論文の概要: Scaling Knowledge Graphs for Automating AI of Digital Twins

• arxiv url: http://arxiv.org/abs/2210.14596v1
• Date: Wed, 26 Oct 2022 10:12:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-27 13:20:51.379441
• Title: Scaling Knowledge Graphs for Automating AI of Digital Twins
• Title（参考訳）: デジタル双子のai自動化のための知識グラフのスケーリング
• Authors: Joern Ploennigs, Konstantinos Semertzidis, Fabio Lorenzi, Nandana Mihindukulasooriya
• Abstract要約: デジタルツイン(Digital Twins)は、IoT(Internet of Things)におけるシステムのデジタル表現であり、多くの場合、それらのシステムからのデータに基づいてトレーニングされたAIモデルに基づいている。 本稿では,Digital Twinsの自動化にセマンティックグラフを適用するという,ユニークな要件について論じる。
• 参考スコア（独自算出の注目度）: 2.8693907332286996
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Digital Twins are digital representations of systems in the Internet of Things (IoT) that are often based on AI models that are trained on data from those systems. Semantic models are used increasingly to link these datasets from different stages of the IoT systems life-cycle together and to automatically configure the AI modelling pipelines. This combination of semantic models with AI pipelines running on external datasets raises unique challenges particular if rolled out at scale. Within this paper we will discuss the unique requirements of applying semantic graphs to automate Digital Twins in different practical use cases. We will introduce the benchmark dataset DTBM that reflects these characteristics and look into the scaling challenges of different knowledge graph technologies. Based on these insights we will propose a reference architecture that is in-use in multiple products in IBM and derive lessons learned for scaling knowledge graphs for configuring AI models for Digital Twins.
• Abstract（参考訳）: デジタルツイン(Digital Twins)は、IoT(Internet of Things)におけるシステムのデジタル表現であり、しばしばそれらのシステムからのデータに基づいてトレーニングされたAIモデルに基づいている。 セマンティックモデルは、IoTシステムのライフサイクルの各ステージからこれらのデータセットをリンクし、AIモデリングパイプラインを自動的に構成するために、ますます使用されている。 このセマンティクスモデルと外部データセット上で動作するaiパイプラインの組み合わせは、大規模に展開された場合に特有の課題を引き起こす。 本稿では,Digital Twinsの自動化に意味グラフを適用するというユニークな要件について検討する。 これらの特徴を反映したベンチマークデータセットDTBMを導入し、異なる知識グラフ技術のスケーリング課題について検討する。 これらの知見に基づいて、IBMの複数の製品で使われているリファレンスアーキテクチャを提案し、Digital TwinsのAIモデルを構成するための知識グラフのスケーリングで学んだ教訓を導き出す。

関連論文リスト

• Function+Data Flow: A Framework to Specify Machine Learning Pipelines for Digital Twinning [2.27626288527213]
  物理システムのためのデジタル双生児(DT)は人工知能(AI)をますます活用している 本稿では,DT内のAIパイプラインを記述するためのドメイン固有言語(t+Data Flow)を提案する。 具体的には、tは関数を第一級市民として扱い、AIで学んだモデルの効果的な操作を可能にする。
  論文  参考訳（メタデータ） (2024-06-28T05:44:47Z)
• Automatic AI Model Selection for Wireless Systems: Online Learning via Digital Twinning [50.332027356848094]
  AIベースのアプリケーションは、スケジューリングや電力制御などの機能を実行するために、インテリジェントコントローラにデプロイされる。 コンテキストとAIモデルのパラメータのマッピングは、ゼロショット方式で理想的に行われる。 本稿では,AMSマッピングのオンライン最適化のための一般的な手法を紹介する。
  論文  参考訳（メタデータ） (2024-06-22T11:17:50Z)
• Training Deep Surrogate Models with Large Scale Online Learning [48.7576911714538]
  ディープラーニングアルゴリズムは、PDEの高速解を得るための有効な代替手段として登場した。 モデルは通常、ソルバによって生成された合成データに基づいてトレーニングされ、ディスクに格納され、トレーニングのために読み返される。 ディープサロゲートモデルのためのオープンソースのオンライントレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-28T12:02:27Z)
• Enhanced multi-fidelity modelling for digital twin and uncertainty quantification [0.0]
  データ駆動モデルは、リアルタイムのアップデートと予測を可能にするデジタルツインにおいて重要な役割を果たす。 利用可能なデータの忠実さと正確なセンサーデータの不足は、しばしば代理モデルの効率的な学習を妨げる。 本稿では,ロバストなマルチフィデリティ・サロゲートモデルの開発から始まる新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-26T05:58:17Z)
• Choose, not Hoard: Information-to-Model Matching for Artificial Intelligence in O-RAN [8.52291735627073]
  Open Radio Access Network (O-RAN) は、ネットワーク基盤要素がオープンで標準化されたインターフェースを介して通信する新興パラダイムである。 重要な要素は、人工知能(AI)ベースのコントローラであるRAN Intelligent Controller(RIC)である。 本稿では、異なるRICにおける複数のAIモデルインスタンスの作成について紹介し、議論し、評価し、トレーニングのためにいくつかの(またはすべての)場所の情報を活用する。
  論文  参考訳（メタデータ） (2022-08-01T15:24:27Z)
• Robust Semi-supervised Federated Learning for Images Automatic Recognition in Internet of Drones [57.468730437381076]
  プライバシー保護型UAV画像認識のための半教師付きフェデレートラーニング(SSFL)フレームワークを提案する。 異なるカメラモジュールを使用したUAVによって収集されたローカルデータの数、特徴、分布には大きな違いがある。 本稿では,クライアントがトレーニングに参加する頻度,すなわちFedFreqアグリゲーションルールに基づくアグリゲーションルールを提案する。
  論文  参考訳（メタデータ） (2022-01-03T16:49:33Z)
• TCL: Transformer-based Dynamic Graph Modelling via Contrastive Learning [87.38675639186405]
  我々は,動的に進化するグラフを連続的に扱う,TCLと呼ばれる新しいグラフニューラルネットワークアプローチを提案する。 我々の知る限りでは、これは動的グラフ上の表現学習にコントラスト学習を適用する最初の試みである。
  論文  参考訳（メタデータ） (2021-05-17T15:33:25Z)
• 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)
• The DigitalTwin from an Artificial Intelligence Perspective [61.83230983253055]
  システムライフサイクル全体において、すべてのサービスが使用する共通かつユニークな仮想表現、すなわちDigitalTwinが必要である。 この参照モデルは、プロセス産業から実行中の例を用いて検証され、また、最近のプロジェクトで行われている作業を分析します。
  論文  参考訳（メタデータ） (2020-10-27T15:40:36Z)
• Machine learning based digital twin for dynamical systems with multiple time-scales [0.0]
  デジタルツイン技術は、インフラ、航空宇宙、自動車といった様々な産業分野で広く応用される可能性がある。 ここでは、2つの異なる運用時間スケールで進化する線形単一自由度構造力学系のためのデジタルツインフレームワークに焦点を当てる。
  論文  参考訳（メタデータ） (2020-05-12T15:33:25Z)

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。