.png){kind=icon}
返回
Adaptive Deep Reinforcement Learning for Optimizing Teacher Professional Development Path
.png){kind=icon}
PRE
AI
DOI：10.1002/cae.70164.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
确保网络安全专业知识公平获取的重要性日益凸显，考虑到数字威胁的日益复杂性。鉴于教育工作者需要教授计算机欺诈预防、网络安全等领域的知识，迫切需要支持个性化学习路径的自适应、数据驱动的专业发展系统。为应对这一挑战，本研究提出了一种自适应深度强化学习框架，用于优化网络安全教育中的个性化教师发展路径规划。引入了两种改进模型：改进的深度Q网络（DQN），整合了多层感知器、三次动态奖励函数和自适应探索策略；以及PER-D3QN模型，结合了决斗双深度Q学习（D3QN）和优先经验回放（PER），以缓解Q值高估并加速收敛。使用真实教师数据的实验评估表明，改进的DQN达到的平均性能分数高达0.36，而传统DQN为0.054-0.068。此外，PER-D3QN模型优于ERDQN基线，平均奖励达到4.738（对比2.021），经过6000轮训练后的平均分数为2.799（对比1.946），表明网络更新速度也得到了显著提升。这项研究不仅有助于提升教师在网络安全领域的专业知识和技术应用能力，还为教育机构确保其与不断变化的安全威胁保持一致提供了科学方法论支持。此外，本研究强调了跨学科合作的重要性，并鼓励计算机科学、教育学和心理学领域的专家进行合作。
Keyword:
cybersecurity
deep reinforcement learning
DQN
Path planning
PER-D3QN
期刊
C
IF:
2.2
论文数:
131
被引数:
2.3K
机构
引用论文
Zhao, Y.; Xu, S.; Duan, H. HGNN−BRFE: Heterogeneous Graph Neural Network Model Based on Region Feature Extraction. Electronics 2024, 13, 4447. [Google Scholar] [CrossRef]赵, Y.; 徐, S.; 段, H. HGNN−BRFE: 基于区域特征提取的异构图神经网络模型. Electronics 2024, 13, 4447. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏The Convergence of Intelligent Tutoring, Robotics, and IoT in Smart Education for the Transition from Industry 4.0 to 5.0智能教学，机器人技术和物联网在智能教育中的融合，以实现从行业4.0到5.0的过渡SMART CITIES
OAAI
SMART CITIESIF5.5
OAAI分享收藏Modeling effective cybersecurity training frameworks: A delphi method-based studyCOMPUTERS & SECURITY
OAAI
COMPUTERS & SECURITYIF5.4
OAAI分享收藏分享收藏Sequential Pattern Mining on Cyber Ranges for a Computer-Based Diagnostic of Cybersecurity Skills
PREAI
分享收藏Dual-Priority Delayed Deep Double Q-Network (DPD3QN): A Dueling Double Deep Q-Network with Dual-Priority Experience Replay for Autonomous Driving Behavior Decision-MakingLi, S.; Shi, P.; Yang, A.; Qi, H.; Dong, X. 双优先级延迟深度双Q网络（DPD3QN）：一种带有双优先级经验回放的Dueling Double Deep Q-Network，用于自动驾驶行为决策。Algorithms 2025, 18, 291. [Google Scholar] [CrossRef]Algorithms
AlgorithmsIF0
PREAI
分享收藏NETWORK ABNORMAL TRAFFIC DETECTION FRAMEWORK BASED ON DEEP REINFORCEMENT LEARNING基于深度强化学习的网络异常流量检测框架
PREAI
分享收藏
查看更多内容