一种多循证权重动态融合的自适应闭环训练系统的制作方法

摘要: 本发明涉及计算机应用,更具体地说,它涉及一种多循证权重动态融合的自适应闭环训练系统。背景技术:1、学龄前孤独症谱系儿童的康复通常由机构一对一训练与家庭泛化任务共...
一种多循证权重动态融合的自适应闭环训练系统的制作方法

本发明涉及计算机应用,更具体地说,它涉及一种多循证权重动态融合的自适应闭环训练系统。

背景技术:

1、学龄前孤独症谱系儿童的康复通常由机构一对一训练与家庭泛化任务共同构成。一名儿童往往同时在指令服从、联合注意、情绪调节、刻板行为多个维度存在缺陷,康复师需要把应用行为分析、地板时光、人际关系发展干预、结构化教学和感觉统合这些控制模式并不相同的训练单元排进同一份周处方;相邻放置会给儿童互相矛盾的信号。每节课可用于条件对比的试次很少,真实训练也不允许为摸清策略在儿童身上反复试排;

2、已公开的康复训练系统多依据评估量表或静态规则库匹配某一循证体系的固定内容。后续方案开始在训练过程中根据生理信号或行为反馈调整难度,并对候选策略做去重和冲突检测,但仍把多套循证体系当作可互换的条目,没有按控制模式拆成可独立执行的元算子,也没有区分机构受控条件与家庭真实条件下的观察口径。家庭端成功率下降时,结果往往被一并记为失败,无法判断是技能尚未建立、换条件后丢失,还是家长未按流程执行;

3、上述处理留下的问题是:在不允许探索性排课的约束下,控制模式互不相同的循证训练单元被编排进同一节课后会相互抵消;每节课有限的条件对比机会也用不到成因尚未明确的那一个变异维度上。

技术实现思路

1、本发明提供一种多循证权重动态融合的自适应闭环训练系统,解决相关技术中机构与家庭协同训练时泛化失败成因无法分离、有限探测机会错配以及多循证训练单元同课相互抵消的技术问题。

2、本发明提供了一种多循证权重动态融合的自适应闭环训练系统,包括:

3、采集规范化模块,接收机构端与家庭端的音视频、训练终端记录和家长点选记录,经过行为事件识别、试次切分、执行保真度标注、变异条件标签和状态序列计算,输出规范化试次记录序列和儿童状态序列;

4、画像构建模块,根据规范化试次记录序列、儿童状态序列和泛化判别结果,计算分维度进展指标、写入泛化度、估计状态耐受带并按照步长上限累积更新,输出缺陷亚型画像、状态耐受带和画像位移量;

5、权重编排模块,依据缺陷亚型画像、状态耐受带、画像位移量、儿童状态序列、执行日志、元算子结局效应和下期探测条件,经过元算子属性编码、画像维度加权聚合、关系图修正、覆盖密度收缩和带约束的时间块编排,输出分场景元算子处方;

6、执行调控模块,接收分场景元算子处方、缺陷亚型画像、状态耐受带和儿童状态序列,完成人格参数初始化、快层状态切换和慢层支持量调整,输出执行日志;

7、回流分析模块,根据规范化试次记录序列、执行日志、缺陷亚型画像和分场景元算子处方,经过探测条件调度、分变异维度泛化差计算和元算子结局效应统计,输出泛化判别结果、元算子结局效应、下期探测条件和家长执行偏差提示。

8、进一步的,所述试次切分以行为事件识别输出的指令类事件为锚点向后取反应窗口;

9、对同一节课内同一训练目标的首个训练试次,把指令类事件结束后长度为分场景元算子处方规定的等待时长的时间段取出作为无提示观察窗口,把窗口内儿童反应类事件对应的结果记入首试无提示结果,窗口内识别出提示类事件时记为受扰且不计入训练无支持正确率;状态序列计算按固定长度的时间片输出唤醒指数与投入指数。

10、进一步的,所述执行保真度标注对家庭端试次检查指令交付完整性、等待间隔与后果一致性,把探测试次内出现提示类事件或纠正性后果的试次记为探测受扰,三项检查通过且未发生探测受扰的试次记为保真有效,回流分析模块在未通过的检查项于本周家庭端试次中的占比超过第三阈值时生成家长执行偏差提示;

11、变异条件标签按施训人物、训练材料与所处情境三个变异维度标注试次相对机构端标准训练条件的同异。

12、进一步的,所述分维度进展指标按缺陷维度的类型分别定义并归一到同一区间,技能型维度取低支持正确率,低支持正确率为机构端训练试次中达成提示层级为独立完成或手势提示的试次数与机构端训练试次数之比,状态型维度取负性状态事件强度的负向归一值;泛化度按分维度泛化差归一后取其补值写入;

13、缺陷亚型画像在每周边界更新,新计算的指标与画像现值之差乘以合并系数后其绝对值超过步长上限时按步长上限取值并保留符号再与画像现值相加,上述之差超过第一阈值且连续两周方向一致时放开步长上限。

14、进一步的,所述元算子属性编码把元算子属性向量经两层前馈网络映射为元算子嵌入与查询向量;

