論文の概要: UNVaMP: Neural Knowledge Tracing with Variational Regularization of Latent Knowledge Dynamics

• arxiv url: http://arxiv.org/abs/2608.03811v1
• Date: Tue, 04 Aug 2026 15:22:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-05 15:30:23.26601
• Title: UNVaMP: Neural Knowledge Tracing with Variational Regularization of Latent Knowledge Dynamics
• Title（参考訳）: UNVaMP:潜在知識ダイナミクスの変分正規化によるニューラルネットワークの追跡
• Abstract要約: 本稿では,unified Neural Variational Measurement of Induce (UNVaMP)アーキテクチャについて紹介する。 UNVaMPは、観察された学生と内部記憶との相互作用を統合し、学生の知識の潜在的表現を生成する。 UNVaMPは,4つのデータセットのうち3つの比較モデルにおいて,最強の予測性能を達成している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We introduce the Unified Neural Variational Measurement of Proficiency (UNVaMP) architecture, a knowledge tracing method that integrates observed student-item interactions with internal memory to produce evolving latent representations of student knowledge. These representations support accurate predictions of future responses while enabling explicit control over the smoothness of estimated learning trajectories. UNVaMP can be configured as either a purely neural model or a hybrid model that predicts responses through an interpretable measurement function over the latent space. We show that a pure neural configuration (UNVaMP-MLP) achieves the strongest predictive performance among compared models on three out of four datasets. Meanwhile, a hybrid configuration (UNVaMP-MIRT, using a 1PL MIRT measurement function) lags only slightly behind UNVaMP-MLP, indicating that the predictive cost of interpretability is modest. Beyond predictive accuracy, UNVaMP provides the following: a principled mechanism for controlling volatility when estimating student latent variables, quantification of uncertainty over student knowledge state estimates, and flexible input specification that supports heterogeneous student-item interaction features. In addition, the hybrid UNVaMP-MIRT configuration generates interpretable moment-in-time student knowledge state estimates. Using an experimental dataset, we show that auxiliary inputs induce structured changes in the predictive behavior of UNVaMP-MIRT, consistent with sensitivity to underlying structure beyond response correctness. Furthermore, through a simulation study, we show that UNVaMP yields well-behaved knowledge state estimates under controlled measurement conditions. In total, these results indicate that UNVaMP is both useful for real-world education systems and capable of recovering underlying structure from student-item interactions.
• Abstract（参考訳）: 本稿では,学生と生徒との相互作用を内部記憶と統合した知識追跡手法UNVaMP(Unified Neural Variational Measurement of Proficiency)を提案する。 これらの表現は、推定された学習軌跡の滑らかさを明確に制御しながら、将来の応答の正確な予測を支援する。 UNVaMPは純粋にニューラルモデルか、潜在空間上の解釈可能な測定関数を介して応答を予測するハイブリッドモデルとして設定することができる。 純ニューラルネットワーク構成 (UNVaMP-MLP) は, 4つのデータセットのうち3つの比較モデルにおいて, 最強の予測性能を達成することを示す。 一方、1PL MIRT測定関数を用いたハイブリッド構成(UNVaMP-MIRT)はUNVaMP-MLPよりわずかに遅れており、解釈可能性の予測コストが控えめであることを示している。 UNVaMPは、予測精度の他に、学生潜伏変数の推定時のボラティリティを制御するための原則的なメカニズム、学生の知識状態の推定に対する不確実性の定量化、異種な学生とイテムの相互作用機能をサポートするフレキシブルな入力仕様を提供する。 さらに、ハイブリッドUNVaMP-MIRT構成は、解釈可能な時間内学習者の知識状態の推定を生成する。 実験データを用いて,UNVaMP-MIRTの予測動作における補助入力は,応答の正しさを超えた構造に対する感度と一致し,構造変化を誘導することを示した。 さらにシミュレーション実験により,UNVaMPは制御された測定条件下での良好な知識状態の推定値が得られることを示した。 これらの結果から,UNVaMPは実社会の教育システムに有用であり,学生同士の相互作用から基盤構造を復元できる可能性が示唆された。

