論文の概要: Ontomathedu Ontology Enrichment Method
- arxiv url: http://arxiv.org/abs/2212.00368v1
- Date: Thu, 1 Dec 2022 08:57:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-02 16:05:47.358661
- Title: Ontomathedu Ontology Enrichment Method
- Title(参考訳): onmatheduオントロジーエンリッチメント方法
- Authors: O. A. Nevzorova, K. S. Nikolaev
- Abstract要約: 本稿では,学校数学教育のプロセス改善を目的としたOntoMathEduエコシステムについて述べる。
OntoMathEduオントロジー構造を改善するための手法も提供する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Nowadays, distance learning technologies have become very popular. The recent
pandemic has had a particularly strong impact on the development of distance
education technologies. Kazan Federal University has a distance learning system
based on LMS Moodle. This article describes the structure of the OntoMathEdu
ecosystem aimed at improving the process of teaching school mathematics
courses, and also provides a method for improving the OntoMathEdu ontology
structure based on identifying new connections between contextually related
concepts.
- Abstract(参考訳): 近年,遠隔学習技術が普及している。
最近のパンデミックは、遠隔教育技術の発展に特に大きな影響を与えている。
カザン連邦大学はLMS Moodleに基づく遠隔学習システムを持っている。
本稿では,学校数学講座の指導過程を改善することを目的としたOntoMathEduエコシステムの構造について述べるとともに,文脈関連概念間の新たなつながりの同定に基づくOntoMathEduオントロジー構造の改善方法について述べる。
関連論文リスト
- Riemannian Geometry-Based EEG Approaches: A Literature Review [1.9411911000346784]
我々は、BCIにおける脳波信号デコーディングを強化するために、ディープラーニングとリーマン幾何学の統合の最近の進歩を概観する。
これらの手法は、従来のノイズ感度、非定常性、長大な校正時間といった課題にどのように対処するかについて議論する。
本稿では,多様体学習とリーマン分類における今後の研究方向を提案する。
論文 参考訳(メタデータ) (2024-07-19T13:28:29Z) - A Short Review for Ontology Learning: Stride to Large Language Models Trend [1.7142222335232333]
オントロジーは、Webアプリケーション内で共有される知識の形式的な表現を提供する。
新しいアプローチのトレンドは、オントロジー学習を強化するために、大きな言語モデル(LLM)に依存している。
論文 参考訳(メタデータ) (2024-04-23T12:47:31Z) - FecTek: Enhancing Term Weight in Lexicon-Based Retrieval with Feature Context and Term-level Knowledge [54.61068946420894]
FEature Context と TErm レベルの知識モジュールを導入して,革新的な手法を提案する。
項重みの特徴コンテキスト表現を効果的に強化するために、FCM(Feature Context Module)が導入された。
また,用語レベルの知識を効果的に活用し,用語重みのモデル化プロセスをインテリジェントに導くための用語レベルの知識誘導モジュール(TKGM)を開発した。
論文 参考訳(メタデータ) (2024-04-18T12:58:36Z) - A Unified and General Framework for Continual Learning [58.72671755989431]
継続学習(CL)は、以前取得した知識を維持しながら、動的かつ変化するデータ分布から学ぶことに焦点を当てている。
正規化ベース、ベイズベース、メモリ再生ベースなど、破滅的な忘れ込みの課題に対処する様々な手法が開発されている。
本研究の目的は,既存の方法論を包含し,整理する包括的かつ包括的な枠組みを導入することで,このギャップを埋めることである。
論文 参考訳(メタデータ) (2024-03-20T02:21:44Z) - Training Machine Learning models at the Edge: A Survey [2.8449839307925955]
本調査では,エッジ学習の概念,特にエッジにおける機械学習モデルトレーニングの最適化について検討する。
エッジラーニングに関する関連文献が同定され,分散ラーニング手法における研究努力の集中が明らかになった。
この調査はさらに、エッジ学習のためにMLを最適化するために使用されるテクニックを比較するためのガイドラインと、利用可能なさまざまなフレームワーク、ライブラリ、シミュレーションツールの探索を提供する。
論文 参考訳(メタデータ) (2024-03-05T03:18:43Z) - Describing and Organizing Semantic Web and Machine Learning Systems in
the SWeMLS-KG [4.117316143367209]
機械学習(ML)コンポーネントとセマンティックWeb(SW)コミュニティが開発したテクニックを組み合わせることに焦点を当てた、新しいサブ領域が登場した。
私たちは体系的な研究を行い、この領域で過去10年間に発行された500近い論文を分析しました。
我々の分析では、SWeML Systemsに対する関心が急速に高まり、いくつかのアプリケーションドメインやタスクに大きな影響を与えています。
論文 参考訳(メタデータ) (2023-03-27T11:31:42Z) - Model-Based Machine Learning for Communications [110.47840878388453]
モデルベースのアルゴリズムと機械学習をハイレベルな視点で組み合わせるための既存の戦略を見直します。
通信受信機の基本的なタスクの一つであるシンボル検出に注目する。
論文 参考訳(メタデータ) (2021-01-12T19:55:34Z) - 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) - Online Structured Meta-learning [137.48138166279313]
現在のオンラインメタ学習アルゴリズムは、グローバルに共有されたメタラーナーを学ぶために限られている。
この制限を克服するオンライン構造化メタラーニング(OSML)フレームワークを提案する。
3つのデータセットの実験は、提案フレームワークの有効性と解釈可能性を示している。
論文 参考訳(メタデータ) (2020-10-22T09:10:31Z) - Deep Multi-Task Learning for Cooperative NOMA: System Design and
Principles [52.79089414630366]
我々は,近年のディープラーニング(DL)の進歩を反映した,新しいディープ・コラボレーティブなNOMAスキームを開発する。
我々は,システム全体を包括的に最適化できるように,新しいハイブリッドカスケードディープニューラルネットワーク(DNN)アーキテクチャを開発した。
論文 参考訳(メタデータ) (2020-07-27T12:38:37Z)
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。