論文の概要: Development of Semantics-Based Distributed Middleware for Heterogeneous Data Integration and its Application for Drought
- arxiv url: http://arxiv.org/abs/2405.10713v1
- Date: Fri, 17 May 2024 11:44:22 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-20 16:13:13.199685
- Title: Development of Semantics-Based Distributed Middleware for Heterogeneous Data Integration and its Application for Drought
- Title（参考訳）: 不均一データ統合のためのセマンティックスに基づく分散ミドルウェアの開発と干ばつへの応用
- Authors: A Akanbi,
- Abstract要約: 干ばつは、世界中の何百万もの人々やコミュニティに影響を与える複雑な環境現象である。
本研究は、現地の知識とセンサデータのデータモデルを包含し、統合する意味論に基づくデータ統合を開発する。
ドメインの専門家から集められた干ばつに関する現地の知識は、誘惑的推論を行うために使われる規則に変換される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Drought is a complex environmental phenomenon that affects millions of people and communities all over the globe and is too elusive to be accurately predicted. This is mostly due to the scalability and variability of the web of environmental parameters that directly/indirectly causes the onset of different categories of drought. Since the dawn of man, efforts have been made to uniquely understand the natural indicators that provide signs of likely environmental events. These indicators/signs in the form of indigenous knowledge system have been used for generations. The intricate complexity of drought has, however, always been a major stumbling block for accurate drought prediction and forecasting systems. Recently, scientists in the field of agriculture and environmental monitoring have been discussing the integration of indigenous knowledge and scientific knowledge for a more accurate environmental forecasting system in order to incorporate diverse environmental information for a reliable drought forecast. Hence, in this research, the core objective is the development of a semantics-based data integration middleware that encompasses and integrates heterogeneous data models of local indigenous knowledge and sensor data towards an accurate drought forecasting system for the study areas. The local indigenous knowledge on drought gathered from the domain experts is transformed into rules to be used for performing deductive inference in conjunction with sensors data for determining the onset of drought through an automated inference generation module of the middleware. The semantic middleware incorporates, inter alia, a distributed architecture that consists of a streaming data processing engine based on Apache Kafka for real-time stream processing; a rule-based reasoning module; an ontology module for semantic representation of the knowledge bases.
- Abstract（参考訳）: 干ばつは、世界中の何百万人もの人々やコミュニティに影響を与える複雑な環境現象であり、正確に予測するには難しすぎる。
これは主に、様々な種類の干ばつの発生を直接間接的に引き起こす環境パラメータのWebのスケーラビリティと変動性に起因する。
人類の夜明け以来、環境現象の兆候を示す自然の指標をユニークに理解するための努力が続けられてきた。
これらの指標・記号は先住民の知識体系の形で代々用いられてきた。
しかし、干ばつの複雑な複雑さは、常に正確な干ばつ予測と予測システムにとって大きな障害となっている。
近年,農業・環境モニタリング分野の科学者が,信頼性の高い干ばつ予測のために多様な環境情報を統合するために,より正確な環境予測システムのための土着知識と科学的知識の統合について議論している。
したがって、本研究では、現地の知識とセンサデータの異質なデータモデルを含むセマンティックスに基づくデータ統合ミドルウェアを開発し、研究領域の正確な干ばつ予測システムを構築することを目的としている。
ドメインの専門家が収集した干ばつに関する現地の知識は、ミドルウェアの自動推論生成モジュールを介して干ばつの発生を決定するセンサデータと合わせて、誘引推論を行うためのルールに変換される。
