使用边缘计算的数字学习会议中参与者的注意力检测-研究论文
在线学习每年都在Swift增长。 但是，有一些因素与传统的课堂学习方法不同。 在在线学习中，教师（主持人）无法一次监视每个学生（参与者），这在课堂学习中是可能的。 因此，难以识别学习者的注意力。 本文提出了一种深度学习方法，用于在边缘计算中使用卷积神经网络检测学习者的注意力水平。 另外，跟踪浏览器的活动以进一步识别学习者的注意力水平。 神经网络将学生的注意力分类为四个不同类别之一，即高度专心，专心，不太专心和至少专心。 此关注级别是在边缘设备上计算的，并且仅最终输出发送到服务器。 结果，消耗了少量的带宽并且尊重了用户的隐私。 使用“电子环境中的情感状态数据集”（DAiSEE）对CNN模型进行了训练。 在实验过程中，有效的系统精度达到了84.1％。
文件下载
评论信息
其他资源
- 贪吃球小游戏.aia基于AppInventor
- 调制信号的解调算法与基于LABVIEW的实现
- jdk1.8.0_144的源码包
- TestStand视频教程(初级教程)
- 乐华T.VST29.03-V59 19宽屏1440x900双8位通用程序 7键v59
- DLP6401投影仪PCB
- MSR MATLAB
- R语言及Bioconductor在基因组分析中的应用
- 使用单元测试工具
- python-3.9.2-amd64.rar
- 形位公差 相关介绍说明
- 汽车线束布置设计.ppt
- google-installer-2-0.apk
- 基于PSO移动机器人路径规划算法
- 2020线性代数辅导讲义练习答案.pdf
- 重载CListBox响应右键菜单
- DataLogic Matrix300N 中文彩页
- 数学建模中排队论问题的原理分析及MATLAB求解过程
- SwipeRefreshLayoutDemo 实例源码
- Android资源评论工具类
- TMS320C54x系列DSP上FFT运算的实现
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明