論文の概要: Designing Novel Cognitive Diagnosis Models via Evolutionary
Multi-Objective Neural Architecture Search
- arxiv url: http://arxiv.org/abs/2307.04429v1
- Date: Mon, 10 Jul 2023 09:09:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-11 13:43:57.645893
- Title: Designing Novel Cognitive Diagnosis Models via Evolutionary
Multi-Objective Neural Architecture Search
- Title（参考訳）: 進化的多目的ニューラルアーキテクチャ探索による新しい認知診断モデルの設計
- Authors: Shangshang Yang, Haiping Ma, Cheng Zhen, Ye Tian, Limiao Zhang, Yaochu
Jin, and Xingyi Zhang
- Abstract要約: 進化的多目的ニューラルアーキテクチャサーチ(NAS)による新しい認知診断モデルの自動設計を提案する。
2つの実世界のデータセットに対する実験により、提案手法によって探索された認知診断モデルは、既存のモデルよりもはるかに優れた性能を示し、人間設計モデルと同じくらい優れた解釈性を有することが示された。
- 参考スコア（独自算出の注目度）: 13.9289351255891
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cognitive diagnosis plays a vital role in modern intelligent education
platforms to reveal students' proficiency in knowledge concepts for subsequent
adaptive tasks. However, due to the requirement of high model interpretability,
existing manually designed cognitive diagnosis models hold too simple
architectures to meet the demand of current intelligent education systems,
where the bias of human design also limits the emergence of effective cognitive
diagnosis models. In this paper, we propose to automatically design novel
cognitive diagnosis models by evolutionary multi-objective neural architecture
search (NAS). Specifically, we observe existing models can be represented by a
general model handling three given types of inputs and thus first design an
expressive search space for the NAS task in cognitive diagnosis. Then, we
propose multi-objective genetic programming (MOGP) to explore the NAS task's
search space by maximizing model performance and interpretability. In the MOGP
design, each architecture is transformed into a tree architecture and encoded
by a tree for easy optimization, and a tailored genetic operation based on four
sub-genetic operations is devised to generate offspring effectively. Besides,
an initialization strategy is also suggested to accelerate the convergence by
evolving half of the population from existing models' variants. Experiments on
two real-world datasets demonstrate that the cognitive diagnosis models
searched by the proposed approach exhibit significantly better performance than
existing models and also hold as good interpretability as human-designed
models.
- Abstract（参考訳）: 認知診断は、現代の知的教育プラットフォームにおいて、後続の適応タスクに対する知識概念の習熟度を明らかにするために重要な役割を果たす。
しかし、高いモデル解釈性を必要とするため、既存の手作業で設計された認知診断モデルは、現在の知的教育システムのニーズを満たすにはあまりにも単純なアーキテクチャを持ちすぎ、人間設計のバイアスは効果的な認知診断モデルの出現を制限している。
本稿では,進化的多目的ニューラルアーキテクチャサーチ(NAS)による新しい認知診断モデルの自動設計を提案する。
具体的には,既存のモデルを3種類の入力を扱う汎用モデルで表現することができ,まず認知診断におけるNASタスクの表現型検索空間を設計する。
そこで我々は,NASタスクの探索空間をモデル性能と解釈可能性の最大化により探索する多目的遺伝的プログラミング(MOGP)を提案する。
MOGP設計では、各アーキテクチャは木構造に変換され、木によって符号化され、容易に最適化され、4つのサブジェネティック操作に基づく調整された遺伝子操作が、子孫を効果的に生成するために考案される。
