論文の概要: Ontologies for increasing the FAIRness of plant research data
- arxiv url: http://arxiv.org/abs/2309.07129v1
- Date: Fri, 25 Aug 2023 13:08:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-17 13:49:03.667831
- Title: Ontologies for increasing the FAIRness of plant research data
- Title（参考訳）: 植物研究データの公平性向上のためのオントロジー
- Authors: Kathryn Dumschott, Hannah D\"orpholz, Marie-Ang\'elique Laporte,
Dominik Brilhaus, Andrea Schrader, Bj\"orn Usadel, Steffen Neumann, Elizabeth
Arnaud and Angela Kranz
- Abstract要約: オンロジーは特定の領域の概念と概念間の関係を提供する。
データ用語でタグ付けすることで、データはヒューマンマシンの解釈可能になり、再利用と相互運用性が向上する。
植物科学の根本的研究と、植物固有の実験に関するデータのアノテートにどのように使用できるかについて概説する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The importance of improving the FAIRness (findability, accessibility,
interoperability, reusability) of research data is undeniable, especially in
the face of large, complex datasets currently being produced by omics
technologies. Facilitating the integration of a dataset with other types of
data increases the likelihood of reuse, and the potential of answering novel
research questions. Ontologies are a useful tool for semantically tagging
datasets as adding relevant metadata increases the understanding of how data
was produced and increases its interoperability. Ontologies provide concepts
for a particular domain as well as the relationships between concepts. By
tagging data with ontology terms, data becomes both human and machine
interpretable, allowing for increased reuse and interoperability. However, the
task of identifying ontologies relevant to a particular research domain or
technology is challenging, especially within the diverse realm of fundamental
plant research. In this review, we outline the ontologies most relevant to the
fundamental plant sciences and how they can be used to annotate data related to
plant-specific experiments within metadata frameworks, such as
Investigation-Study-Assay (ISA). We also outline repositories and platforms
most useful for identifying applicable ontologies or finding ontology terms.
- Abstract（参考訳）: 研究データのFAIR性(ファイナビリティ、アクセシビリティ、相互運用性、再利用性)を改善することの重要性は、特に現在オミクス技術によって作成されている大規模で複雑なデータセットに直面しては、決定できない。
データセットと他の種類のデータを統合することは、再利用の可能性を高め、新しい研究課題に答える可能性を高める。
ontologiesは、関連するメタデータを追加することで、データの生成方法の理解を深め、相互運用性を高めるために、データセットを意味的にタグ付けする便利なツールである。
オントロジーは特定の領域の概念と概念間の関係を提供する。
オントロジー用語でデータをタグ付けすることで、データは人間と機械の両方で解釈可能になり、再利用と相互運用性が向上する。
しかしながら、特定の研究領域や技術に関連するオントロジーを特定するタスクは、特に基礎植物研究の多様な領域において困難である。
本稿では,植物基本科学に最も関係の深いオントロジーについて概説するとともに,それらのオントロジーを用いて,植物固有の実験をメタデータフレームワーク内でアノテートする方法について概説する。
また,適用可能なオントロジーの同定やオントロジー用語の検索に最も有用なリポジトリやプラットフォームについても概説する。
関連論文リスト
- Causal Representation Learning from Multimodal Biological Observations [57.00712157758845]
我々は,マルチモーダルデータに対するフレキシブルな識別条件の開発を目指している。
我々は、各潜伏成分の識別可能性を保証するとともに、サブスペース識別結果を事前の作業から拡張する。
我々の重要な理論的要素は、異なるモーダル間の因果関係の構造的空間性である。
論文 参考訳（メタデータ） (2024-11-10T16:40:27Z) - Plant Disease Recognition Datasets in the Age of Deep Learning:
Challenges and Opportunities [1.9578088547147654]
本研究は、潜在的な植物病データセットを記述するための、情報的分類法を明示的に提案する。
課題指向のデータセットの作成や、実世界のアプリケーションにディープラーニングを配置する究極の目的など、今後の方向性を満足できるパフォーマンスで提供します。
論文 参考訳（メタデータ） (2023-12-13T05:24:36Z) - Exploring the Potential of AI-Generated Synthetic Datasets: A Case Study
on Telematics Data with ChatGPT [0.0]
この研究は、OpenAIの強力な言語モデルであるChatGPTを活用して、特にテレマティクス分野における合成データセットの構築と利用に力を入れている。
このデータ作成プロセスを説明するために、合成テレマティクスデータセットの生成に焦点を当てたハンズオンケーススタディが実施されている。
論文 参考訳（メタデータ） (2023-06-23T15:15:13Z) - Beyond Privacy: Navigating the Opportunities and Challenges of Synthetic
Data [91.52783572568214]
合成データは、機械学習の世界において支配的な力となり、データセットを個々のニーズに合わせて調整できる未来を約束する。
合成データのより広範な妥当性と適用のために,コミュニティが克服すべき根本的な課題について論じる。
論文 参考訳（メタデータ） (2023-04-07T16:38:40Z) - Synthetic-to-Real Domain Adaptation for Action Recognition: A Dataset and Baseline Performances [76.34037366117234]
ロボット制御ジェスチャー(RoCoG-v2)と呼ばれる新しいデータセットを導入する。
データセットは7つのジェスチャークラスの実ビデオと合成ビデオの両方で構成されている。
我々は,最先端の行動認識とドメイン適応アルゴリズムを用いて結果を示す。
論文 参考訳（メタデータ） (2023-03-17T23:23:55Z) - Synthetic Data in Human Analysis: A Survey [16.562921709882865]
調査は、人間分析の分野の研究者や実践者を対象としている。
我々は,現在最先端の手法と合成データの利用の主な利点を要約した調査を行う。
また、利用可能な合成データセットと生成モデルの概要も提供する。
論文 参考訳（メタデータ） (2022-08-19T07:32:34Z) - Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。
我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
論文 参考訳（メタデータ） (2022-07-18T11:38:32Z) - Challenges in biomarker discovery and biorepository for Gulf-war-disease
studies: a novel data platform solution [48.7576911714538]
ROSALINDという新しいデータプラットフォームを導入し、課題を克服し、健全で重要なコラボレーションを育み、科学的調査を進めます。
ROSALINDは、自己管理されたアクセシビリティ、リンク性、可積分性、中立性、信頼性を持つリソース有機体を指します。
過去12ヶ月のGWI研究におけるROSALINDの展開により、データ実験と分析のペースが加速し、多数のエラーソースが削除され、研究品質と生産性が向上しました。
論文 参考訳（メタデータ） (2021-02-04T20:38:30Z) - Synthetic Data: Opening the data floodgates to enable faster, more
directed development of machine learning methods [96.92041573661407]
機械学習における画期的な進歩の多くは、大量のリッチデータを利用できることに起因する。
多くの大規模データセットは、医療データなど高度に敏感であり、機械学習コミュニティでは広く利用できない。
プライバシー保証で合成データを生成することは、そのようなソリューションを提供します。
論文 参考訳（メタデータ） (2020-12-08T17:26:10Z)
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。