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
- Contextualized Structural Self-supervised Learning for Ontology Matching [0.9402105308876642]
我々はLaKERMapと呼ばれる新しい自己教師型学習フレームワークを導入する。
LaKERMapは暗黙の知識をトランスフォーマーに統合することで、概念の文脈的および構造的情報を活用する。
我々の革新的なアプローチから得られた知見は、LaKERMapがアライメント品質と推論時間で最先端のシステムを上回っていることを示している。
論文 参考訳(メタデータ) (2023-10-05T18:51:33Z) - 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) - Concept Discovery for Fast Adapatation [42.81705659613234]
データ特徴間の構造をメタラーニングすることで、より効果的な適応を実現する。
提案手法は,概念ベースモデル非依存メタラーニング(COMAML)を用いて,合成されたデータセットと実世界のデータセットの両方に対して,構造化データの一貫した改善を実現する。
論文 参考訳(メタデータ) (2023-01-19T02:33:58Z) - Mapping Emulation for Knowledge Distillation [94.20630785525732]
本稿では,フェデレーション学習に不可欠なソース・ブラインド知識蒸留問題の定式化を行う。
新しいアーキテクチャMEKDを提案する。
様々なベンチマークにおいて、MEKDは既存のソースブレンドKD法より優れている。
論文 参考訳(メタデータ) (2022-05-21T02:38:16Z) - SetMargin Loss applied to Deep Keystroke Biometrics with Circle Packing
Interpretation [67.0845003374569]
本研究は,新しい距離距離学習法(DML)に基づくキーストロークバイオメトリックスのための新しい深層学習手法を提案する。
提案手法の有効性を実験的に証明し, キーストロークの生体認証を78,000名の被験者に対して行った。
論文 参考訳(メタデータ) (2021-09-02T13:26:57Z) - 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) - Integrating Scientific Knowledge with Machine Learning for Engineering
and Environmental Systems [5.23043130762977]
複雑な科学と工学の問題に対する解決策が、新しい方法論を必要とするという意見の一致はますます高まっている。
本稿では,そのような手法について概説する。
次に、これらの既存の手法の分類法を提供し、知識ギャップと、規律間の方法の潜在的な相互オーバーを明らかにする。
論文 参考訳(メタデータ) (2020-03-10T18:24:41Z)
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。