論文の概要: OAK: Ontology-Based Knowledge Map Model for Digital Agriculture
- arxiv url: http://arxiv.org/abs/2011.11442v1
- Date: Fri, 20 Nov 2020 14:16:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-23 06:15:21.523873
- Title: OAK: Ontology-Based Knowledge Map Model for Digital Agriculture
- Title(参考訳): OAK:デジタル農業におけるオントロジーに基づく知識マップモデル
- Authors: Quoc Hung Ngo, Tahar Kechadi, and Nhien-An Le-Khac
- Abstract要約: 提案手法の枠組みは農業領域で実装されている。
効率的でスケーラブルなモデルであり、デジタル農業の知識リポジトリとして使用することができる。
- 参考スコア(独自算出の注目度): 3.8137985834223507
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Nowadays, a huge amount of knowledge has been amassed in digital agriculture.
This knowledge and know-how information are collected from various sources,
hence the question is how to organise this knowledge so that it can be
efficiently exploited. Although this knowledge about agriculture practices can
be represented using ontology, rule-based expert systems, or knowledge model
built from data mining processes, the scalability still remains an open issue.
In this study, we propose a knowledge representation model, called an
ontology-based knowledge map, which can collect knowledge from different
sources, store it, and exploit either directly by stakeholders or as an input
to the knowledge discovery process (Data Mining). The proposed model consists
of two stages, 1) build an ontology as a knowledge base for a specific domain
and data mining concepts, and 2) build the ontology-based knowledge map model
for representing and storing the knowledge mined on the crop datasets. A
framework of the proposed model has been implemented in agriculture domain. It
is an efficient and scalable model, and it can be used as knowledge repository
a digital agriculture.
- Abstract(参考訳): 今日では、デジタル農業に膨大な知識が蓄積されている。
この知識とノウハウ情報は様々な情報源から収集されるため、この知識を効率的に活用するためにどのように整理するかが問題となる。
このような農業の実践に関する知識はオントロジー、ルールベースのエキスパートシステム、データマイニングプロセスから構築された知識モデルを使って表現することができるが、スケーラビリティは依然として未解決の問題である。
本研究では,異なる情報源から知識を収集し,それを蓄積し,利害関係者から直接,あるいは知識発見プロセス(データマイニング)への入力として利用する,オントロジベースの知識マップと呼ばれる知識表現モデルを提案する。
提案モデルは2段階からなる。
1)特定のドメインとデータマイニングの概念の知識基盤としてオントロジーを構築する。
2) 作物データセットにマイニングされた知識を表現・保存するためのオントロジベースの知識マップモデルの構築。
農業分野において,提案モデルの枠組みが実装されている。
効率的でスケーラブルなモデルであり、デジタル農業の知識リポジトリとして使用することができる。
関連論文リスト
- Knowledge-augmented Deep Learning and Its Applications: A Survey [60.221292040710885]
知識強化ディープラーニング(KADL)は、ドメイン知識を特定し、それをデータ効率、一般化可能、解釈可能なディープラーニングのためのディープモデルに統合することを目的としている。
本調査は,既存の研究成果を補足し,知識強化深層学習の一般分野における鳥眼研究の展望を提供する。
論文 参考訳(メタデータ) (2022-11-30T03:44:15Z) - Evident: a Development Methodology and a Knowledge Base Topology for
Data Mining, Machine Learning and General Knowledge Management [0.0]
論理的推論の哲学に根ざした開発方法論であるEvidentと知識ベーストポロジであるEKBを提案する。
EKBは、情報を知識として保存する1つのソリューションを提供する。
論文 参考訳(メタデータ) (2022-11-09T01:40:52Z) - Learning by Asking Questions for Knowledge-based Novel Object
Recognition [64.55573343404572]
実世界のオブジェクト認識には、認識すべきオブジェクトクラスが多数存在する。教師付き学習に基づく従来の画像認識は、トレーニングデータに存在するオブジェクトクラスのみを認識できるため、現実の世界においては限定的な適用性を有する。
そこで本研究では,モデルが新たなオブジェクトを瞬時に認識するのに役立つ質問生成を通じて,外部知識を取得するための枠組みについて検討する。
我々のパイプラインは、オブジェクトベースのオブジェクト認識と、新しい知識を得るために知識を意識した質問を生成する質問生成という2つのコンポーネントから構成される。
論文 参考訳(メタデータ) (2022-10-12T02:51:58Z) - OAK4XAI: Model towards Out-Of-Box eXplainable Artificial Intelligence
for Digital Agriculture [4.286327408435937]
我々は農業における知識を説明するために農業コンピューティングオントロジー(AgriComO)を構築した。
XAIは、意思決定と訓練されたAIモデルに対して、人間に理解可能な説明を提供しようとしている。
論文 参考訳(メタデータ) (2022-09-29T21:20:25Z) - Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep
Learning [77.34726150561087]
本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。
我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
論文 参考訳(メタデータ) (2022-09-28T18:51:59Z) - Knowledge Representation in Digital Agriculture: A Step Towards
Standardised Model [4.286327408435937]
農作物におけるデータマイニングを表現・保存するための新しい知識マップを提案する。
提案したモデルは、概念、属性、関係、変換、インスタンス、状態の6つの主要な集合で構成されている。
また,この知識モデルを扱うためのアーキテクチャを提案する。
論文 参考訳(メタデータ) (2022-07-15T20:31:56Z) - Knowledge Modelling and Active Learning in Manufacturing [0.6299766708197884]
オントロジとナレッジグラフは、幅広い概念、問題、設定をモデル化し、関連付ける手段を提供する。
どちらも、推論を導出し、行方不明の知識を識別することで、新しい知識を生成するために使用することができる。
アクティブラーニングは、ユーザのフィードバックを取得し、摩擦を減らし、知識獲得を最大化する最も有益なデータインスタンスを特定するために使用できる。
論文 参考訳(メタデータ) (2021-07-05T22:07:21Z) - Towards a Universal Continuous Knowledge Base [49.95342223987143]
複数のニューラルネットワークからインポートされた知識を格納できる継続的知識基盤を構築する方法を提案する。
テキスト分類実験は有望な結果を示す。
我々は複数のモデルから知識ベースに知識をインポートし、そこから融合した知識を単一のモデルにエクスポートする。
論文 参考訳(メタデータ) (2020-12-25T12:27:44Z) - KRISP: Integrating Implicit and Symbolic Knowledge for Open-Domain
Knowledge-Based VQA [107.7091094498848]
VQAの最も難しい質問の1つは、質問に答えるために画像に存在しない外部の知識を必要とする場合です。
本研究では,解答に必要な知識が与えられたり記入されたりしないオープンドメイン知識を,トレーニング時やテスト時にも検討する。
知識表現と推論には2つのタイプがあります。
まず、トランスベースのモデルで教師なし言語事前トレーニングと教師付きトレーニングデータから効果的に学ぶことができる暗黙的な知識。
論文 参考訳(メタデータ) (2020-12-20T20:13:02Z) - Domain Adaption for Knowledge Tracing [65.86619804954283]
本稿では,DAKT問題に対処するための新しい適応型フレームワーク,すなわち知識追跡(AKT)を提案する。
まず,Deep Knowledge Trace(DKT)に基づく教育的特徴(スリップ,推測,質問文など)を取り入れ,優れた知識追跡モデルを得る。
第2の側面として、3つのドメイン適応プロセスを提案し、採用する。まず、ターゲットモデルトレーニングに有用なソースインスタンスを選択するために、自動エンコーダを事前訓練する。
論文 参考訳(メタデータ) (2020-01-14T15:04:48Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。