lightbulb现实痛点预测建模、行为推断与趋势估计方法
慢设备参与联邦学习时，训练延迟高且个性化准确性差。感知、识别与预测方法 / 预测建模、行为推断与趋势估计方法
慢设备参与联邦学习时，训练延迟高且个性化准确性差。
同类问题
lightbulb现实痛点预测建模、行为推断与趋势估计方法
用户与数字角色对话时，系统难以准确理解语境，导致交互生硬。CUI '24Multimodal Dialog Act Classification for Conversations With Digital Characters
lightbulb现实痛点预测建模、行为推断与趋势估计方法
现有液体识别技术成本高、精度低，难以适应日常使用场景。lightbulb现实痛点预测建模、行为推断与趋势估计方法
用户在实际应用中难以获取精确且个性化的实时压力监测结果。UbiComp '24Unraveling Temporal Dependencies in Stress: Insights from Self-Reported Stress Data
lightbulb现实痛点预测建模、行为推断与趋势估计方法
用户在减肥应用中流失率高，导致健康目标无法达成。lightbulb现实痛点预测建模、行为推断与趋势估计方法
数据中心因高功耗和不稳定供电成本高，难以节能。UbiComp '23LSTM Based Short-Term Data Center Electrical Consumption Forecasting
lightbulb现实痛点预测建模、行为推断与趋势估计方法
IoT设备无法高效处理异构数据和大规模模型训练，影响联邦学习应用。UbiComp '23Inclusive Data Representation in Federated Learning: A Novel Approach Integrating Textual and Visual Prompt
相关论文
UbiComp 2024
LiquImager: 基于商用 WiFi 设备的细粒度液体识别与容器成像系统
Fei Shang, Panlong Yang, Dawei Yan
UbiComp 2024
EchoPFL：移动设备上具有按需陈旧度控制的异步个性化联邦学习
Xiaochen Li, Sicong Liu, Zimu Zhou
CHI 2024
预测公共数字减肥干预中用户的早期流失
Robert Jakob, Nils Lepper, Elgar Fleisch
CHI 2023
使用用户模拟的摊销推理
Hee-Seung Moon, Antti Oulasvirta, Byungjoo Lee
CHI 2022
Tisane：通过概念和数据关系的形式化推理来构建统计模型
Eunice Jun, Audrey Seo, Jeffrey Heer
CHI 2022
通过策略调节加速推理与用户模拟器
Hee-Seung Moon, Seungwon Do, Wonjae Kim
UIST 2021
用旋转双高斯模型建模触点分布
Yan Ma, Shumin Zhai, IV Ramakrishnan