mobile applications | BriefGPT

关键词mobile applications

搜索结果 - 19

通知系统中的时间交互模型 (TIM)
通过建立 “时间交互模型”（TIM），该研究提出了一种旨在改善移动应用用户参与度的综合通知时间控制策略。研究重点关注用户行为模式，通过估计每个时间段内点击率等用户历史交互特征，而不仅仅依赖上下文特征。通过离线实验和在线 A/B 测试，结果表
PDF23 days ago
MIT App Inventor 上的生成型 AI 代理的快速移动应用开发
通过使用 MIT App Inventor 提供的开发平台，本文提出了一种用于快速开发 AI 代理应用程序的方法论，并展示了三个不同的移动应用程序的开发过程：用于培育可持续社区的 SynchroNet；用于解决拖延症的 Productivi
PDF3 months ago
MAPLE：基于大型语言模型嵌入的移动应用预测
本研究提出了基于大型语言模型嵌入的移动应用预测模型（MAPLE），以应对移动应用预测中复杂的用户行为和不断演化的环境。通过对两个公共数据集的严格测试，结果表明 MAPLE 能够准确解读复杂模式并理解用户背景。这些强大的结果确认了 MAPLE
PDF10 months ago
LLMCad: 快速可扩展的设备端大型语言模型推理
LLMCad 是一个创新的本地推理引擎，专为高效的自然语言处理任务而设计，通过模型协作实现高速的令牌生成。
PDF10 months ago
使用深度学习为动态图像分类的移动应用提供用户体验启发式准则和检查清单
在移动应用程序的深度学习分类与设计方面，我们提出了适合的 AIX 原则和点击列表，以及一个在线课程和支持这些原则的网络应用程序工具。
PDFa year ago
CVPRDIFT: 用于内存高效光流的动态迭代场变换
本文介绍了一种轻量级低延迟和内存高效的动态迭代字段变换（DIFT）模型，适用于移动、增强现实、微型无人机、机器人和相机等边缘应用的光流估计，通过迭代精炼框架利用不同分辨率的代价体来实现。在 Snapdragon 8 Gen 1 HTP AI
PDFa year ago
模型之外：Android 应用中的深度学习模型数据预处理攻击
本文介绍对真实世界的基于数据处理的深度学习应用攻击。结果表明，81.56％的应用程序可以成功攻击，这凸显了了解并采取保护数据处理方面的安全措施在设备上的深度学习模型的重要性。
PDFa year ago
分析应用评论以推动技术价值流》论文的附录
该研究提出了一种新颖的框架，利用自然语言处理技术来理解移动应用程序的用户反馈，从而帮助软件公司根据用户评论来推动其技术价值流，发现需要改进的地方。该框架经过深入分析，其模块的效果得到了评估，并通过对长时间内十六个流行的 Android 应用
PDFa year ago
基于时间序列的智能城市移动应用程序：伊斯坦布尔的智慧出行交通估计
该研究提出了一种基于人工智能的手机应用程序，利用交通密度数据，通过 LSTM、Transformer 和 XGBoost 等时间序列方法预测伊斯坦布尔的交通拥堵情况，并根据 MAPE、MAE 和 RMSE 等性能指标分析模拟结果，发现 Tr
PDF2 years ago
MM使用迁移学习生成逼真的云访问时间，用于移动应用测试
本论文提出一种基于转移学习的测量驱动方法，使用 LSTM 神经网络，通过相对较短的样本将传统模型适应于新环境，简化了合成轨迹生成，并生成了适用于多样化目标环境的 WiFi 和 LTE 云存取时间模型的特征，演示了由这些模型生成的合成轨迹可以
PDF3 years ago
Swift for TensorFlow：深度学习的可移植、灵活平台
Swift for TensorFlow 是一个深度学习平台，可在数据中心的硬件加速器集群从移动设备扩展。它结合了语言集成的自动微分系统和多个 Tensor 实现，这些实现是在面向可变值语义的现代预先编译语言中实现的。该平台已经通过在 30
PDF3 years ago
SPINN: 设备和云上神经网络的协同渐进推理
本文提出了 SPINN 系统，利用分布式计算和渐进推理方法共同实现设备云协同计算，并引入了一种新的调度程序，通过合理设置早期退出策略和 CNN 分割，以适应动态条件和满足用户定义的服务水平要求，以达到快速和强大的 CNN 推理。定量评估表明
PDF4 years ago
EMNLP隐私政策问答：结合计算和法律视角
本文介绍了 PrivacyQA 数据集，以及采用神经网络进行隐私政策问题回答的方法和挑战。PrivacyQA 数据集包括 1750 个问题和 3500 个相关答案的专业注释，研究表明，当前的神经网络方法在回答隐私政策问题上存在诸多问题，该数
PDF5 years ago
BottleNet++：设备 - 边缘合作推理系统中特征压缩的端到端方法
BottleNet++ 是一种面向资源受限的移动设备的深度学习模型压缩和传输方法，使用 CNN 实现双向通信的联合源 - 信道编码，能够实现高达 64 倍的带宽降低和 256 倍的位压缩率，并能以小于 2% 的准确性损失实现高效率的模型拆分
PDF5 years ago
KDD高效多任务推理的剪枝感知合并
本文提出了一种网络合并方法 Pruning-Aware Merging (PAM)，在考虑未来网络剪枝的情形下，合并神经网络以达到最小计算成本，实验结果表明与现有方法相比，PAM 可以获得高达 4.87 倍减少计算成本的效果。
PDF5 years ago
CVPR面向移动和嵌入式应用的超高能效 CNN 领域特定加速器，功率为 9.3TOPS / 瓦
该论文介绍了一种用于实现基于卷积神经网络的计算机视觉应用的高效领域特定架构（DSA），并利用 DSA 设计了一个能够高效地支持移动设备和嵌入式系统的加速器，可用于实时图像分类和场景识别等实际应用。
PDF6 years ago
语言建模的神经网络压缩
本文研究了针对基于循环神经网络的语言建模问题的几种压缩技术。通过使用 Penn Treebank（PTB）数据集，我们比较了 LSTM 网络的剪枝、量化、低秩分解、张量列车分解对模型大小和适用于快速推理的适合性，并发现传统的 LSTM 网络
PDF7 years ago
自动完成 Android 应用程序的错误报告
FUSION 是一种新颖的解决方案，它通过静态和动态分析将用户提供的信息链接到测试或发布前提取的程序工件，帮助用户自动完成功能，从而用于移动应用中的缺陷报告的离线检测，该方法可以推广到其他移动软件平台，并且与传统的问题跟踪系统相比，在呈现更
PDF7 years ago
CNNdroid：在安卓上利用 GPU 加速执行已训练的深度卷积神经网络
介绍了一个基于 GPU 加速的开源库 CNNdroid，可以在 Android 设备上执行训练好的深度卷积神经网络，并实现了高达 60 倍的加速和 130 倍的能量节省。
PDF9 years ago