智慧教育
文章平均质量分 94
主要介绍目前智慧教育领域的前沿论文!
研行笔录
主要是在研究生学习生涯中所留下的学习记录,希望与君共勉之!
展开
-
论文解析 -- 使用元学习的冷启动用户的顺序推荐(SIGIR2021)
Sequential Recommendation for Cold-start Users with Meta Transitional LearningAbstract顺序推荐器的一个基本挑战是捕捉用户的顺序模式,以建模用户在项目之间的传输方式。 然而,在许多实际场景中,有大量的冷启动用户只记录了最少的交互。 结果,现有的顺序推荐模型将失去其预测能力,因为难以在仅具有有限交互的用户上学习顺序模式。 在这项工作中,我们的目标是使用一个名为 MetaTL 的新框架来改进冷启动用户的顺序推荐,该框架通过元原创 2022-06-03 22:06:48 · 1195 阅读 · 12 评论 -
三分钟入门强化学习
目前强化学习的分类:通过价值选择行为:Q learning Sarsa Deep Q Network直接选择行为: Policy Gradients 基于概率 --回合更新版想象环境并从中学习:Model based RL2.1 是否理解环境?2.1.1 不理解环境:不尝试去理解环境,环境给什么就是什么2.1.2 理解环境:为真实世界建模Model-based 就是在model free的基础上多一个虚拟环境2.2 基于概率与基于价值2.2.1 基于概率:直接输出下一步要采取动作原创 2022-04-04 17:00:00 · 1391 阅读 · 4 评论 -
NCAT:用于在线教育的神经计算机自适应测试 (AAAI2022--论文解析)
AbstractCAT中主要有两个组成部分反复工作:1)认知诊断模型(CDM)根据学生以前的反应来估计她目前的熟练程度。2)选择算法根据她在CDM中估计的熟练程度选择下一个问题。“自适应”是指根据学生当前的水平估计,自动选择试题。传统方法法不足:1、首先,选择算法的效率严重依赖于熟练程度估计的准确性,不能直接捕捉学生与问题之间的复杂关系。2、现有算法通常遵循不灵活的模型特定方式,即需要为其指定的CDM预先定义度量。所以本文提出了一种无度量、可学习的神经计算机自适应测试(NCAT)框架,将选择算法原创 2022-04-01 20:04:41 · 2094 阅读 · 7 评论 -
元学习入门必备:MAML(背景+论文解读+代码分析)
论文题目:Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks模型不可知元学习在深度网络快速自适应中的应用论文是2017年发表在ICML上的,目前被引用量也超过4600+,值得大家进行学习。Abstract通过论文题目,我们会有一个大致的了解,Model-Agnostic(模型无关)、Fast Adaptation(快速适应)、Deep Networks(深度网络),可以看出这篇文章是适用于深度网络并且提出一种与模型.原创 2021-12-13 10:36:36 · 24534 阅读 · 29 评论 -
MetaSelector:基于用户级自适应模型选择的元学习推荐
大家好,小曾哥回来了,时隔两个多月没有更新了,在此深感抱歉。 主要原因是自己的研究方向也遇到瓶颈,实验效果不理想,需要拓宽自己的知识面,因此近期也在不断充电,需要不断的深潜,沉淀!但是我也不会忘记我的初心,希望能够记录自己在研究生阶段的学习记录,希望与君共勉之!今天主要给大家分享一篇最近看的文章,是2020年发表在WWW上的论文。论文题目 MetaSelector: Meta-Learning for Recommendation with User-Level Adaptive Model Se.原创 2021-11-17 11:10:54 · 5195 阅读 · 10 评论 -
BOBCAT: 基于双层优化的计算机化自适应测验(超硬核解读论文+阅读论文技巧)
Aritra Ghosh and Andrew Lan University of Massachusetts Amherst这篇文章是2021年在IJCAI会议上被录用的Abstract计算机自适应测试 (CAT) 是指一种针对每个学生/考生进行个性化的测试形式。CAT 方法根据每个学生对之前问题的回答,自适应地为每个学生选择下一个信息量最大的问题/项目,有效地缩短了测试时间。现有的 CAT 方法使用项目反应理论 (IRT) 模型将学生的能力与他们对问题的反应联系起来,以及旨在尽快减少能力估计误差的原创 2021-09-27 21:43:38 · 4782 阅读 · 10 评论 -
用于主动学习的顺序图卷积网络(论文解读)
