随着智慧教育系统（Intelligent Tutoring System, ITS）的快速发展，ITS以其时空约束少、便捷程度高和个性化定制学习的优势，在现代教育事业中获得广泛关注与使用，产生了规模巨大的教育数据。然而，由于ITS中的知识种类繁杂，需要学生自己从各种冗余信息中进行查找检索，导致ITS的学习资源和学习路径多样化优势无法发挥。因此，如何利用数据挖掘等技术对学生学习数据进行理解、分析，提供个性化学习，已经成为计算机、人工智能及教育等相关交叉学科的研究热点。基于图的知识追踪方法研究就是最近较火的研究方向。
基于图的知识追踪方法研究-周瑾洁原创文章，作者：bfs，如若转载，请注明出处：https://www.isclab.org.cn/2023/05/15/%e5%9f%ba%e4%ba%8e%e5%9b%be%e7%9a%84%e7%9f%a5%e8%af%86%e8%bf%bd%e8%b8%aa%e6%96%b9%e6%b3%95%e7%a0%94%e7%a9%b6/
注意力机制应用在encoder-decoder模型中，可以使Decoder根据时刻的不同，让每一时刻的输入都…
多智能体系统安全是当前人工智能研究中的重要方向，与系统稳定性、信息可信性及防御能力密切相关，但现有研究多集中于单智能体输入输出过滤或局部安全策略，难以刻画复杂交互网络中的全局风险传…
智能模型的不确定性是模型内生脆弱性问题的重要表征之一，反映了模型对输入数据预测结果的可信程度，包含了对数据和模型两方面缺陷的量化估计。本次报告介绍了模型不确定性估计工作基本概念，讲…
Linux系统强大的网络配置能力使得Linux能够工作在各种复杂网络环境下并提供各种稳定的服务。本次报告介绍…
后门防御旨在使用神经元剪枝、知识蒸馏等手段消除模型中隐藏的后门，阻止攻击者使用触发器样本控制深度学习模型的输出。本次学术报告主要讲解了两种以对抗性扰动和后门攻击关系为基础的后门防御…
对抗样本会的存在严重威胁到机器学习模型的输出准确性。目前最常用的对抗样本生成方法是FGSM，其通过在沿着损失…
本报告围绕Linux内核漏洞环境自动生成展开，针对漏洞数据库版本声明不准确、内核配置依赖复杂等复现难题，系统介绍了自动化环境构建方法KernJC。首先梳理研究背景与相关工作，继而解…
深度学习软件库作为构建和训练深度学习模型的基础，对深度学习软件库进行检测、挖掘软件库的代码漏洞，是保障深度学习模型的可靠性的基础之一。本次报告介绍了2种基于API层的深度学习软件库…
Android消息机制，主要讲解Android系统内部不同线程之间的信息交互，具体介绍了MessageQueue、Looper和Handler三者之间的交互和各自的原理。 附件-A…
条件随机场（conditional random fields）是一种满足马尔可夫性质的条件概率图模型。它很好地解决了隐马尔可夫模型…
