HCI.TOPHCI, made easy

arrow_back返回问题库查看分类arrow_forward

感知、识别与预测方法 / 预测建模、行为推断与趋势估计方法

数据中心电力需求波动复杂，传统方法无法有效预测高峰电力需求。

lightbulb现实痛点预测建模、行为推断与趋势估计方法

数据中心电力需求波动复杂，传统方法无法有效预测高峰电力需求。

UbiComp '23Data Center Peak Electrical Demand Forecasting: A Multi-Feature SARIMA-LSTM Model

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。

UbiComp '24LiquImager: Fine-grained Liquid Identification and Container Imaging System with COTS WiFi Devices

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

慢设备参与联邦学习时，训练延迟高且个性化准确性差。

UbiComp '24EchoPFL: Asynchronous Personalized Federated Learning on Mobile Devices with On-Demand Staleness Control

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。

CHI '24Predicting early user churn in a public digital weight loss intervention

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

相关论文

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

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

预测公共数字减肥干预中用户的早期流失

Robert Jakob, Nils Lepper, Elgar Fleisch

使用用户模拟的摊销推理

Hee-Seung Moon, Antti Oulasvirta, Byungjoo Lee

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

通过策略调节加速推理与用户模拟器

Hee-Seung Moon, Seungwon Do, Wonjae Kim

用旋转双高斯模型建模触点分布

Yan Ma, Shumin Zhai, IV Ramakrishnan