知追踪是一种动态的学习主体建模技术,已被广泛应用于智能教育领域。随着以深度学习为代表的新一代人工智能技术的迅猛发展,基于深度学习的认知追踪——深度认知追踪成为当前智能教育领域的研究热点。针对现有的深度认知追踪方法普遍只利用单个时间步信息来引导模型拟合学习者的行为数据,容易导致因模型监督信号不足而难以挖掘复杂行为背后蕴含的稳定性因素这一问题,文章提出一种基于多阶拟合机制的深度认知追踪方法。该方法通过融合多个邻接时间步的信息来增强模型监督信号,并设计了相应的权重规则和去重规则,以减少远距离、冗余性信息带来的干扰。通过在4个基准数据集上的对比实验与预测结果热力图的可视化分析,文章发现该方法不仅有效提升了模型的预测性能,而且赋予了模型更强的可解释性。