周爱民
- 作品数：33 被引量：52H指数：4
- 供职机构：华东师范大学更多>>
- 发文基金：国家自然科学基金上海高校本科重点教学改革项目国家杰出青年科学基金更多>>
- 相关领域：自动化与计算机技术文化科学更多>>
- 一种基于贝叶斯网络的错题归因方法及系统
- 本发明公开了一种基于贝叶斯网络的错题归因方法，通过知识点结构图构建贝叶斯网络，并利用学生做题数据进行贝叶斯网络参数学习和题目做错原因推理，对于输入的每一条数据，均用来更新贝叶斯网络的参数，当需要进行错题归因时，即可用该条...
- 钱鸿周爱民吴婷曾奕博邵非
- 基于优先级先验的演化大规模多目标安全博弈框架
- 2025年
- 多目标安全博弈(multi-objective security game,MOSG)旨在同时最优化防御者应对多个异质攻击者获得的收益,在实际应用中具有重要意义.近期提出的基于空间离散化的演化搜索(space discretization based evolutionary search,SDES)框架将MOSG中的带约束的高维阶梯函数优化问题转换为低维组合优化问题,并使用贪心策略解决组合优化任务.虽然SDES能够在有限时间内处理大规模MOSG任务,但是SDES难以收敛到大规模MOSG任务对应的最优Pareto前沿上.一方面,SDES的贪心策略的收敛性假设随问题规模扩大而变得愈发难以满足;另一方面,SDES过多的阶段组件(空间离散化、演化优化、评估、解的精炼)存在阶段耦合的风险,即上游组件的优化质量直接影响下游组件的表现.因此,挖掘并利用MOSG任务中被保护对象的优先级(priority)先验知识,旨在提高解的质量并简化SDES框架,从而提出了SDES-P框架.SDES-P重新设计了SDES的核心组件——评估组件,并移除解的精炼组件.具体而言,SDES-P从具有最大资源的不可行解开始,根据被保护对象优先级先验将被保护对象分成2组,优先级较高的一组对象会逐渐释放资源以找到可行解.最后,SDES-P包含了一种结合优先级先验的演化局部搜索策略,增强最终Pareto前沿的质量.分析出SDES-P可保持SDES所具有的样本复杂度低、规模可扩展性强的优势,并且用实验结果表明,无论MOSG任务是否满足收敛假设,SDES-P可以找到相较于SDES收敛性、多样性更优的高质量Pareto前沿.
- 吴宇鹏钱鸿王为业张杨文辉周爱民
- 关键词：STACKELBERG博弈局部搜索
- 面向“新工科”人才培养的大学计算机专业课程教学改革与实践——以“AIoT系统设计”课程为例
- 新工科建设对计算机类专业人才培养提出了新的要求,为了应对当前高等教育体系中计算机专业课程建设在适应新形式、满足新需求方面存在的一些突出问题,提出通过教育理念转变、课程体系完善、教学方法创新、校企合作共建等改革举措改善教学...
- 周爱民沈建华邵非
- 关键词：课程改革
- 一种基于罚函数交叉边界法的多目标自适应分类方法及系统
- 本发明公开了一种基于罚函数交叉边界法的多目标自适应分类方法，包括步骤1：输入一个待分类的种群P，步骤2：选择参考点集合P<Sub>ref</Sub>，步骤3：初始化边界惩罚参数δ，步骤4：基于罚函数边界相交法的分类，步骤...
- 郝昊周爱民钱鸿邵非
- 文献传递
- 一种融合强化和对比学习的个性化习题推荐方法与推荐系统
- 本发明公开了一种融合强化和对比学习的个性化习题推荐方法，所述方法使用自监督强化学习方法，将习题推荐过程形式化为马尔可夫决策过程，在学生和智能体之间进行交互作用，获得特征表示；同时融入对比学习思想，将相似的学习历史拉拢，不...
