- 博客(106)
- 资源 (20)
- 收藏
- 关注
RSS订阅原创 [论文翻译][2004][567]Higher-order latent trait models for cognitive diagnosis(HO-DINA 高阶潜在特性认知诊断模型)
Bayesian Estimation of the DINA Model With Gibbs Sampling下载论文下载论文
2020-07-07 22:44:47
1184
原创 [代码解析][2015][28]Bayesian Estimation of the DINA Model With Gibbs Sampling(基于Gibbs采样的DINA模型贝叶斯参数估计方法)
Bayesian Estimation of the DINA Model With Gibbs Sampling资料更新被试认知状态和认知状态分布更新试题的失误率和猜对率Gibbs采样迭代过程资料下载论文中文翻译更新被试认知状态和认知状态分布更新公式如下：p(αi∣yi,π,Ω)=∏c=1Cπ~i,cI(αiT⋅qj=qjT⋅qj),π~i,c=p(αi=αc∣yi,π,Ω)(10)p(\boldsymbol{\alpha_i|y_i,\pi,\Omega}) = \prod_{c=1}
2020-07-02 22:20:50
908
原创 [论文翻译][2015][28]Bayesian Estimation of the DINA Model With Gibbs Sampling(基于Gibbs采样的DINA模型贝叶斯参数估计方法)
Bayesian Estimation of the DINA Model With Gibbs Sampling摘要引言DINA模型摘要基于已经提出的DINA模型的贝叶斯表达公式，可以使用Gibbs采样通过联合后延分布来拟合试题的猜对率、失误率、被试属性和潜在认知状态的概率。本程序扩展了Be guain等人的方法以估计三参数和四参数正则模型中的失误率和猜对率。模拟实验表明该模型具备较好的参数拟合能力。该技术已被应用与心理旋转测试，研究人员可以通过“DINA”R软件包免费获取该算法和插件。关键词： 认
2020-07-02 17:57:54
1156
1
原创 [2016][34]基于大数据的牛顿(Knewton)平台自适应学习机制分析
自适应学习平台的关键技术与典型案例1. 概述2. Knewton平台2.1 基础架构2.1.1 数据收集与处理组件2.1.2 推理与评估组件2.1.3 个性化服务组件2.2 数据模型2.2.1 知识图谱2.2.2 学生事件2.2.3 目标档案2.2.4 输出结果3 核心技术3.1 项目反应理论3.2 平台架构总结[点我下载论文]1. 概述该篇文章对国外火热的自适应学习平台Knewton进行了...
2020-04-21 17:42:27
2654
原创 [2019][]自适应学习平台的关键技术与典型案例
自适应学习平台的关键技术与典型案例概述关键信息点总结点我下载论文概述论文着重分析了美国自适应平台Knewton涉及的关键技术方法。Knewton平台是自适应平台中的佼佼者，获得了多轮融资，以投入商业使用。Knew平台针对学习者目标的模糊性和动态性，实现了认知状态诊断和学习目标动态规划。Knew平台的实现了持续自适应引擎，其中主要组件包括：空间强化、学习和记忆曲线以及学生学习档案。空间强化是指...
2020-04-21 11:00:27
1832
原创 谷歌大数据论文 - The Google File System 阅读笔记《一》
英文版：中文版：点击下载谷歌的大数据论文 The Google File System，是当前分布式存储的开山之作。很多分布式存储系统均依据或借鉴其思想进行实现，其中就包括大名鼎鼎的Hadoop系统。本文旨在通过对论文《The Google File System》的梳理，了解其系统设计和实现的核心思想，加深自己对Hadoop等分布式存储系统的理解。设计目标实现一个面向大规模数据密集型应...
2019-09-01 22:08:30
449
原创 XGBoost 核心数据结构和API(速查表)
XGBoost 核心数据结构和API1. DMatrixDMatrix 为XGBoost中数据存储的核心结构。训练数据和测试数据均需封装成 DMatrix 结构。1.1 DMatrix 构造函数DMatrix的构造函数包含8个参数:data (string/numpy array/scipy.sparse/pd.DataFrame/DataTable) DMatrix的数据源，...
