A Fusion of Transfer Learning with Osprey Optimization Algorithm Based Student Engagement Detection for Improving Performance of Virtual Classroom Environments
Dieses Paper schlägt das FTLSED-VCOOA-Framework vor, welches adaptives bilaterales Filtern, eine Fusion aus SqueezeNet, Shallow CapsNets und MobileNetV2 zur Merkmalsextraktion, einen CNN-LSTM-Klassifikator sowie den Osprey Optimization Algorithm zur Hyperparameter-Optimierung integriert, um das Engagement von Studierenden in virtuellen Klassenzimmerumgebungen effektiv zu erkennen und die Leistung zu verbessern.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.