这篇研究论文调查了基于规则的模拟器中历史数据在大学轨迹预测中的预测价值。研究发现,纳入六个月的历史摘要略微提高了预测准确性,将归一化均方根误差从0.159234降低到0.151522。然而,与仅长度控制相比,改进幅度不大,且统计上不确定。进一步分解显示,准备指数和资金带来了好处,而疲劳似乎是预测误差的主要因素。 AI
影响 这项研究为特定领域预测建模的历史数据有效性提供了见解,可能为未来的模拟和预测方法提供参考。
排序理由 该项目是一篇在arXiv上发表的研究论文,详细介绍了对模拟模型的审计。[lever_c_demoted from research: ic=1 ai=0.7]
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- computer science
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv
- Influence Flower
- machine learning
- ScienceCast
- University Trajectory Forecasting
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →