weixin_47277897的博客

GRCNN：从流程图中合成程序的图识别卷积神经网络论文使用了一种新型的卷积神经网络，从图像中识别图结构。对GRCNN进行端到端训练，可以同时预测流程图的边缘信息和节点信息。实验表明，合成一个程序的准确率为66.4%，识别边缘和节点的准确率分别为94.1%和67.9%。平均而言，合成一个程序大约需要60毫秒。为什么提出这个框架？要合成一个程序，必须提供规范。形式语言的规范可以准确地表示用户的意图，并用于演绎程序综合[3]。然而，很少有人拥有正式语言的知识...

ABSTRACT随着语音助手变得越来越普遍，人们越来越希望它们能够支持不同领域的各种用例，并在这些用例中表现良好。我们提出了一个域感知的重新评分框架，适用于在生产环境中进行二次重新评分时实现域适配。在我们的框架中，我们在几个领域上微调一个领域通用神经语言模型，并使用基于lstm的领域分类模型选择合适的领域适应模型用于二次重评分。与域通用重评分相比，在三个单独的域(购物、导航和音乐)上，这种域感知重评分提高了单词错误率高达2.4%，槽位单词错误率高达4.1%。这些改进是在保持一般用例的准确性的同时获得

Abstract 将设计人员创建的图形用户界面截图转换为计算机代码是开发人员为构建定制的软件、网站和移动应用程序而执行的典型任务。在本文中，我们证明了深度学习方法可以用来训练一个端到端模型，对三个不同的平台(即iOS、Android和基于web的技术)从单个输入图像自动生成代码，准确率超过77%的水平Introduction 基于由设计人员创建的图形用户界面(GUI)模型来实现客户端软件的过程是开发人员的责任。然而，实现GUI代码很耗时，并且阻碍了开发人员花费大部分时间来实现他们

目录ABSTRACT传统GUI操作非视觉交互问题目标语音识别服务语音控制系统安卓可访问性apiJUSTSPEAK系统描述语音识别使用解析命令执行命令的链接用例和讨论对于盲人用户针对已设置的用户对于安卓电源用户未来的工作结论ABSTRACTJustSpeak，一种用于安卓操作系统非视觉访问的通用语音控制解决方案与现有的系统相比，JustSpeak提供了两种贡献。首先，它可以在安卓系统上实现系统...