A Fusion of Transfer Learning with Osprey Optimization Algorithm Based Student Engagement Detection for Improving Performance of Virtual Classroom Environments
Ce document propose le cadre FTLSED-VCOOA, qui intègre un filtrage bilatéral adaptatif, une fusion de SqueezeNet, de Shallow CapsNets et de MobileNetV2 pour l'extraction de caractéristiques, un classificateur CNN-LSTM, ainsi que l'algorithme d'optimisation Osprey pour l'ajustement des hyperparamètres afin de détecter efficacement l'engagement des étudiants et d'améliorer les performances dans les environnements de classes virtuelles.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.