2018-12-06 18:48:28
3595
原创 【RPG Maker MV】使用技巧2：任务对话时使用半身像
RPG Maker MV 默认的人物对话只显示头像，而我们看到大部分RPG游戏，人物对话时，都会显示半身像。那如何在对话时，显示半身像呢？这就需要用到RPG Maker提供的图片事件功能了。首先，我们先准备一批角色的半身图像，并将图像放置到你的项目的img\pictures目录下，比如我的项目名称为MyRobot，找到该项目目录，将图片放置在MyRobot\img\pictures接着回到...
2018-10-28 18:07:23
6559
原创 【RPG Maker MV】使用技巧1：用自己绘制的图片当做地图
因为RPG Maker MV本身提供的地图素材可能无法满足需求，比如我想绘制一个大型的建筑物，图形如下：这是，我们要怎么处理呢？这时，我们可以用RPG Maker 提供的远景图来完成这一效果。具体操作如下：首先把你的图片处理成合适的大小，RPG Maker 默认的地图大小为：816*624，建议你把图片也设置成这么大。接着把图片放到你的项目的img->parallaxes目录下，比...
2018-10-28 17:15:30
44977
2
原创 【RPG Maker MV】RPG游戏《机器人养成记》制作笔记 - RPG Maker MV 界面介绍
上一节，我们已经完成了软件的安装和项目的创建,并成功的运行了游戏。这一节我们将介绍RGP Maker MV的界面元素和基本的使用方法。这部分大家简单的了解下就可以了。后面我们在游戏制作用到每个元素时，还会细说。我们先回到软件的主界面，界面分成工具区、地图区和游戏场景区。其中工具区包含菜单栏和工具栏，提供软件的常用操作，数据库管理、素材管理、工具选择等功能。地图区上半部分为地图素材库，...
2018-10-28 16:12:16
5283
原创 【RPG Maker MV】RPG游戏《机器人养成记》制作笔记 - 制作背景和引擎选择
想让更多的人了解人工智能，学会机器学习，但机器学习本身有太高的入门门槛，导致很多人望而却步。因此一直在想办法让机器学习变得简单、有趣一些。做过一些尝试：比如用动画的形式介绍机器学习原理(点击查看)，通过视频来讲解机器是如何打游戏的(点击查看)，但这些方式都没有达到预期的效果。因此决定换一种方式，制作一款养成类的游戏，让大家在游戏中，一步一步的学会人工智能的相关技术，不断的成长。期望有一天，人工智能...
2018-10-28 08:12:03
6336
原创 【机器学习入门】机器人养成记-边玩游戏边学机器学习
游戏说的是，机器人袋袋你是要好的朋友，一日你们玩耍时，一辆失控的车子向你冲了过来。袋袋为了救你挡在了车前。巨大的冲击，让袋袋损毁严重，失去了意识。经过Frank医生的检查，袋袋神经系统和大脑损毁严重，需要重构袋袋才能恢复。但重构会导致之前的记忆丢失，唯一的解决办法，就是由你自己来重构机器人的神经网络，这样你就可以把你们之前的记忆，潜移默化的植入到袋袋的神经系统中。但你对神经系统一无所知，无...
2018-10-25 17:03:36
809
原创 【机器学习】两分钟论文导读：基于深度学习的3D地形生成器
亲爱的小伙伴们大家好，欢迎来到两分钟论文导读。我们讲给你带来最新，最受关注的前言论文。这次说的论文是用深度学习来生成3D地形。 关注公众号 袋马AI，回复terraing 获取论文下载地址We have recently witnessed the emergence of neural network-based techniques that are able to synthesi...
