smart devices | BriefGPT - AI 论文速递

关键词smart devices

搜索结果 - 28

使用 Sinc 卷积在原始音频数据上进行小型关键词检测
本论文提出了一种新的端到端体系结构，并使用参数化 Sinc 卷积直接从原始音频中提取谱特征，实现了关键词的实时分类，其准确度高达 96.4%，序数为 62k。
PDF5 years ago
设备端机器学习：算法与学习理论视角
本篇论文对设备上的机器学习进行了全面的调查和分类，将 On-device Learning 问题重新表述为资源受限的学习，如何在设备资源有限的情况下进行模型训练是未来需要关注的重点。
PDF5 years ago
WWWDLocRL: 用于推文中细粒度位置识别和链接的深度学习管道
本文提出了一种基于深度学习技术的微观位置识别和链接策略，通过针对实际的推特数据验证其有效性。
PDF5 years ago
跨语言跨平台谣言验证在多媒体内容上的支点
文章提出了利用跨语言平台特征检验谣言的新方法，通过对内外信息间的语义相似度进行比对进而获取最佳效果。
PDF6 years ago
基于大规模浏览日志的跨设备用户匹配：2016 CIKM 杯亚军方案
本文讨论了一个为广告公司解决精准用户标识问题的方案，主要包括综合特征工程、负采样和模型选择三个部分，并展示了各部分的特殊步骤和性能提升情况。最终我们取得了 CIKM Cup 2016 比赛的第二名，F1 得分为 0.41669。
PDF8 years ago
使用本地差分隐私对智能设备用户数据进行收集和分析
Harmony 是一种实用、准确和高效的系统，支持从智能设备用户收集和分析多维度数据以及应用于基本的统计学和复杂的机器学习任务，并满足本地差分隐私技术的要求，以解决数据收集可能引起的隐私问题。
PDF8 years ago
MM室内办公室和商场环境下的 5G 3GPP 类信道模型
讲述了 5G 通信系统需要在高达 100 GHz 的频段中进行先进设备和广泛频带通道的精确无线电传播模型的开发以应对未来通信需求。
PDF8 years ago
Crowd-ML：面向智能设备群体的隐私保护学习框架
本文介绍了一种面向智能设备群体的隐私保护机器学习框架 Crowd-ML，它可以通过差分隐私保证下处理众包感知数据的广泛学习问题，实现在设备和服务器上处理最小开销的在线学习分类器或预测器。我们在真实和模拟实验中证明了 Crowd-ML 的优点
PDF9 years ago