前言介绍Sequential Graph Convolutional Network for Active Learning是由Razvan Caramalau1, Binod Bhattarai1and Tae-Kyun Kim1,2发表在CVPR2021上的一篇文章。下面就来进行详解这篇文章:用于主动学习的顺序图卷积网络Abstract主要贡献:提出了一种在顺序图卷积网络(GCN)上构建的基于池的主动学习框架。数据池中的每个图像特征表示图中的一个节点,边编码它们的相似性。以少量随机采样的图像原创 2021-09-06 17:36:23 · 1490 阅读 · 1 评论 -
小曾带你深入浅出机器学习(入门必备,近3万字带你了解机器学习)
机器学习起源:上世纪50年代,1959年在IBM工作的Arthur Samuel设计了一个下棋程序,这个程序具有学习的能力,它可以在不断的对弈中提高自己。机器学习方法:支持向量机,回归,决策树,随机森林,强化方法,集成学习,深度学习等机器学习作用:一定程度上可以帮助人们完成一些数据预测,自动化,自动决策,最优化等初步替代脑力的任务。本质:对于一个任务及其表现的度量方法,设计一种算法,让算法能够提取中数据所蕴含的规律。学习方式:有监督学习:输入机器的数据是带有标签,已知数据和其一一对应的标签,训练原创 2021-08-24 16:44:53 · 1652 阅读 · 12 评论 -
全网最全解析ALipy:主动学习的Python工具箱
研途漫漫,关注小曾,入股不亏,小曾与你共勉进步。今天主要分享来自南京航空航天大学计算机科学与技术学院模式分析与机器智能工信部重点实验室所开源的用于主动学习的Python工具库-ALipy文章目录ALipy--Python中的主动学习ALipy的特点ALipy的模块ALipy的安装ALipy特殊设置ALipy实现的算法具体代码实现过程ALipy 入门主动学习实验统一框架ALipy中的模块管理标记和未标记索引拆分数据使用预定义的策略来选样本更新测试模型高级指南高级封装用法ToolBox--初始化一个对象获取任原创 2021-06-18 16:46:08 · 2908 阅读 · 1 评论 -
Learning Active Learning from Data 主动学习笔记
这是2017在NIPS上发表的一篇文章:Learning Active Learning from DataAbstract提出一种新的数据驱动的主动学习的方法关键思想:训练一个回归器,预测候选样本在特定学习状态下的预期误差减少。原创 2021-06-15 22:27:02 · 1102 阅读 · 4 评论 -
万字超详细介绍认知诊断计算机自适应测验(CD-CAT),入内不亏!
CD-CAT简介CD-CAT常用认知诊断模型规则空间模型测验项目可以用特定的认知属性来刻画,而个体的某种认知结构,可用一组通常无法直接观察的认知属性掌握模式来表征。同时,这种不可观察的认知属性掌握模式,又能用恰当的可观察的项目反应模式来表征不可观察的认知属性。----Q矩阵的理论提出Q矩阵项目与属性间的关系(题目和知识点之间的关系)该理论主要是要确定测验项目所测的不可观察的认知属性,并把它转化为可观察的项目反应模式。首先,要建立项目与所测认知属性的关系:若项目测验了某属性用“1”表示,未测验某属原创 2021-03-13 16:05:33 · 3501 阅读 · 3 评论 -
计算机自适应测评(CAT)调研
计算机自适应测评原创 2020-12-20 20:24:47 · 5849 阅读 · 0 评论 -
基于贝叶斯网络模型的自适应测评
Abstract使用贝叶斯网络来创建测试人类的模型提出了几种不同的贝叶斯网络,并通过交叉验证对它们进行了测试和比较IntroductionCAT–计算机自适应测评主要目标:创建更短的测试,因此它在不牺牲可靠性的情况下花费更少的时间。测试过程:模型是在以往学生样本的基础上构建的。在测试过程中,模型会进行更新,以反映正在测试的某个特定学生的能力。我们使用该模型自适应地选择下一个要问的问题,以便提出最合适的问题。Data Collection设计方案:一份针对文法学校学生数学知识的纸质测试,内容主原创 2020-12-02 10:25:05 · 2583 阅读 · 1 评论 -
NeuralCD--智能教育系统中的神经认知诊断
Abstract提出了一种通用神经认知诊断(NeuralCD)框架,该框架结合神经网络来学习学生和练习因素向量之间的复杂交互作用借鉴教育心理学的单调性假设,保证了因素向量的可解释性。根据真实数据集上的大量实验结果表明,NeuralCD框架具有较高的准确度和可解释性。Introduction认知诊断(Cognitive Diagnosis)应用场景:教育、游戏竞技、医疗诊断,是一项十分必要且基础的任务,其中在智慧教育场景应用最为广泛。认知诊断(Cognitive Diagnosis):在智能教原创 2020-11-24 15:57:47 · 6082 阅读 · 8 评论