基于深度学习的知识追踪
案例介绍
--改进深度学习模型中知识跟踪的方法
通过使用注意力机制来控制历史信息对DeepIRT模型的影响，提高模型的预测精度。研究对象主要基于DeepIRT模型和Transformer模型。
主要工作内容：数据清理，通过tensorflow建立两个模型，利用注意力机制和衰减函数控制模型对历史数据的注意力。
案例图片
相似案例推荐
其他人才的相似案例推荐
-
智能读书系统
创新系统开发：OCR、文本到语音和视频合成 我开发了一个创
-
智能读书系统
创新系统开发：OCR、文本到语音和视频合成 我开发了一个创
-
vue
使用vue做前端页面，显示后端传送过来的数据，我主要负责前端
-
pyqt5界面
与后端模型的结合，使用pyqt5做一个前端显示页面，大致为调
-
电池go微信小程序
主要功能有电池收购，客户填写地址电池收购类型和数量 以及个人
-
某手机配件网数据采集
数据存储： 将抓取的数据存储到数据库中，可选择关系型数
-
HryFine
1.利用等价类，错误推断，边界值等方法对软件进行测试 2.
-
爬虫怎么上传？传了两个我做的前端
111111111111111111111 111
-
为村耕智小程序
要技术用到了原生微信小程序,小程序的长连接 webSocke
-
数字孪生平台
油田数字孪生平台是一种先进的技术解决方案，旨在创建油田的虚拟
-
会议管理平台
此系统构建一个会议运维管理，专为油田运营中的多层次、跨部门的
-
智能多路视频AI检测/分析/报警
在边端服务器或边缘盒子上进行多路视频流的拉流，完成报警事件检
微信接收人才推送
关注猿急送微信平台，接收实时人才推送
接收人才推送
联系聘用方端客服