基于一种新颖采样批归一化嵌入神经网络方法的SPOC学习者期末成绩预测
计算机视觉与模式识别
2022-11-14 v2
摘要
近年来，小规模私有在线课程（SPOC）快速发展，其能够高度定制和个性化以适应多变的教育需求；其中，机器学习技术被用于总结和预测学习者的表现，主要聚焦于期末成绩。然而，问题在于SPOC上学习者的期末成绩通常存在严重的不平衡，这阻碍了预测模型的训练。为解决该问题，本文提出了一种采样批归一化嵌入深度神经网络（SBNEDNN）方法。首先，定义一个组合指标来衡量数据的分布，然后建立一条规则来指导采样过程。其次，将修改后的批归一化（BN）层嵌入全连接神经网络中以解决数据不平衡问题。与其他三种深度学习方法的实验结果表明了所提方法的优越性。
引用
@article{arxiv.2012.08408,
title = {SPOC learner's final grade prediction based on a novel sampling batch normalization embedded neural network method},
author = {Zhuonan Liang and Ziheng Liu and Huaze Shi and Yunlong Chen and Yanbin Cai and Yating Liang and Yafan Feng and Yuqing Yang and Jing Zhang and Peng Fu},
journal= {arXiv preprint arXiv:2012.08408},
year = {2022}
}
备注
11 pages, 5 figures, ICAIS 2021