SPOC learner’s final grade prediction based on a novel sampling batch normalization embedded neural network method

要約

近年、小規模なプライベート オンライン コース (SPOC) の急速な成長が見られます。SPOC は、さまざまな教育要求に適応するために高度にカスタマイズおよびパーソナライズすることができます。このコースでは、学習者のパフォーマンスを要約および予測するために機械学習技術が調査され、ほとんどが最終学年に焦点を当てています。
.
ただし、問題は、SPOC の学習者の最終成績が一般的に非常に不均衡であり、予測モデルのトレーニングを妨げることです。
この問題を解決するために、サンプリング バッチ正規化埋め込みディープ ニューラル ネットワーク (SBNEDNN) メソッドがこの論文で開発されました。
最初に、データの分布を測定するための複合指標が定義され、次にサンプリング プロセスをガイドするルールが確立されます。
次に、データの不均衡な問題を解決するために、バッチ正規化 (BN) で修正されたレイヤーが完全に接続されたニューラル ネットワークに埋め込まれます。
他の 3 つの深層学習手法による実験結果は、提案手法の優位性を示しています。

要約(オリジナル)

Recent years have witnessed the rapid growth of Small Private Online Courses (SPOC) which is able to highly customized and personalized to adapt variable educational requests, in which machine learning techniques are explored to summarize and predict the learner’s performance, mostly focus on the final grade. However, the problem is that the final grade of learners on SPOC is generally seriously imbalance which handicaps the training of prediction model. To solve this problem, a sampling batch normalization embedded deep neural network (SBNEDNN) method is developed in this paper. First, a combined indicator is defined to measure the distribution of the data, then a rule is established to guide the sampling process. Second, the batch normalization (BN) modified layers are embedded into full connected neural network to solve the data imbalanced problem. Experimental results with other three deep learning methods demonstrates the superiority of the proposed method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google