論文の概要: Rail Topology Ontology: A Rail Infrastructure Base Ontology
- arxiv url: http://arxiv.org/abs/2107.04378v1
- Date: Fri, 9 Jul 2021 12:03:50 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-12 13:50:35.927564
- Title: Rail Topology Ontology: A Rail Infrastructure Base Ontology
- Title（参考訳）: 鉄道トポロジーオントロジー:鉄道インフラ基盤オントロジー
- Authors: Stefan Bischof, Gottfried Schenner
- Abstract要約: 鉄道トポロジーオントロジー(Rail Topology Ontology)は、鉄道インフラを標準に準拠した形で表現するモデルである。
我々はレールトポロジオントロジーをレール知識グラフに使用し、既存のデータ交換標準から派生した鉄道インフラによってそれを拡張する計画を立てている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Engineering projects for railway infrastructure typically involve many
subsystems which need consistent views of the planned and built infrastructure
and its underlying topology. Consistency is typically ensured by exchanging and
verifying data between tools using XML-based data formats and UML-based
object-oriented models. A tighter alignment of these data representations via a
common topology model could decrease the development effort of railway
infrastructure engineering tools. A common semantic model is also a
prerequisite for the successful adoption of railway knowledge graphs. Based on
the RailTopoModel standard, we developed the Rail Topology Ontology as a model
to represent core features of railway infrastructures in a standard-compliant
manner. This paper describes the ontology and its development method, and
discusses its suitability for integrating data of railway engineering systems
and other sources in a knowledge graph.
With the Rail Topology Ontology, software engineers and knowledge scientists
have a standard-based ontology for representing railway topologies to integrate
disconnected data sources. We use the Rail Topology Ontology for our rail
knowledge graph and plan to extend it by rail infrastructure ontologies derived
from existing data exchange standards, since many such standards use the same
base model as the presented ontology, viz., RailTopoModel.
- Abstract（参考訳）: 鉄道インフラのエンジニアリングプロジェクトは通常、計画され構築されたインフラとその基盤となるトポロジを一貫したビューを必要とする多くのサブシステムを含む。
一貫性はXMLベースのデータフォーマットとUMLベースのオブジェクト指向モデルを使ってツール間でデータを交換し、検証することで保証される。
共通のトポロジーモデルによるこれらのデータ表現のより緊密なアラインメントは、鉄道インフラエンジニアリングツールの開発労力を減少させる可能性がある。
一般的な意味モデルは、鉄道知識グラフの導入の成功の前提条件でもある。
レールトポモデル標準に基づき、鉄道インフラのコア特性を標準に準拠した形で表現するためのモデルとしてレールトポロジオントロジーを開発した。
本稿では, オントロジーとその開発手法について述べるとともに, 鉄道工学系などのデータの統合性について, 知識グラフで考察する。
レールトポロジーオントロジーにより、ソフトウェアエンジニアと知識科学者は、切断されたデータソースを統合するための鉄道トポロジーを表す標準オントロジーを持っている。
私たちはレールトポロジオントロジーをレールナレッジグラフとして使用し、既存のデータ交換標準から派生したレールインフラストラクチャオントロジーによって拡張することを計画しています。
関連論文リスト
- Redefining Data-Centric Design: A New Approach with a Domain Model and Core Data Ontology for Computational Systems [2.872069347343959]
本稿では,新しい情報ドメインモデルを導入することにより,計算システムを設計するための革新的なデータ中心パラダイムを提案する。
提案モデルは従来のノード中心のフレームワークから離れ、オブジェクト、イベント、コンセプト、アクションを組み込んだマルチモーダルアプローチを使用して、データ中心の分類に焦点を当てている。
論文 参考訳（メタデータ） (2024-09-01T22:34:12Z) - Tree-based variational inference for Poisson log-normal models [47.82745603191512]
階層木は、しばしば近接基準に基づいてエンティティを組織するために使用される。
現在のカウントデータモデルは、この構造化情報を利用していない。
本稿では,PLNモデルの拡張としてPLN-Treeモデルを導入し,階層的カウントデータをモデル化する。
論文 参考訳（メタデータ） (2024-06-25T08:24:35Z) - Learning Topological Representations with Bidirectional Graph Attention Network for Solving Job Shop Scheduling Problem [27.904195034688257]
既存の学習に基づくジョブショップスケジューリング問題の解法(JSSP)は、通常、非方向性グラフに適した既製のGNNモデルを使用し、解離グラフ(DG)のリッチで有意義な位相構造を無視する。
本稿では,JSSP を解決するための DG を局所検索フレームワークに組み込むためのトポロジ対応双方向グラフアテンションネットワーク (TBGAT) を提案する。
論文 参考訳（メタデータ） (2024-02-27T15:33:20Z) - Spatio-Temporal Latent Graph Structure Learning for Traffic Forecasting [6.428566223253948]
S-Temporal Latent Graph Structure Learning Network (ST-LGSL) を提案する。
このモデルは多層パーセプトロンとK-Nearest Neighborに基づくグラフを用いて、データ全体から潜在グラフトポロジ情報を学習する。
kNNの接地確率行列に基づく依存関係-kNNと類似度メートル法により、ST-LGSLは地理的およびノード類似度に重点を置くトップを集約する。
論文 参考訳（メタデータ） (2022-02-25T10:02:49Z) - SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。
しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
論文 参考訳（メタデータ） (2021-12-22T14:45:37Z) - CateCom: a practical data-centric approach to categorization of
computational models [77.34726150561087]
本稿では,物理モデルとデータ駆動型計算モデルのランドスケープを整理する取り組みについて述べる。
オブジェクト指向設計の概念を適用し、オープンソース協調フレームワークの基礎を概説する。
論文 参考訳（メタデータ） (2021-09-28T02:59:40Z) - Model-Based Deep Learning [155.063817656602]
信号処理、通信、制御は伝統的に古典的な統計モデリング技術に依存している。
ディープニューラルネットワーク(DNN)は、データから操作を学ぶ汎用アーキテクチャを使用し、優れたパフォーマンスを示す。
私たちは、原理数学モデルとデータ駆動システムを組み合わせて両方のアプローチの利点を享受するハイブリッド技術に興味があります。
論文 参考訳（メタデータ） (2020-12-15T16:29:49Z) - Mapping Patterns for Virtual Knowledge Graphs [71.61234136161742]
仮想知識グラフ(VKG)は、レガシーデータソースの統合とアクセスのための最も有望なパラダイムの1つである。
データ管理、データ分析、概念モデリングにおいて研究された、確立された方法論とパターンに基づいて構築する。
検討されたVKGシナリオに基づいて,私たちのカタログを検証し,そのパターンの大部分をカバーすることを示す。
論文 参考訳（メタデータ） (2020-12-03T13:54:52Z) - Physical-Virtual Collaboration Modeling for Intra-and Inter-Station
Metro Ridership Prediction [116.66657468425645]
本研究では,複雑なライダーシップパターンをテーラー設計グラフから効果的に学習できる物理仮想協調グラフネットワーク(PVCGN)を提案する。
特に、物理グラフは、研究されたメトロシステムの現実的なトポロジーに基づいて直接構築される。
類似度グラフと相関グラフを仮想トポロジで構築し, 駅間交通流の類似度と相関関係を導出する。
論文 参考訳（メタデータ） (2020-01-14T16:47:54Z)
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。