2018-10-23 18:41:44
1183
翻译 【机器学习】两分钟论文导读系列-验证AI程序的关键任务
【两分钟论文】系列视频资源见链接：http://www.insideai.cn/vedio/papers/reluplex.html下一篇：依据语音内容生成面部动画 - NVIDIA关注公众号：【袋马AI 】获取论文资源两分钟论文导读系列是由Károly Zsolnai-Fehér录制。介绍机器学习领域的高引用的热门论文.这个课程解读的论文是斯坦福大学的《Reluplex：An Ef...
2018-10-22 20:56:25
498
原创 利用全连接神经网络实现手写数字识别-使用Python语言，Keras框架
本文将使用全连接网络来解决手写数字识别问题，课程将使用Python作为开发语言，使用Keras框架来进行开发(后端使用Tensorflow)。整个网络包含两个 全连接层、 两个Dropout层 和一个输出层。
2018-10-13 20:13:50
7027
1
翻译 52.让机器学习输出更加丰富的内容 翻译自 吴恩达新书-Machine Learning Yearning
更多好玩的机器学习教程: 进入袋马学院领一份 ，全部免费
2018-10-05 09:27:19
188
翻译 51.选择管道组件之任务简单化 翻译自 吴恩达新书-Machine Learning Yearning
更多好玩的机器学习教程: 进入袋马学院领一份 ，全部免费
2018-10-05 09:27:09
327
翻译 50.选择管道组件之数据可用性 翻译自 吴恩达新书-Machine Learning Yearning
更多好玩的机器学习教程: 进入袋马学院领一份 ，全部免费
2018-10-05 09:26:57
191
翻译 49.端到端学习的利与弊 翻译自 吴恩达新书-Machine Learning Yearning
更多好玩的机器学习教程: 进入袋马学院领一份 ，全部免费
2018-10-05 09:26:46
321
翻译 48.更多的端到端学习实例 翻译自 吴恩达新书-Machine Learning Yearning
更多好玩的机器学习教程: 进入袋马学院领一份 ，全部免费
2018-10-05 09:26:37
271
翻译 47.端到端学习的兴起 翻译自 吴恩达新书-Machine Learning Yearning
更多好玩的机器学习教程: 进入袋马学院领一份 ，全部免费
2018-10-05 09:26:27
248
翻译 46.强化学习实例 翻译自 吴恩达新书-Machine Learning Yearning
更多好玩的机器学习教程: 进入袋马学院领一份 ，全部免费
2018-10-05 09:26:19
920
翻译 45.优化验证实现的一般形式 翻译自 吴恩达新书-Machine Learning Yearning
当提供一些输入x，你知道如何通过计算分值，来衡量输出y相对输入x有多好时，你可以使用优化验证测试。此外，你正在使用近似的算法来寻找最大的得分值，但是假设搜索算法有时并找不到最大的得分值。我们之前说的语音识别例子中，x是一个语音片段，y是输出的识别内容。加入y是算法输出结果y对应的正确结果。那我们的关键测试就是判断Scorex(y) > Scorex(y)，如果这个不等式成立，那就说明我们的...
2018-10-05 09:26:03
217
1
翻译 43.人工数据合成 翻译自 吴恩达新书-Machine Learning Yearning
吴恩达新书《机器学习年鉴》中文版单页版本吴恩达新书《机器学习年鉴》全书目录导航机器学习：让机器学会打游戏系列教程(含视频)你的语⾳识别系统需要更多听起来在车里录制的语音数据。相对于收集那些在开车的时候录制的音频，有⼀个更简单的方法获取这些数据：通过人工合成数据。假设你已经获得足够的汽车/马路噪音的音频片段。你可以从多个网站上下载这些数据。如果你已经有很多安静环境下录制的训练样本。你可以...
