【技术实现步骤摘要】
本申请涉及人因工程、人工智能、安全、航空航天，尤其涉及一种人员能力训练方法、系统、电子设备及存储介质。
技术介绍
1、飞行能力(flight ability)是指能够顺利完成飞行活动所必需的各种心理品质的有机综合，主要可分为飞行员一般能力和飞行员特殊能力两个大类。飞行员一般能力则主要包括注意力和记忆力两个主要维度。优秀的飞行员需要具备良好的注意品质、记忆容量大且能够迅速准确提取、精准快速的动作反应能力和决策能力，从而可以胜任复杂的高空飞行作业。由此可见，相较于一般人员，飞行员等或特种职业人群对于注意力和记忆力的要求要更高。因此，如何对飞行员的注意力以及记忆力进行有效的训练并提高训练的效率，是目前亟待解决的问题。
技术实现思路
1、有鉴于此，本专利技术实施例提供一种人员能力训练方法、系统、电子设备及存储介质，通过对不同的被试人员采用不同的训练难度进行能力训练，从而提高人员能力训练的效率。
2、第一方面，本专利技术实施例提供一种人员能力训练方法，应用于人员能力训练设备，包括：
3、对被试人员进行人员能力测试，得到对应的人员能力测试数据；所述人员能力测试包括注意力测试和/或记忆力测试；
4、根据所述人员能力测试数据确定所述被试人员的初始训练难度；
5、根据所述初始训练难度对所述被试人员进行人员能力训练；所述人员能力训练包括注意力训练和/或记忆力训练。
6、在一种可能的实现方式中，所述人员能力测试包括所述注意力测试和/或记忆力测试
7、所述注意力测试包括以下测试项中的一项或多项组合：选择性注意测试、持续性注意测试、分配性注意测试、注意广度测试以及注意转移测试；
8、所述记忆力测试包括以下测试项中的一项或多项组合：工作记忆广度测试、抑制测试、刷新测试以及转换测试；
9、所述人员能力测试数据包括多个测试项所对应的测试结果数据，所述测试结果数据至少包括以下信息中的一项或多项组合：正确率、漏报率、平均正确反应时以及平均反应时；
10、其中，所述测试结果数据是根据所述被试人员对设置在所述互动部面板左右两侧对称配置的摇杆和/或设置在所述互动部面板中部的多个互动按键的互动操作得到的。
11、在一种可能的实现方式中，所述根据所述人员能力测试数据确定所述被试人员的初始训练难度，包括：
12、对所述多个测试项对应的所述测试结果数据进行数据处理；所述数据处理包括取平均值、取众数、取中位数以及加权计算中的至少一项；
13、根据所述数据处理的结果确定所述初始训练难度。
14、在一种可能的实现方式中，根据所述人员能力测试数据确定所述被试人员的初始训练难度，包括：
15、获取所述被试人员的职业属性信息以及人员能力历史测试数据；
16、根据所述职业属性信息、与所述职业属性信息对应的职业平均测试数据以及人员能力历史测试数据中的一项或多项组合，确定所述被试人员的人员能力水平的第一预测值；
17、根据所述人员能力水平的第一预测值以及所述人员能力测试数据确定所述初始训练难度；
18、所述职业属性信息包括以下信息的一种或多种组合：
19、年龄、性别、职业类型、从业年限以及职业任务信息。
20、在一种可能的实现方式中，所述被试人员的人员能力水平的第一预测值根据所述职业平均测试数据以及人员能力历史测试数据确定，具体包括：
21、确定所述人员能力历史测试数据与所述职业平均测试数据之间的偏差值；
22、基于所述偏差值确定所述被试人员的人员能力水平的第一预测值。
23、在一种可能的实现方式中，所述被试人员的人员能力水平的第一预测值根据所述职业属性信息以及人员能力历史测试数据确定，具体包括：
24、将所述职业属性信息以及所述人员能力历史测试数据输入预先训练好的目标神经网络模型，以使所述目标神经网络模型输出所述人员能力水平的第一预测值。
25、在一种可能的实现方式中，所述目标神经网络模型的训练过程包括：
26、获取训练数据集；所述训练数据集包括预先标注人员能力水平的预测值的训练数据；所述训练数据由职业属性信息以及人员能力历史测试数据构成；
27、将所述训练数据集输入到初始模型中进行迭代训练，以使所述初始模型学习到不同人员能力水平的预测值所对应的训练数据的数据特征；
28、当检测到所述初始模型满足预设结束条件时确定迭代训练完成，得到所述目标神经网络模型。
29、在一种可能的实现方式中，所述方法还包括：
30、获取所述被试人员的人员能力测试数据对应的人员能力水平的人工标注值；
31、将所述被试人员的人员能力测试数据输入所述目标神经网络，得到对应的第二预测值；
32、判断所述人工标注值与所述第二预测值之间的差值是否大于第一阈值；
33、若是，则根据所述人工标注值、所述被试人员的人员能力测试数据以及所述被试人员的职业属性信息构建目标训练数据集；
34、基于所述目标训练数据集对所述目标神经网络模型进行再训练。
35、在一种可能的实现方式中，所述人员能力训练包括多个训练项，所述根据所述初始训练难度对所述被试人员进行人员能力训练，包括：
36、获取各个所述训练项的训练结果数据；
37、当检测到所述训练结果数据满足预设条件时，对所述人员能力训练的难度进行对应调整。
38、在一种可能的实现方式中，对所述人员能力训练的难度进行对应调整，包括：
39、按照预设时间间隔获取所述被试人员在人员能力训练过程中产生的所述训练结果数据；
40、将所述训练结果数据输入所述目标神经网络模型，以使所述目标神经网络模型输出对应的第三预测值；
41、根据所述第三预测值确定所述人员能力训练的难度的调整值；
42、根据所述调整值对所述人员能力训练的难度进行对应调整。
43、在一种可能的实现方式中，所述根据所述初始训练难度对所述被试人员进行人员能力训练之后，所述方法还包括：
44、对所述被试人员进行训练结果测评，得到所述被试人员的训练结果测评数据；
45、基于所述人员能力测试数据、所述训练结果数据以及所述训练结果测评数据生成所述被试人员的训练报告。
46、在一种可能的实现方式中，所述根据所述初始训练难度对所述被试人员进行人员能力训练之后，所述方法还包括：
47、根据所述训练结果测评数据从所述多个训练项中确定待加强训练项；
48、根据所述待加强训练项生成所述被试人员的定制化训练方案。
49、第二方面，本专利技术实施例提供一种人员能力训练系统，包括：
50、测试模块，用于对被试人员进行人员能力测试，得到对应的人员能力测本文档来自技高网...
【技术保护点】
1.一种人员能力训练方法，其特征在于，应用于人员能力训练设备，包括：
2.根据权利要求1所述的方法，其特征在于，所述人员能力测试包括所述注意力测试和/或记忆力测试；所述人员能力训练设备设置有互动部面板；
3.根据权利要求2所述的方法，其特征在于，所述根据所述人员能力测试数据确定所述被试人员的初始训练难度，包括：
4.根据权利要求1所述的方法，其特征在于，根据所述人员能力测试数据确定所述被试人员的初始训练难度，包括：
5.根据权利要求4所述的方法，其特征在于，所述被试人员的人员能力水平的第一预测值根据所述职业平均测试数据以及人员能力历史测试数据确定，具体包括：
6.根据权利要求4所述的方法，其特征在于，所述被试人员的人员能力水平的第一预测值根据所述职业属性信息以及人员能力历史测试数据确定，具体包括：
7.根据权利要求6所述的方法，其特征在于，所述目标神经网络模型的训练过程包括：
8.根据权利要求6所述的方法，其特征在于，所述方法还包括：
9.根据权利要求6所述的方法，其特征在于，所述人员
10.根据权利要求9所述的方法，其特征在于，对所述人员能力训练的难度进行对应调整，包括：
11.根据权利要求10所述的方法，其特征在于，所述根据所述初始训练难度对所述被试人员进行人员能力训练之后，所述方法还包括：
12.根据权利要求11所述的方法，其特征在于，所述根据所述初始训练难度对所述被试人员进行人员能力训练之后，所述方法还包括：
13.一种人员能力训练系统，其特征在于，包括：
14.根据权利要求13所述人员能力训练系统，其特征在于，还包括：互动模块，
15.一种电子设备，其特征在于，包括：
16.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至12任一项所述的方法。
...【技术特征摘要】
1.一种人员能力训练方法，其特征在于，应用于人员能力训练设备，包括：
2.根据权利要求1所述的方法，其特征在于，所述人员能力测试包括所述注意力测试和/或记忆力测试；所述人员能力训练设备设置有互动部面板；
3.根据权利要求2所述的方法，其特征在于，所述根据所述人员能力测试数据确定所述被试人员的初始训练难度，包括：
4.根据权利要求1所述的方法，其特征在于，根据所述人员能力测试数据确定所述被试人员的初始训练难度，包括：
5.根据权利要求4所述的方法，其特征在于，所述被试人员的人员能力水平的第一预测值根据所述职业平均测试数据以及人员能力历史测试数据确定，具体包括：
6.根据权利要求4所述的方法，其特征在于，所述被试人员的人员能力水平的第一预测值根据所述职业属性信息以及人员能力历史测试数据确定，具体包括：
7.根据权利要求6所述的方法，其特征在于，所述目标神经网络模型的训练过程包括：
8.根据权利要求6所述的方法，其特征...
【专利技术属性】
技术研发人员：请求不公布姓名，请求不公布姓名，请求不公布姓名，请求不公布姓名，
申请(专利权)人：北京津发科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。