Fugu-MT 論文翻訳(概要): Applying Recent Innovations from NLP to MOOC Student Course Trajectory Modeling

論文の概要: Applying Recent Innovations from NLP to MOOC Student Course Trajectory Modeling

arxiv url: http://arxiv.org/abs/2001.08333v2
Date: Mon, 4 May 2020 19:11:26 GMT
ステータス: 処理完了
システム内更新日: 2023-01-07 12:48:01.427193
Title: Applying Recent Innovations from NLP to MOOC Student Course Trajectory Modeling
Title（参考訳）: NLPからMOOC学生コース軌道モデリングへの最近のイノベーションの適用
Authors: Clarence Chen, Zachary Pardos
Abstract要約: 本稿では,MOOC学生コース軌跡モデリングのためのニューラルネットワークに基づく予測手法を改善するためのいくつかの戦略を提案する。本稿では,最近導入されたTransformerアーキテクチャとともに,2種類の正規化により拡張されたLSTMネットワークについて検討する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper presents several strategies that can improve neural network-based predictive methods for MOOC student course trajectory modeling, applying multiple ideas previously applied to tackle NLP (Natural Language Processing) tasks. In particular, this paper investigates LSTM networks enhanced with two forms of regularization, along with the more recently introduced Transformer architecture.
Abstract（参考訳）: 本稿では,MOOC学生軌道モデルにおけるニューラルネットワークに基づく予測手法を改良し,NLP(Natural Language Processing)タスクにこれまで適用されていた複数のアイデアを適用した。本稿では,最近導入されたTransformerアーキテクチャとともに,2種類の正規化により拡張されたLSTMネットワークについて検討する。

関連論文リスト

Tensor-Based Foundations of Ordinary Least Squares and Neural Network Regression Models [0.0]
本稿では,通常の最小二乗モデルとニューラルネットワーク回帰モデルの数学的発展に対する新しいアプローチを紹介する。解析と基本的な行列計算を活用することにより、両方のモデルの理論的基礎は慎重に詳細化され、完全なアルゴリズム形式に拡張される。
論文参考訳（メタデータ） (2024-11-19T21:36:04Z)
A Survey on Neural Topic Models: Methods, Applications, and Challenges [32.510888679613004]
トピックモデルは何十年にもわたって普及し、潜在トピックを発見し、教師なしの方法で文書のトピックの割合を推測している。ニューラルネットワークの台頭は、新しい研究分野であるニューラルトピックモデル(NTM)の出現を促している。本稿では,手法,応用,課題に関するニューラルトピックモデルに関する包括的調査を行う。
論文参考訳（メタデータ） (2024-01-27T08:52:19Z)
Alternate Training of Shared and Task-Specific Parameters for Multi-Task Neural Networks [49.1574468325115]
本稿では,ハードパラメータ共有マルチタスクニューラルネットワーク(MTNN)のための新しい代替トレーニング手法を提案する。提案した代替トレーニング手法は、モデルのマルチヘッドアーキテクチャを利用して、共有およびタスク固有の重みを交互に更新する。実証実験では、遅延オーバーフィッティング、予測の改善、計算要求の削減が示されている。
論文参考訳（メタデータ） (2023-12-26T21:33:03Z)
Online Multi-Task Learning with Recursive Least Squares and Recursive Kernel Methods [50.67996219968513]
本稿では,オンラインマルチタスク学習(MTL)回帰問題に対する2つの新しいアプローチを紹介する。入力空間の次元の2次パースタンスコストで精度よく近似的な再帰を実現する。我々は,実世界の風速予測ケーススタディにおいて,オンラインMTL法と他の競技者との比較を行った。
論文参考訳（メタデータ） (2023-08-03T01:41:34Z)
Pupil Learning Mechanism [0.0]
2層ニューラルネットワーク(2LNN)のネットワーク構造と重みを修飾する瞳孔学習機構(PLM)を導出する。 PLMは、逐次学習、適応学習、完全学習、過度に適合しない学習のためのモジュールで構成されている。実験により, PLMモジュールの設計が線形回帰モデルと従来のバックプロパゲーションベース2LNNモデルよりも優れていることを示す。
論文参考訳（メタデータ） (2023-07-30T06:38:44Z)
NN2Poly: A polynomial representation for deep feed-forward artificial neural networks [0.6502001911298337]
NN2Polyは、すでに訓練済みの完全接続フィードフォワード人工ニューラルネットワークの明示的なモデルを得るための理論的アプローチである。このアプローチは、単一の隠蔽層ネットワークに限定された文献で提案された以前の考え方を拡張している。
論文参考訳（メタデータ） (2021-12-21T17:55:22Z)
Low-bit Quantization of Recurrent Neural Network Language Models Using Alternating Direction Methods of Multipliers [67.688697838109]
本稿では、乗算器の交互方向法(ADMM)を用いて、スクラッチから量子化RNNLMを訓練する新しい手法を提案する。 2つのタスクの実験から、提案されたADMM量子化は、完全な精度ベースライン RNNLM で最大31倍のモデルサイズ圧縮係数を達成したことが示唆された。
論文参考訳（メタデータ） (2021-11-29T09:30:06Z)
Model-Based Machine Learning for Communications [110.47840878388453]
モデルベースのアルゴリズムと機械学習をハイレベルな視点で組み合わせるための既存の戦略を見直します。通信受信機の基本的なタスクの一つであるシンボル検出に注目する。
論文参考訳（メタデータ） (2021-01-12T19:55:34Z)
MPLP: Learning a Message Passing Learning Protocol [63.948465205530916]
人工ニューラルネットワークの重みを学習する新しい手法として,メッセージパッシング学習プロトコル(MPLP)を提案する。 ANNで発生したすべての操作を独立したエージェントとして抽象化する。各エージェントは、他のエージェントからやってくる多次元メッセージを取り込み、内部状態を更新し、近隣エージェントに渡される多次元メッセージを生成する責任がある。
論文参考訳（メタデータ） (2020-07-02T09:03:14Z)
An Ode to an ODE [78.97367880223254]
我々は、O(d) 群上の行列フローに応じて主フローの時間依存パラメータが進化する ODEtoODE と呼ばれるニューラルODE アルゴリズムの新しいパラダイムを提案する。この2つの流れのネストされたシステムは、訓練の安定性と有効性を提供し、勾配の消滅・爆発問題を確実に解決する。
論文参考訳（メタデータ） (2020-06-19T22:05:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。