2018-10-05 09:25:42
460
翻译 42.处理数据不匹配问题 翻译自 吴恩达新书-Machine Learning Yearning
吴恩达新书《机器学习年鉴》中文版单页版本吴恩达新书《机器学习年鉴》全书目录导航机器学习：让机器学会打游戏系列教程(含视频)假设你开发了⼀个语音识别系统，在训练集和训练开发集上表现很好。然而，系统在开发集上表现很差：这是⼀个数据不匹配的问题。你会怎么做？我的建议：了解训练集和开发集上数据分布的不同点。找到更多和你开发集分布一致的数据。举例来说，假设你在语音识别的开发集上进行误差...
2018-10-04 06:41:52
317
翻译 41.区分偏差、方差和数据不匹配误差 翻译自 吴恩达新书-Machine Learning Yearning
吴恩达新书《机器学习年鉴》中文版单页版本吴恩达新书《机器学习年鉴》全书目录导航机器学习：让机器学会打游戏系列教程(含视频)假设⼈类可以在猫咪识别的任务中达到近乎完美的性能（约等于0%的错误率），那么，最优的错误率就约为0%。假如系统性能表现是：训练集上的错误率为1%训练开发集上的错误率为5%开发集上的错误率为5%这种情况说明了什么？你可以看到，方差很高。之前讲到的降低方差的方...
2018-10-04 06:40:49
283
翻译 40.从训练数据集泛化到开发数据集 翻译自 吴恩达新书-Machine Learning Yearning
更多好玩的机器学习教程: 进入袋马学院领一份 ，全部免费
2018-10-04 06:38:34
250
翻译 39.区分不同数据的权重 翻译自 吴恩达新书-Machine Learning Yearning
更多好玩的机器学习教程: 进入袋马学院领一份 ，全部免费
2018-10-04 06:34:00
245
1
翻译 38.是否要使用不一致的数据 翻译自 吴恩达新书-Machine Learning Yearning
更多好玩的机器学习教程: 进入袋马学院领一份 ，全部免费
2018-10-04 06:31:27
318
翻译 37.是否要将你的所有数据都用起来呢 翻译自 吴恩达新书-Machine Learning Yearning
更多好玩的机器学习教程: 进入袋马学院领一份 ，全部免费
2018-10-04 06:28:13
134
翻译 36.何时使用不同分布的数据集 翻译自 吴恩达新书-Machine Learning Yearning
更多好玩的机器学习教程: 进入袋马学院领一份 ，全部免费
2018-10-04 06:20:02
278
翻译 35.超越人类的水平 翻译自 吴恩达新书-Machine Learning Yearning
更多好玩的机器学习教程: 进入袋马学院领一份 ，全部免费
2018-10-04 05:41:09
214
翻译 34.如何定义人类处于什么样的水平 翻译自 吴恩达新书-Machine Learning Yearning
更多好玩的机器学习教程: 进入袋马学院领一份 ，全部免费
2018-10-04 05:33:43
168
翻译 33.为社么要与人类的水平进行比较 翻译自 吴恩达新书-Machine Learning Yearning
更多好玩的机器学习教程: 进入袋马学院领一份 ，全部免费
2018-10-04 05:31:09
129
[2020]Sequential Gibbs Sampling Algorithm for Cognitive Diagnosis Models
2020-07-10
[2001][857]Cognitive assessment models with few assumptions item response theory
2020-07-05
[2004][567]Higher-order latent trait models for cognitive diagnosis 2004.pdf
2020-06-30
[1999][421]Estimating multiple classification latent class models.pdf
2020-06-30
[2015][40]Bayesian estimation of the DINA model with Gibbs sampling.pdf
2020-06-30
DINA Model and Parameter Estimation：A Didactic.pdf
2020-05-30
基于大数据的牛顿(Knewton)平台自适应学习机制
2020-04-21
自适应学习平台的关键技术与典型案例
2020-04-21
Brusilovsky-Methods and techniques of adaptive hypermedia
2020-04-21
吴恩达新书 《Machine Learning Yearning》机器学习年鉴 中文版+英文版 1-52章全 无水印
2018-10-06
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人