15、画像维度加权聚合把缺陷亚型画像中各缺陷维度的取值与其可用性标志位拼接后经两层前馈网络映射为键向量与值向量,按查询向量与各键向量的点积归一化所得关注度对各值向量加权求和得到画像上下文向量,把画像上下文向量与元算子嵌入及场景标识向量拼接后映射为初始适配分;

16、关系图修正沿关系图对初始适配分做一轮修正,互斥边的系数取负值、先后亲和边的系数取正值,前置依赖边在前置元算子目标维度的低支持正确率未达到门限时以负值系数抑制后继元算子,得到修正适配分。

17、进一步的,所述覆盖密度收缩以训练样本中画像与当前画像距离小于邻域半径的样本数量作为覆盖数量,覆盖数量低于覆盖门限时按其相对覆盖门限的缺口比例把修正适配分拉向收缩目标分值并换算为适配权重,收缩目标分值按历史儿童画像快照中与当前画像距离最近且入训周次相近的快照内各元算子被采纳的频率、以其当时的元算子结局效应加权得到,检索到的快照数量低于快照门限时取督导规则表中默认优先级对应的取值。

18、进一步的,所述带约束的时间块编排自节课末尾按探测块数量上限预留探测块、其余时间块为训练块;

19、按场景对候选元算子掩码并去除带有不耐受标记者,取适配权重最大的调节类元算子作为本节课预留元算子,各训练块在唤醒适用带覆盖其预计唤醒状态、前置依赖满足且与已选元算子无互斥边的候选中取适配权重最大者,并沿用上一周所选元算子直至本周最大候选的适配权重超过其与切换裕度之和,切换裕度随画像位移量减小而增大。

20、进一步的,所述人格参数初始化按缺陷亚型画像与状态耐受带设定各维初值,状态耐受带的宽度越小且上界越小时情感表达强度与指令密度的初值越小、跟随比例与等待时长的初值越大;

21、快层状态切换在唤醒指数越出状态耐受带上界并持续超过第二时长阈值时中止当前元算子、切入本节课预留元算子并下调指令密度、延长等待时长与提示递进间隔,在唤醒指数回落至状态耐受带内并持续超过第三时长阈值后恢复被中止的元算子。

22、进一步的,所述慢层支持量调整在每节课结束后取各元算子目标维度的训练无支持正确率与目标区间比较,训练无支持正确率为机构端无支持条件下达成独立完成的比例,高于目标区间上界时把提示层级起点调向独立完成一侧并缩短等待时长与提示递进间隔,低于目标区间下界时反向调整,比较结果不一致时按各维度在本节课的训练试次数加权投票确定调整方向;

23、调向独立完成一侧后的若干节课内唤醒越界频次相对调整前上升并越过门限时把本次调整回退一档,并把回退前的支持量记录为支持撤除耐受上限;同一元算子在连续若干节课均被快层状态切换中止且中止原因均为唤醒指数越出状态耐受带上界时生成不耐受标记。

24、进一步的,所述分变异维度泛化差计算按训练目标取基准条件下的训练无支持正确率与单变异条件下的探测无支持正确率之差,按各训练目标的有效试次数加权汇总为分维度泛化差,有效试次数为未受扰且保真有效的试次或首试无提示观察的次数,基准条件下的取值低于第四阈值时泛化判别结果取尚未习得,分维度泛化差高于第五阈值且有效试次数不低于第六阈值时取相应变异维度未泛化;

25、探测条件调度取待定的缺陷维度与变异维度组合已有有效试次按二项比例区间估计所得区间宽度、组合所属缺陷维度的严重度与相对应泛化类元算子当期适配权重之乘积,除以按更换训练材料、更换施训人物、变更所处情境依次增大的实施代价系数得到探测优先度,并把取值最大的组合作为下期探测条件;

26、元算子结局效应统计取达成提示层级随试次先后向独立完成方向移动的线性回归斜率为目标层效应,元算子结局效应取目标层效应减去同一节课内其余元算子目标层效应的均值,按尺度系数归一并限幅,带有不耐受标记时按惩罚系数扣减。

27、本发明的有益效果在于:

28、针对家庭端失败成因混杂和探测课时有限,采集规范化模块按机构端与家庭端各自口径切分试次,并把首试无提示观察单独成层。回流分析模块按人物、材料、情境三个变异维度分别计算泛化差,再按区间宽度、缺陷严重度、对应泛化类元算子适配权重和实施代价系数排出下期探测条件。探测块只做单变异对比;尚未习得、未泛化与执行走样分别回流到画像、处方和家长提示,三种原因不再共用同一套后续处方;

29、针对多循证体系同课编排相互抵消,且真实训练中不允许为学习策略在儿童身上试排,权重编排模块在关系图修正之后按覆盖密度把打分拉向历史相近儿童或督导规则,再按互斥、唤醒适用带和处方稳定性逐块编排。执行调控模块按缺陷亚型画像和状态耐受带初始化人格参数,把唤醒越界的快层切换与按训练无支持正确率调整的慢层支持量分开,并用支持撤除耐受上限约束撤支持速度。画像构建模块按步长上限累积更新缺陷亚型画像。处方随两端实际记录调整,每一次调整可追溯到试次、探测结果和判别结论。