セマンティックミドルウェアには、リアルタイムストリーム処理のためのApache Kafkaベースのストリーミングデータ処理エンジンと、ルールベースの推論モジュール、知識ベースの意味表現のためのオントロジーモジュールで構成される分散アーキテクチャであるInter aliaが含まれている。
関連論文リスト
- Self-consistent Deep Geometric Learning for Heterogeneous Multi-source Spatial Point Data Prediction [10.646376827353551]
環境モニタリングや天然資源管理といった分野において,マルチソース空間データ予測が重要である。
この領域の既存のモデルはドメイン固有の性質のためにしばしば不足し、様々な情報源からの情報を統合する戦略が欠如している。
我々は,地中真理ラベルを頼らずに,様々な情報源からの情報を順に整列する,革新的なマルチソース空間点データ予測フレームワークを導入する。
論文 参考訳（メタデータ） (2024-06-30T16:13:13Z) - Domain Adaptation for Sustainable Soil Management using Causal and
Contrastive Constraint Minimization [13.436399861462323]
リモートセンシングデータから有機物を推定できるマルチモーダルでスケーラブルなフレームワークを提案する。
我々はデータに固有の構造を活用し、対照的な学習を用いてドメインを識別するようにモデルを訓練する。
我々は、一般化を改善する上で重要な属性を識別することで、フレームワークの解釈可能性に光を当てた。
論文 参考訳（メタデータ） (2024-01-13T23:51:42Z) - FREE: The Foundational Semantic Recognition for Modeling Environmental Ecosystems [28.166089112650926]
FREEは利用可能な環境データをテキスト空間にマッピングし、環境科学における従来の予測モデリングタスクを意味認識問題に変換する。
長期予測に使用する場合、FREEは将来予測を強化するために新たに収集した観測を組み込む柔軟性を持つ。
FREEの有効性は、2つの社会的に重要な実世界の応用の文脈で評価され、デラウェア川流域の河川水温を予測し、イリノイ州とアイオワ州で毎年トウモロコシの収量を予測する。
論文 参考訳（メタデータ） (2023-11-17T00:53:09Z) - Rethinking Sensors Modeling: Hierarchical Information Enhanced Traffic
Forecasting [47.1051445072085]
我々は、センサーの依存性モデリングを2つの階層(地域とグローバル)から再考する。
我々は,センサ間のグローバルな依存性を反映するグローバルノードとして,代表的パターンと共通時間パターンを生成する。
ノード表現の現実性の一般化を追求するため、物理データ空間におけるノードとグローバルノードの伝播にMeta GCNを組み込んだ。
論文 参考訳（メタデータ） (2023-09-20T13:08:34Z) - Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。
私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。
主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文 参考訳（メタデータ） (2023-09-12T13:28:06Z) - Joint Sensing, Communication, and AI: A Trifecta for Resilient THz User
Experiences [118.91584633024907]
テラヘルツ(THz)無線システムに対する拡張現実(XR)体験を最適化するために、新しい共同センシング、通信、人工知能(AI)フレームワークを提案する。
論文 参考訳（メタデータ） (2023-04-29T00:39:50Z) - Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol
Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。
ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。
本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文 参考訳（メタデータ） (2023-04-27T20:21:18Z) - Change Detection for Local Explainability in Evolving Data Streams [72.4816340552763]
局所的特徴帰属法はポストホックやモデルに依存しない説明法として人気がある。
ローカルな属性が、ストリーミングやオンラインアプリケーションのような、現実的で絶えず変化する設定でどのように振る舞うかは、しばしば不明である。
局所変化と概念ドリフトを検出するフレキシブルでモデルに依存しないCDLEEDSを提案する。
論文 参考訳（メタデータ） (2022-09-06T18:38:34Z) - ESTemd: A Distributed Processing Framework for Environmental Monitoring
based on Apache Kafka Streaming Engine [0.0]
分散ネットワークとリアルタイムシステムは、新しいコンピュータ時代、モノのインターネットにとって最も重要なコンポーネントになりつつある。
生成されたデータは、微妙な生態から自然資源、都市環境まで、環境指標を計測、推測、理解する能力を提供する。
不均質な環境データにストリーム処理を適用するための分散フレームワークであるEvent STream Processing Engine for Environmental Monitoring Domain (ESTemd)を提案する。
論文 参考訳（メタデータ） (2021-04-02T15:04:15Z) - A Data Scientist's Guide to Streamflow Prediction [55.22219308265945]
我々は,水文降雨要素と流出モデルに着目し,洪水の予測と流れの予測に応用する。
このガイドは、データサイエンティストが問題や水文学的な概念、そしてその過程で現れる詳細を理解するのを助けることを目的としています。
論文 参考訳（メタデータ） (2020-06-05T08:04:37Z)
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。