関連論文リスト

• The Art of Not Forgetting A Local Learning Architecture for Continual Learning [0.0]
  入力をスパースリレーショナルコードとして再帰する連続学習アーキテクチャであるCMPを導入する。 本研究では,スパース表現,局所学習,永続記憶の組み合わせが破滅的な記憶を減少させるかどうかを考察する。
  論文  参考訳（メタデータ） (2026-07-29T06:42:23Z)
• First Estimation of Model Parameters for Neutrino-Induced Nucleon Knockout Using Simulation-Based Inference [39.146761527401424]
  我々は、MicroBooNEコラボレーションによって開発されたGENIEニュートリノイベントジェネレータのチューニング構成を再検討する。 トレーニングされたSBIアルゴリズムは、調整された断面予測を入力として対向するときに、適度に異なる値を好むことがわかった。 また、トレーニングされたアルゴリズムは、代替ニュートリノ散乱シミュレーションであるNuWroの公平な近似を作成できることがわかった。
  論文  参考訳（メタデータ） (2026-03-10T15:14:40Z)
• Equivariant Evidential Deep Learning for Interatomic Potentials [55.6997213490859]
  不確かさの定量化は、分子動力学シミュレーションにおける機械学習の原子間ポテンシャルの信頼性を評価するために重要である。 既存のMLIPのUQアプローチは、高い計算コストや準最適性能によって制限されることが多い。 我々は,原子間ポテンシャルの定量的深層学習(texte2$IP)を提案する。
  論文  参考訳（メタデータ） (2026-02-11T02:00:25Z)
• Interpretable Hybrid Deep Q-Learning Framework for IoT-Based Food Spoilage Prediction with Synthetic Data Generation and Hardware Validation [0.5417521241272645]
  インテリジェントでリアルタイムな腐敗予測システムの必要性は、現代のIoT駆動食品サプライチェーンにおいて重要になっている。 本稿では,Long Short-Term Memory(LSTM)とRecurrent Neural Networks(RNN)を統合したハイブリッド強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-22T12:59:48Z)
• Model-free Methods for Event History Analysis and Efficient Adjustment (PhD Thesis) [55.2480439325792]
  この論文は、モデルフリーの観点から統一された統計学への独立した貢献のシリーズである。 第1章では、機械学習から予測技術を活用する柔軟なメソッドを定式化するために、モデルフリーの視点をどのように利用できるか、詳しく説明している。 第2章では、あるプロセスの進化が他のプロセスに直接影響されるかどうかを記述した地域独立の概念を研究している。
  論文  参考訳（メタデータ） (2025-02-11T19:24:09Z)
• Static and multivariate-temporal attentive fusion transformer for readmission risk prediction [9.059101159859818]
  ICU患者の短期的寛解を予測するため, SMTAFormer を新たに提案する。 提案手法の精度は最大86.6%であり,受信機動作特性曲線(AUC)の面積は最大0.717である。
  論文  参考訳（メタデータ） (2024-07-15T03:42:44Z)
• Uncertainty-preserving deep knowledge tracing with state-space models [1.3791394805787949]
  知識の追跡と従来の評価の中心的な目標は、ある時点における学生の知識とスキルを定量化することである。 本稿では,変分オートエンコーダのフレキシブルな不確実性保存特性とベイズ状態空間モデルの原理的情報統合を組み合わせたモデリングパラダイムであるDynamic LENSを紹介する。
  論文  参考訳（メタデータ） (2024-07-09T13:40:28Z)
• A Multi-Grained Symmetric Differential Equation Model for Learning Protein-Ligand Binding Dynamics [73.35846234413611]
  薬物発見において、分子動力学(MD)シミュレーションは、結合親和性を予測し、輸送特性を推定し、ポケットサイトを探索する強力なツールを提供する。 我々は,数値MDを容易にし,タンパク質-リガンド結合ダイナミクスの正確なシミュレーションを提供する,最初の機械学習サロゲートであるNeuralMDを提案する。 従来の数値MDシミュレーションと比較して1K$times$ Speedupを実現することにより,NeuralMDの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2024-01-26T09:35:17Z)
• Online Variational Sequential Monte Carlo [49.97673761305336]
  我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。 オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
  論文  参考訳（メタデータ） (2023-12-19T21:45:38Z)
• Differentiable Agent-based Epidemiology [71.81552021144589]
  GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。 GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
  論文  参考訳（メタデータ） (2022-07-20T07:32:02Z)
• Mixed Effects Neural ODE: A Variational Approximation for Analyzing the Dynamics of Panel Data [50.23363975709122]
  パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。 我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。 次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-02-18T22:41:51Z)

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。