さらに、初期化戦略は、既存モデルの変種から人口の半分を進化させることで収束を加速するようにも提案されている。
2つの実世界のデータセットにおける実験により、提案手法によって探索された認知診断モデルは、既存のモデルよりもかなり優れた性能を示し、人間設計のモデルよりも優れた解釈性を持つことが示された。
関連論文リスト
- Neural Dynamics Model of Visual Decision-Making: Learning from Human Experts [28.340344705437758]
視覚入力から行動出力まで,包括的な視覚的意思決定モデルを実装した。
我々のモデルは人間の行動と密接に一致し、霊長類の神経活動を反映する。
ニューロイメージング・インフォームド・ファインチューニング手法を導入し、モデルに適用し、性能改善を実現した。
論文 参考訳（メタデータ） (2024-09-04T02:38:52Z) - A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian
Learning and Free Energy Minimization [55.11642177631929]
大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。
我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
論文 参考訳（メタデータ） (2023-10-14T23:28:48Z) - Online simulator-based experimental design for cognitive model selection [74.76661199843284]
本稿では,抽出可能な確率を伴わない計算モデルを選択する実験設計手法BOSMOSを提案する。
シミュレーション実験では,提案手法により,既存のLFI手法に比べて最大2桁の精度でモデルを選択することができることを示した。
論文 参考訳（メタデータ） (2023-03-03T21:41:01Z) - CogNGen: Constructing the Kernel of a Hyperdimensional Predictive
Processing Cognitive Architecture [79.07468367923619]
神経生物学的に妥当な2つの計算モデルを組み合わせた新しい認知アーキテクチャを提案する。
我々は、現代の機械学習技術の力を持つ認知アーキテクチャを開発することを目指している。
論文 参考訳（メタデータ） (2022-03-31T04:44:28Z) - EINNs: Epidemiologically-Informed Neural Networks [75.34199997857341]
本稿では,疫病予測のための新しい物理インフォームドニューラルネットワークEINNを紹介する。
メカニスティックモデルによって提供される理論的柔軟性と、AIモデルによって提供されるデータ駆動表現性の両方を活用する方法について検討する。
論文 参考訳（メタデータ） (2022-02-21T18:59:03Z) - Guided Sampling-based Evolutionary Deep Neural Network for Intelligent
Fault Diagnosis [8.92307560991779]
我々は、モデルアーキテクチャの進化を導くためにポリシー勾配を利用する進化的ディープニューラルネットワークの新しいフレームワークを提案してきた。
提案フレームワークの有効性を3つのデータセットで検証した。
論文 参考訳（メタデータ） (2021-11-12T18:59:45Z) - A multi-stage machine learning model on diagnosis of esophageal
manometry [50.591267188664666]
このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。
これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
論文 参考訳（メタデータ） (2021-06-25T20:09:23Z) - Towards a Predictive Processing Implementation of the Common Model of
Cognition [79.63867412771461]
本稿では,ニューラル生成符号化とホログラフィック連想記憶に基づく認知モデルの実装について述べる。
提案システムは,多様なタスクから継続的に学習し,大規模に人的パフォーマンスをモデル化するエージェントを開発するための基盤となる。
論文 参考訳（メタデータ） (2021-05-15T22:55:23Z) - Neural Architecture Search based on Cartesian Genetic Programming Coding
Method [6.519170476143571]
文分類課題を解決するために,CGPに基づくNASの進化的アプローチであるCGPNASを提案する。
実験の結果,検索されたアーキテクチャは人間設計アーキテクチャの性能に匹敵することがわかった。
論文 参考訳（メタデータ） (2021-03-12T09:51:03Z) - Knowledge-Guided Dynamic Systems Modeling: A Case Study on Modeling
River Water Quality [8.110949636804774]
実世界の現象をモデル化することは、エコロジーモデリングや財務予測など、多くの科学と工学の取り組みの焦点である。
複雑な動的システムのための正確なモデルの構築は、基盤となるプロセスの理解を改善し、リソース効率に繋がる。
反対の極端に、データ駆動モデリングはデータから直接モデルを学び、広範囲なデータと潜在的に過剰なフィッティングを生成する。
中間的アプローチであるモデルリビジョンに注目し,事前知識とデータを組み合わせることで,両世界のベストを達成する。
論文 参考訳（メタデータ） (2021-03-01T06:31:38Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。