- DrHouse: 一个通过利用传感器数据和专家知识强化的诊断推理系统
利用大型语言模型、智能设备和医学数据库，开发了一种名为 DrHouse 的多轮问诊虚拟医生系统，通过结合传感器数据、实时更新的医学数据库和新型诊断算法，显著提高了诊断准确性和可靠性，且通过用户研究证明了其广泛应用前景。
- 增强数据丰富的智慧城市联邦学习中的互信能力
通过考虑客户端和服务器的可信度需求，我们提出了一个新的框架来解决联合学习中的双向信任问题，包括创建服务器和客户端的偏好函数、建立基于声誉的推荐系统、分配可信度分数、使用统计的四分位数方法进行设备的信任度评估以及设计智能匹配算法。通过模拟和实 - 基于 FFT 的选择与优化统计量方法用于严重损坏图像的鲁棒识别
为了在智能设备上实现强大的视觉系统，尤其是机器人代理，提高对损坏图像的模型稳健性是其中的关键挑战。本文介绍了一种新方法（FROST），通过使用高频特征检测输入图像的损坏类型，并选择逐层特征归一化统计，从而提高任何分类模型的稳健性，尤其是在严 - LNPT: 无标签网络剪枝和训练
在本文中，我们介绍了学习差距的概念，并强调其与泛化能力的准确相关性。实验表明，学习差距以网络倒数第二层的特征图的形式与泛化性能的变化相一致。我们提出了一种新的学习框架，LNPT，使得云端的成熟网络能够对没有标签的智能设备上的网络修剪和学习提 - 利用知识注入学习提高多模态营销中的上下文一致性
通过将常识知识图与大型视觉语言模型结合，改进了多模态营销活动的效果预测，并实现了对可能具有说服力的多模态活动的早期检测以及对营销理论的评估和增强。
- CheapNET: 通过投影损失函数改进轻量级语音增强网络
噪声抑制和回声消除对于语音增强至关重要，是智能设备和实时通信的基础，而这些算法必须保证高效实时推断和低计算需求。我们提出了一种新的投影损失函数，用于增强噪声抑制效果，并且能够直接在 LAEC 预处理输出上进行回声消除的预测，从而显著提高模型 - 声音识别系统中的声音网络安全
我们研究了无声声波攻击对数字助手的新兴威胁，这是一个重要问题，因为预计到 2024 年，数字助手的普及度将超过全球人口总数。我们的研究扩展了这些攻击在亚马逊的 Alexa、Android、iOS 和 Cortana 等各种平台上的可行性，揭 - HFORD：面部隐私保护的高保真度和抗遮挡去身份化
通过在 GAN 反演空间中解耦身份和属性的方法，结合属性保留模块以提高鲁棒性，提出了一种高保真且抗遮挡的人脸去识别方法，实验证明其质量更高且能更好地保留细节、对遮挡具有更强的鲁棒性。
- 面向计算受限异构设备的联邦学习：综述
随着越来越多的物联网设备在现场部署，将神经网络的训练卸载到中央服务器变得越来越不可行，本文调查了联合学习在克服异构性挑战方面的应用和益处。
- MM利用物联网、大数据和机器学习技术的空气污染监测和预测系统现状
本文回顾了近期的研究，重点关注数据来源、监测和预测模型，采用智能设备、机器学习、大数据技术和物联网等方法，展示了改善空气污染模型的各种方面的研究进展和面临的问题和挑战。
- 探索更智能的智能空间：大型语言模型的帮助下准备派对
该论文研究了在智能家居环境中，如何利用大型语言模型识别出用户语句的意图并生成具体的机器可解析指令，以便控制智能设备，从而实现上下文感知。
- 智能设备隐私偏好的规范预测
本研究提出了一种基于协同过滤的方法来预测用户隐私偏好，以此帮助智能设备更好地遵守用户的隐私政策，并通过测试智能助手用户的隐私偏好数据集来验证该方法的准确性。
- 联邦推荐中的双重个性化
本文提出了一种新的个性化联邦推荐 (PFedRec) 框架，基于轻量级模型在智能设备上部署用户特定模型，同时提出了一种新的双重个性化机制来实现对用户和项目的细粒度个性化学习，该学习过程被统一到一个联邦优化框架中。实验结果表明，PFedRec - MAISON -- 为老年人设计的多模式基于人工智能的传感器平台
本研究提出 MAISON 云平台，能够从老年人和患者的家中收集所需的多模态传感器数据，有助于构建预测模型，帮助医护人员监测和分析老年人的行为、功能和心理数据，以及检测主要健康指标，包括社交孤立、抑郁和功能衰退等。
- 多模态数据的联邦迁移学习
提出了一种基于联邦转移学习的智能设备多模态数据联合训练框架，分组采用有监督学习和自监督学习，实现了数据隐私保护和模型迁移，该框架在不同设备间收集数据并保持联邦学习的特性。
- 无线自组临时联盟学习：一种完全分布式的合作式机器学习
本文提出了一种分布式的合作式机器学习方法，即 WAFL，它能够通过无线自组网络在非 IID 分散节点之间交换和聚合数据，从而构建广义模型，并在多种机会式网络中实现高达 94.8-96.3% 的准确率。
- BeeTS: 基于蓝牙和 IP 广播的智能分布式传感器元组空间与代理相结合
通过 Bluetooth 广播技术与 Tuple Space 服务建立的 BeeTS 服务，实现了物联网智能设备的短距离、低能耗、面向时空的无连接与自组织通信。
- IJCAIUIBert：为界面理解学习通用多模态表示
本文提出了 UIBert，一种基于 transformer 的联合图像文本模型，通过在大规模未标记的 UI 数据上进行新颖的预训练任务学习 UI 及其组件的通用特征表示，以解决智能设备可访问性和简化使用的问题。实验表明，UIBert 在九个 - 关于本地差分隐私在数据统计和分析中的综合调研
本文论述了 LDP（Local Differential Privacy）模型的隐私保护架构，包括模型、机理、应用场景以及未来研究方向，并比较了在不同数据分析任务中的应用，以达到保护数据隐私的目的。
- 声音难辨：保护语音纹以实现隐私保护语音数据发布
本研究设计了一种新的严格的隐私度量标准 - 声音可区分性，扩展差分隐私，提出了扩展差分隐私机制和框架，以实现满足声音可区分性的隐私保护语音数据发布，并在公共数据集上验证了所提出方法的有效性和效率。