論文の概要: Evident: a Development Methodology and a Knowledge Base Topology for Data Mining, Machine Learning and General Knowledge Management

• arxiv url: http://arxiv.org/abs/2211.10291v1
• Date: Wed, 9 Nov 2022 01:40:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-27 13:27:01.083234
• Title: Evident: a Development Methodology and a Knowledge Base Topology for Data Mining, Machine Learning and General Knowledge Management
• Title（参考訳）: Evident: データマイニング,機械学習,一般知識管理のための開発方法論と知識ベーストポロジー
• Authors: Mingwu (Barton) Gao, Samer Haidar
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Software has been developed for knowledge discovery, prediction and management for over 30 years. However, there are still unresolved pain points when using existing project development and artifact management methodologies. Historically, there has been a lack of applicable methodologies. Further, methodologies that have been applied, such as Agile, have several limitations including scientific unfalsifiability that reduce their applicability. Evident, a development methodology rooted in the philosophy of logical reasoning and EKB, a knowledge base topology, are proposed. Many pain points in data mining, machine learning and general knowledge management are alleviated conceptually. Evident can be extended potentially to accelerate philosophical exploration, science discovery, education as well as knowledge sharing & retention across the globe. EKB offers one solution of storing information as knowledge, a granular level above data. Related topics in computer history, software engineering, database, sensor, philosophy, and project & organization & military managements are also discussed.
• Abstract（参考訳）: ソフトウェアは、30年以上にわたって知識発見、予測、管理のために開発されてきた。 しかしながら、既存のプロジェクト開発やアーティファクト管理方法論を使用する場合、まだ未解決の問題点があります。 歴史的に、適用可能な方法論が欠けている。 さらに、アジャイルのように適用された方法論には、適用可能性を減らす科学的不適合性を含むいくつかの制限がある。 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。 データマイニング、機械学習、一般知識管理における多くの問題点は概念的に緩和されている。 エビデントは、哲学的な探索、科学の発見、教育、そして世界中の知識共有と保持を加速する可能性がある。 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。 コンピュータ史、ソフトウェア工学、データベース、センサー、哲学、プロジェクト・アンド・組織・軍事管理に関する話題についても論じる。

関連論文リスト

• Chain-of-Knowledge: Integrating Knowledge Reasoning into Large Language Models by Learning from Knowledge Graphs [55.317267269115845]
  Chain-of-Knowledge (CoK)は知識推論のための包括的なフレームワークである。 CoKにはデータセット構築とモデル学習の両方のための方法論が含まれている。 KnowReasonで広範な実験を行う。
  論文  参考訳（メタデータ） (2024-06-30T10:49:32Z)
• Coupling Machine Learning with Ontology for Robotics Applications [0.0]
  動的シナリオにおける事前知識の可用性の欠如は、間違いなくスケーラブルなマシンインテリジェンスにとって大きな障壁である。 二つの階層間の相互作用についての私の見解は、知識が知識ベース層で容易に利用できない場合、他の階層からより多くの知識を抽出できるという考えに基づいている。
  論文  参考訳（メタデータ） (2024-06-08T23:38:03Z)
• Beyond Factuality: A Comprehensive Evaluation of Large Language Models as Knowledge Generators [78.63553017938911]
  大規模言語モデル(LLM)は、下流の知識集約タスクのための情報検索技術より優れている。 しかし、コミュニティの懸念は、この無検閲の知識を使用することの事実と潜在的意味について多岐にわたる。 本研究では,6つの重要な視点から生成した知識を評価するために設計されたCONNERを紹介する。
  論文  参考訳（メタデータ） (2023-10-11T08:22:37Z)
• KnowledGPT: Enhancing Large Language Models with Retrieval and Storage Access on Knowledge Bases [55.942342665806656]
  KnowledGPTは、様々な知識ベースで大きな言語モデルをブリッジするための包括的なフレームワークである。 検索プロセスでは思考プロンプトプログラムを使用し,KBの検索言語をコード形式で生成する。 KnowledGPTは、個々のユーザ要求に合わせて、知識をパーソナライズされたKBに格納する機能を提供する。
  論文  参考訳（メタデータ） (2023-08-17T13:07:00Z)
• 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)
• 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)
• Continual Learning with Deep Learning Methods in an Application-Oriented Context [0.0]
  人工知能(AI)の重要な研究領域は、データから知識を自動的に導出することである。 ディープニューラルネットワーク(Deep Neural Networks, DNN)と呼ばれる、"ディープラーニング"モデルに分類される機械学習アルゴリズムの一種。 DNNは、新しい知識が既存のベースに追加されるのを防ぐ問題の影響を受けます。
  論文  参考訳（メタデータ） (2022-07-12T10:13:33Z)
• Incremental Knowledge Based Question Answering [52.041815783025186]
  人間と同じように学習能力を段階的に拡張できるインクリメンタルKBQA学習フレームワークを提案します。 具体的には、破滅的な忘れ問題を克服するために、マージン希釈損失と協調選択方法からなる。 包括的な実験は、進化する知識ベースに取り組む際にその効果と効率を示す。
  論文  参考訳（メタデータ） (2021-01-18T09:03:38Z)
• 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)
• OAK: Ontology-Based Knowledge Map Model for Digital Agriculture [3.8137985834223507]
  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。
  論文  参考訳（メタデータ） (2020-11-20T14:16:12Z)

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。