- 张伟 伍思雨周爱民
- 基于情感的OCC-PAD-OCEAN联邦认知建模方法
- 本发明提供的基于情感的OCC‑PAD‑OCEAN联邦认知建模方法，包括以下步骤：构建VGG‑FACS‑OCC模型，计算出被试视频的情感空间向量；依据OCC‑PAD‑OCEAN模型中的OCC情感空间与PAD心情空间的参数量...
- 刘峰张嘉淏王晗阳沈思源贾迅胡静怡周爱民齐佳音李志斌
- 一种基于心理学理论驱动大模型的心理咨询对话生成方法
- 本发明公开了一种心理学理论驱动大模型的心理咨询对话生成方法，其特点是该方法包括：目标—计划树知识注入和引导大语言模型行为的形式化框架、目标—计划树形式化的“目标、计划、行动”拆解方法、目标—计划树实例化对大模型的知识注入...
- 陈琴高峰 周宁宁周爱民杨燕贺樑
- 基于演化序搜索的混合贝叶斯网络结构学习方法被引量：1
- 2023年
- 贝叶斯网络是一种不确定性知识表示与推理的有效工具,学习其结构是利用这一工具进行推理的基础。现有的贝叶斯网络结构学习算法,在智能教育等应用场景中往往面临着难以权衡有效性与高效性的问题。一方面,评分搜索类方法能搜索到高质量的解,但面临着算法复杂度高的挑战。另一方面,混合类方法效率高,但所找到的解的质量不尽如人意。针对上述问题,提出了一种基于演化序搜索的混合贝叶斯网络结构学习方法(EvOS)。该方法首先通过约束类算法构建无向图骨架,然后利用演化算法搜索最优节点序,最后使用该节点序指导贪婪搜索得到贝叶斯网络结构。基于常用基准数据集以及教育知识结构发现任务,验证了所提方法的有效性与高效性。实验结果表明,所提方法相较于评分搜索类方法,能够在保持相仿精度的情况下最高加速百倍,且有效性显著高于混合类方法。
- 李明嘉钱鸿周爱民
- 关键词：贝叶斯网络
- 基于动态批量评估的绿色无梯度优化方法
- 2024年
- 在基于语言模型即服务的提示词黑盒微调、机器学习模型超参数调节等优化任务中,由于解空间到性能指标之间的映射关系复杂多变,难以显式地构建目标函数,故常采用无梯度优化方法来实现寻优.解的准确、稳定评估是有效实施无梯度优化方法的关键,完成一次解的质量评估常要求在整个数据集上完整运行一次模型,且优化过程有时需要大量评估解的质量.随着机器学习模型复杂度以及训练样本量的不断增加,准确、稳定的解的质量评估时间成本与计算代价越来越高昂,这与绿色低碳机器学习与优化理念背道而驰.有鉴于此,提出了一种基于动态批量评估的绿色无梯度优化方法框架(green derivative-free optimization with dynamic batch evaluation,GRACE),基于训练子集的相似性,在优化过程中自适应动态调节评估解时使用的样本量,使得GRACE在保证优化性能的同时,降低优化成本与代价,达到绿色低碳高效的目标.在语言模型即服务提示词黑盒微调、模型超参数优化等实际任务上进行了实验验证,通过与一系列对比方法以及GRACE消融退化版算法进行比较分析,表明了GRACE的有效性、高效性、绿色低碳性.超参数分析结果表明了其具备超参数稳健性.
- 钱鸿舒翔孙天祥邱锡鹏周爱民
- 关键词：绿色低碳
- 一种基于数据关系学习和预测的多目标优化代理模型设计方法及系统
- 本发明公开了一种基于数据关系学习和预测的代理模型设计方法，用于提高多目标演化算法的求解效率。其特点是将演化算法中的个体构造为关系对，并利用集成分类学习的方法学习关系数据特征，然后指导演化算法的搜索过程。本发明可以利用已有...
- 郝昊周爱民 钱鸿邵非 李丙栋王帅
