A Fusion of Transfer Learning with Osprey Optimization Algorithm Based Student Engagement Detection for Improving Performance of Virtual Classroom Environments
Dit artikel stelt het FTLSED-VCOOA-framework voor, dat adaptieve bilaterale filtering, een fusie van SqueezeNet, Shallow CapsNets en MobileNetV2 voor feature-extractie, een CNN-LSTM-classifier en het Osprey Optimization Algorithm voor hyperparameteroptimalisatie integreert om de betrokkenheid van studenten effectief te detecteren en de prestaties in virtuele klasomgevingen te verbeteren.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.