ارائه راهکاری جهت افزایش دقت مدلسازی آشکار یادگیرنده مبتنی بر شبکه بیزی
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,408
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICELEARNING06_011
تاریخ نمایه سازی: 30 مرداد 1391
چکیده مقاله:
یکی از حوزه های مهم د ریادگیری الکترونیکی سامانه های یادگیری تطبیق پذیر می باشد. شاخصه بارز این دسته از سامانه ها فراهم نمودن خدمات یادگیری متناسب با مدل یادگیرنده می باشد. مدل یادگیرنده در بر گیرنده اطلاعاتی در مورد ویژگی های یادگیرنده است. هرگاه اجزای مدل یادگیرنده برای او و سایر کاربران قابل مشاهده و بررسی باشدف ان را مدل آشکار یادگینده می نامند.از آنجایی که عمل تطبیق بر اساس مدل یادگیرنده صورت می گیرد لذا دقت عمل تطبیق وابسته به دقت مدلسازی می باشد. همچنین در بعضی موارد مدل یادگیرنده جهت ارزیابی دانش مورد استفاده قرا می گیرد. یکی از راه های افزایش دقت مدلسازی به روز کردن مدل بر اساس نظر یادگیرنده در مدل سازی آشکار می باشد. در این پژوهش به منظور ارتقا دقت مدل سازی، راهکاری دو مرحله ای پیشنهاد گردیده است: در مرحله اول با توجه یه ساختار شبکه بیزی مدلی جهت محاسبه میزان اعتماد سامانه به نظر یادگیرنده معرفی گردیده است. د رمرحله دوم با در نظر گرفتن میزان اعتماد سامانه به یادگیرنده و نظر یادگیرنده الگوریتمی جهت به روز رسانی مدل دانش پیشنهاد شده است. جهت ارزیابی عملکرد روش پیشنهادی، سامانه OpenLAUT پیاده سازی گردیده و دانش ارزیابی شده یا استفاده از رهیافت پیشنهادی با دانش امتیازدهی شده توسط آزمون جامع مورد مقایسه قرار گرفت. همچنین این مقایسه یک بار بدون استفاده از رهیافت پیشنهادی صورت پذیرفت. مقایسه بین این دو حالت نشان می دهد که رهیافت پیشنهادی منجر به افزایش دقت یادگیرنده گشته است.
کلیدواژه ها:
نویسندگان
سمیه مدبری
دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی امیرکبیر
احمد کاردان
دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی امیر کیبر
امید رضا بلوکی اسپیلی
دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی ارومیه
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :