本技术公开一种适应构件拆除的框架结构力学响应与倒塌评估方法及系统，方法包括:利用预训练并优化的框架结构力学响应数智预测模型对构件拆除后的现场框架的结构力学响应进行预测，进而根据框架结构倒塌判定标准，得到现场框架结构的倒塌评估结果；所述框架结构力学响应数智预测模型包括级联的空间域图卷积层、深度图卷积层以及扩张图卷积层。本发明的评估方法，泛化能力强、计算效率高。

 本技术公开一种融合多源特征的桥梁毁伤深度学习方法，包括如下步骤:建立桥梁毁伤仿真模型，获取桥梁毁伤仿真数据；将桥梁毁伤仿真数据与爆炸工况关联，并与桥梁特征信息整合后，得到包括训练数据集和验证数据集的桥梁毁伤数据库；桥梁特征信息包括桥梁几何特征和桥梁材料特征；利用训练数据集和验证数据集对构建的多层复合图神经网络进行训练和优化，得到桥梁毁伤预测模型；利用桥梁毁伤预测模型，完成目标桥梁毁伤的预测。本发明的预测方法，精度高，适应性好。

 本技术公开了一种基于图文语义关系对齐的图文数据多模态训练方法。将不包括标签的训练集输入到预训练模型中进行特征抽取获得多模态特征，利用多模态特征作为输入进一步处理获得分类的预测值，并结合聚类算法获得聚类标签，利用分类的预测值和聚类标签处理并结合多模态特征获得图文语义关系对齐的损失，以图文语义关系对齐的损失最小化为目标针对分类器进行训练；重复上述步骤直到分类器收敛。本发明的创新在于是建立了深度聚类和对比学习的模型和分类器，并利用图文语义关系对齐处理训练，进而增强了图文关系分类和图文语义关系的理解能力，提升了处理速度和准确性。

 本技术公开了一种基于多模态表征的在线学习认知异常学生检测方法及系统，属于异常检测领域。本发明首先获取学生学习过程中的多模态数据，构建学生关系图；然后将每个学生的多模态数据输入经过辅助分类任务预先训练的多模态学习表示模块中，获得每个学生对应的多模态嵌入；最后将多模态嵌入以及学生关系图输入预先通过对比学习框架训练的认知异常学生检测模块，获得目标节点对应学生的认知异常分数，本发明可以自动提取学生认知信息，避免人工处理的繁重工作，同时基于多视图多策略对比实现认知异常学生检测，能够在考虑多种影响因素的基础上对平台上学生的认知水平进行检测，辅助提升在线学习的效果。

 本技术公开了一种基于图神经网络的高层次综合设计质量分析方法及装置，涉及高层次综合设计技术领域，该方法首先将从待分析高层次综合设计中获取的数据进行编码和卷积处理，从而获得满足图网络神经网络能够使用的图嵌入数据，然后利用图神经网络在处理图结构数据相关的分类和预测任务上的潜力，利用图神经网络处理待分析高层次综合设计的数据，可以在毫秒到秒的级别完成图结构数据的相关属性预测，从而高效地基于图神经网络对高层次综合设计进行质量分析。同时，借助图网络神经网络对图嵌入数据更为合理地分析，获得更加准确的分析结果，从而准确地基于图神经网络对高层次综合设计进行质量分析。

 本文公开了时间序列预测建模方法、预测方法、设备、介质及产品，涉及时间序列预测领域。所述建模方法包括构建每个时间序列的时间点集合和局部域集合；构建包括第一嵌入模块、第二嵌入模块和注意力模块的预测模型；利用每个时间序列的时间点集合和局部域集合对预测模型进行训练，得到目标预测模型；其中，第一嵌入模块将时间点集合中的每个时间点嵌入到高维空间；第二嵌入模块将局部域集合中的每个局部域嵌入到高维空间；注意力模块基于嵌入结果生成查询向量、键向量和值向量，并根据查询向量、键向量和值向量计算点‑局部域注意力依赖结果。本申请解决了传统Transformer难以有效地捕捉时间序列复杂依赖关系的问题。

 本技术提供了一种用于设计隐身材料形状的模型训练方法及形状设计方法，可以应用于计算机技术领域。该方法包括:将待隐身样本在水平平面投影的多个二维坐标点输入至初始形状设计模型中，得到多个二维坐标点各自的法向量；针对每个二维坐标点，基于二维坐标点的法向量和二维坐标点，确定与二维坐标点对应的三维坐标点；基于预设雷达方向、与多个二维坐标点各自对应的三维坐标点以及多个二维坐标点各自的法向量，预测毫米波雷达对覆盖有隐身材料的待隐身样本的初始成像结果；基于初始成像结果、背景表征数据以及针对隐身材料的预设高度阈值，得到目标损失值；基于目标损失值对初始形状设计模型进行训练，得到目标形状设计模型。

 本技术涉及三维模型检索技术领域，提供一种基于多环视图和隐类挖掘的三维模型检索方法。本发明通过选取数据集，以数据集中的三维模型为中心配置一个虚拟相机，虚拟相机围绕Y轴等角度旋转及再沿着Z轴等距位移并拍摄，共同生成多环视图；多环视图经过多环视图特征学习网络学习处理后，得到三维模型表示；数据集中的草图通过细粒度草图聚类网络处理，将草图的特征与三维模型的特征对齐，得到三维模型检索结果。根据本发明的方案，多环视图特征学习网络的增强技术可以从多个角度捕捉三维模型的特征，以增强模型对三维形状的理解，更准确地识别和匹配草图中的三维模型；并且细粒度草图聚类网络的隐类挖掘技术，进一步提升草图检索三维模型的性能。

 本技术公开了一种表格数据分析领域大模型的训练和评估方法。对获取的表格、文本数据进行筛选打分；编制多套不同提示词，制作表格数据场景下的“问题”数据以及“问题‑回答”数据对作为基础的训练样本；对生成的“问题”和“问题‑回答”样本对进行数据增强；收集并筛选普通的文本问答、逻辑数学以及代码生成任务数据，选择合适的数据配比，对基底模型进行全参数指令对齐训练；收集、制作评估数据集，编写评估脚本，运行获得对应评价指标；根据评价指标以及评估集合的反馈，迭代优化训练数据集，直到模型达到预期指标为止。本发明能够使得训练得到的表格数据分析领域大模型不仅具有很强的表格问答能力，还具备较强的通用问题解决能力。

 本技术属于智能交通技术领域，公开了一种基于多模态融合的驾驶状态识别方法及系统。本发明通过非侵入性的生理手环采集驾驶员的手腕运动信息，其中手腕运动信息与传统的生理信号和驾驶绩效数据等结合，提升了驾驶状态识别的准确性和鲁棒性。本发明提出了一种特征动态加权模型，该模型利用LSTM模块捕捉时间序列中的长期依赖关系，利用交叉注意力机制模块对不同模态间的特征进行加权，使得各个特征的动态重要性能够根据不同驾驶状态发生调整，利用Transformer模块实现不同模态数据的深度交互和特征增强。本发明利用XGBoost模型，并基于加权后的多模态特征进行驾驶状态分类，能够准确区分不同的驾驶状态。