論文の概要: Intelligent tutoring systems by Bayesian networks with noisy gates
- arxiv url: http://arxiv.org/abs/2409.04102v1
- Date: Fri, 6 Sep 2024 08:08:55 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-09 16:25:56.281495
- Title: Intelligent tutoring systems by Bayesian networks with noisy gates
- Title（参考訳）: 雑音ゲートを持つベイズネットワークによるインテリジェントチューリングシステム
- Authors: Alessandro Antonucci, Francesca Mangili, Claudio Bonesana, Giorgia Adorni,
- Abstract要約: 有向グラフィカルモデルはしばしばインテリジェントなチューリングシステムを実装するために使われる。
パラメータの数に縛られることは、複数の理由から重要かもしれない。
条件付き確率表のコンパクトなパラメトリゼーションのための不確実性を持つ論理ゲートを提唱する。
- 参考スコア（独自算出の注目度）: 42.453514438309796
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Directed graphical models such as Bayesian nets are often used to implement intelligent tutoring systems able to interact in real-time with learners in a purely automatic way. When coping with such models, keeping a bound on the number of parameters might be important for multiple reasons. First, as these models are typically based on expert knowledge, a huge number of parameters to elicit might discourage practitioners from adopting them. Moreover, the number of model parameters affects the complexity of the inferences, while a fast computation of the queries is needed for real-time feedback. We advocate logical gates with uncertainty for a compact parametrization of the conditional probability tables in the underlying Bayesian net used by tutoring systems. We discuss the semantics of the model parameters to elicit and the assumptions required to apply such approach in this domain. We also derive a dedicated inference scheme to speed up computations.
- Abstract（参考訳）: ベイジアンネットのような直進的なグラフィカルモデルは、純粋に自動で学習者とリアルタイムで対話できるインテリジェントなチューリングシステムを実装するためにしばしば使用される。
このようなモデルに対処する場合、パラメータの数に縛られることは、複数の理由から重要である。
第一に、これらのモデルは一般的に専門家の知識に基づいているため、実践者が採用を妨げている可能性がある。
さらに、モデルパラメータの数は推論の複雑さに影響を与えるが、リアルタイムフィードバックにはクエリの高速な計算が必要である。
我々は、チューリングシステムで使用される基底ベイズネットにおける条件付き確率表のコンパクトなパラメトリゼーションのための不確実性のある論理ゲートを提唱する。
本稿では、モデルパラメータのセマンティクスと、そのようなアプローチをこの領域に適用するために必要な仮定について論じる。
また、計算を高速化する専用の推論スキームも作成する。
関連論文リスト
- Gaussian Mixture Models for Affordance Learning using Bayesian Networks [50.18477618198277]
Affordancesはアクション、オブジェクト、エフェクト間の関係の基本的な記述である。
本稿では,世界を探究し,その感覚経験から自律的にこれらの余裕を学習するエンボディエージェントの問題にアプローチする。
論文 参考訳（メタデータ） (2024-02-08T22:05:45Z) - Tractable Bounding of Counterfactual Queries by Knowledge Compilation [51.47174989680976]
本稿では, パール構造因果モデルにおいて, 因果関係などの部分的特定可能なクエリのバウンダリングの問題について議論する。
最近提案された反復EMスキームは初期化パラメータをサンプリングしてそれらの境界を内部近似する。
シンボルパラメータを実際の値に置き換えた回路構造を,単一のシンボル知識コンパイルによって得られることを示す。
論文 参考訳（メタデータ） (2023-10-05T07:10:40Z) - Guaranteed Stable Quadratic Models and their applications in SINDy and
Operator Inference [9.599029891108229]
動的モデルを構築する演算子推論手法に着目する。
推論のために、適切な最適化問題を設定することによってモデルの演算子を学習することを目的とする。
本稿では,安定性の維持を図示する数値的な例をいくつか提示する。
論文 参考訳（メタデータ） (2023-08-26T09:00:31Z) - A two stages Deep Learning Architecture for Model Reduction of
Parametric Time-Dependent Problems [0.0]
パラメトリックな時間依存システムは、実現象をモデル化する上で非常に重要である。
本稿では,低計算時間でその一般化を実現するための一般的な2段階のディープラーニングフレームワークを提案する。
その結果, キャビティ内における非圧縮性ナビエ・ストークス方程式に適用した。
論文 参考訳（メタデータ） (2023-01-24T11:24:18Z) - HyperImpute: Generalized Iterative Imputation with Automatic Model
Selection [77.86861638371926]
カラムワイズモデルを適応的かつ自動的に構成するための一般化反復計算フレームワークを提案する。
既製の学習者,シミュレータ,インターフェースを備えた具体的な実装を提供する。
論文 参考訳（メタデータ） (2022-06-15T19:10:35Z) - Low-Rank Constraints for Fast Inference in Structured Models [110.38427965904266]
この研究は、大規模構造化モデルの計算とメモリの複雑さを低減するための単純なアプローチを示す。
言語モデリング,ポリフォニック・ミュージック・モデリング,教師なし文法帰納法,ビデオ・モデリングのためのニューラルパラメータ構造モデルを用いた実験により,我々の手法は大規模状態空間における標準モデルの精度と一致することを示した。
論文 参考訳（メタデータ） (2022-01-08T00:47:50Z) - Leveraging the structure of dynamical systems for data-driven modeling [111.45324708884813]
トレーニングセットとその構造が長期予測の品質に与える影響を考察する。
トレーニングセットのインフォームドデザインは,システムの不変性と基盤となるアトラクションの構造に基づいて,結果のモデルを大幅に改善することを示す。
論文 参考訳（メタデータ） (2021-12-15T20:09:20Z) - Learning System Parameters from Turing Patterns [0.0]
チューリング機構は、反応拡散過程における自発的対称性の破れによる空間パターンの出現を記述する。
本稿では,観測されたチューリングパターンからチューリングパラメータ値を予測する手法を提案する。
論文 参考訳（メタデータ） (2021-08-19T08:04:37Z) - Verification of ML Systems via Reparameterization [6.482926592121413]
確率的プログラムを定理証明器で自動的に表現する方法を示す。
また、ベイズ仮説テストで用いられるヌルモデルは、人口統計学的パリティ(英語版)と呼ばれる公平性基準を満たすことを証明した。
論文 参考訳（メタデータ） (2020-07-14T02:19:25Z) - Amortized Bayesian Inference for Models of Cognition [0.1529342790344802]
専門的なニューラルネットワークアーキテクチャを用いたシミュレーションベース推論の最近の進歩は、ベイズ近似計算の多くの過去の問題を回避している。
本稿では,アモータイズされたベイズパラメータの推定とモデル比較について概説する。
論文 参考訳（メタデータ） (2020-05-08T08:12:15Z)
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。