論文の概要: Redefining Data-Centric Design: A New Approach with a Domain Model and Core Data Ontology for Computational Systems

• arxiv url: http://arxiv.org/abs/2409.09058v1
• Date: Sun, 1 Sep 2024 22:34:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-09-22 21:42:00.748986
• Title: Redefining Data-Centric Design: A New Approach with a Domain Model and Core Data Ontology for Computational Systems
• Title（参考訳）: データ中心設計の再定義:計算システムのためのドメインモデルとコアデータオントロジーによる新しいアプローチ
• Authors: William Johnson, James Davis, Tara Kelly,
• Abstract要約: 本稿では,新しい情報ドメインモデルを導入することにより,計算システムを設計するための革新的なデータ中心パラダイムを提案する。 提案モデルは従来のノード中心のフレームワークから離れ、オブジェクト、イベント、コンセプト、アクションを組み込んだマルチモーダルアプローチを使用して、データ中心の分類に焦点を当てている。
• 参考スコア（独自算出の注目度）: 2.872069347343959
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents an innovative data-centric paradigm for designing computational systems by introducing a new informatics domain model. The proposed model moves away from the conventional node-centric framework and focuses on data-centric categorization, using a multimodal approach that incorporates objects, events, concepts, and actions. By drawing on interdisciplinary research and establishing a foundational ontology based on these core elements, the model promotes semantic consistency and secure data handling across distributed ecosystems. We also explore the implementation of this model as an OWL 2 ontology, discuss its potential applications, and outline its scalability and future directions for research. This work aims to serve as a foundational guide for system designers and data architects in developing more secure, interoperable, and scalable data systems.
• Abstract（参考訳）: 本稿では,新しい情報ドメインモデルを導入することにより,計算システムを設計するための革新的なデータ中心パラダイムを提案する。 提案モデルは従来のノード中心のフレームワークから離れ、オブジェクト、イベント、コンセプト、アクションを組み込んだマルチモーダルアプローチを使用して、データ中心の分類に焦点を当てている。 学際的な研究に基づいて、これらのコア要素に基づいた基礎オントロジーを確立することにより、このモデルは、分散エコシステム全体にわたるセマンティック一貫性とセキュアなデータ処理を促進する。 また、このモデルをOWL2オントロジーとして実装し、その可能性について検討し、そのスケーラビリティと今後の研究方向性について概説する。 この作業は、よりセキュアで相互運用可能でスケーラブルなデータシステムの開発において、システムデザイナやデータアーキテクトのための基本的なガイドとして機能することを目的としています。

関連論文リスト

• On the workflow, opportunities and challenges of developing foundation model in geophysics [9.358947092397052]
  本稿では,地球物理データと連動して基礎モデルを開発する過程を体系的に検討する。 物理データの多様性,複雑性,物理的整合性の制約を考慮すると,対象とする解について論じる。 本稿では,基礎モデルの伝達学習能力を活用してラベル付きデータへの依存を減らし,計算効率を向上し,物理的制約をモデルトレーニングに組み込む方法について論じる。
  論文  参考訳（メタデータ） (2025-04-24T09:08:24Z)
• Data Spatial Programming [2.8374498376407877]
  オブジェクト指向プログラミング(OOP)のセマンティクスを拡張する新しいプログラミングモデルであるデータ空間プログラミングを導入する。 このトポロジカル空間におけるデータ要素間の関係を形式化することにより、我々のアプローチは複雑なシステムのより直感的なモデリングを可能にする。 このパラダイムは、エージェントベースのシステム、ソーシャルネットワーク、リレーショナルデータ処理、ニューラルネットワーク、分散システム、有限状態マシン、その他の空間指向の計算問題など、コンピュータ科学における幅広い問題を表現する際に、従来のOOPの制限に対処する。
  論文  参考訳（メタデータ） (2025-03-20T02:55:40Z)
• A Survey of Model Architectures in Information Retrieval [64.75808744228067]
  機能抽出のためのバックボーンモデルと、関連性推定のためのエンドツーエンドシステムアーキテクチャの2つの重要な側面に焦点を当てる。 従来の用語ベースの手法から現代のニューラルアプローチまで,特にトランスフォーマーベースのモデルとそれに続く大規模言語モデル(LLM)の影響が注目されている。 我々は、パフォーマンスとスケーラビリティのアーキテクチャ最適化、マルチモーダル、マルチランガルデータの処理、従来の検索パラダイムを超えた新しいアプリケーションドメインへの適応など、新たな課題と今後の方向性について議論することで結論付けた。
  論文  参考訳（メタデータ） (2025-02-20T18:42:58Z)
• Generalized Factor Neural Network Model for High-dimensional Regression [50.554377879576066]
  複素・非線形・雑音に隠れた潜在低次元構造を持つ高次元データセットをモデル化する課題に取り組む。 我々のアプローチは、非パラメトリック回帰、因子モデル、高次元回帰のためのニューラルネットワークの概念のシームレスな統合を可能にする。
  論文  参考訳（メタデータ） (2025-02-16T23:13:55Z)
• AI-Aided Kalman Filters [65.35350122917914]
  カルマンフィルタ(KF)とその変種は、信号処理において最も著名なアルゴリズムの一つである。 最近の進歩は、古典的なカルマン型フィルタリングでディープニューラルネットワーク(DNN)を融合させる可能性を示している。 本稿では,KF型アルゴリズムにAIを組み込むための設計アプローチについて,チュートリアル形式で概説する。
  論文  参考訳（メタデータ） (2024-10-16T06:47:53Z)
• Customized Information and Domain-centric Knowledge Graph Construction with Large Language Models [0.0]
  本稿では,構造化情報へのタイムリーなアクセスを実現するための知識グラフに基づく新しいアプローチを提案する。 本フレームワークは,情報検索,キーフレーズ抽出,セマンティックネットワーク生成,トピックマップ可視化などを含むテキストマイニングプロセスを含む。 当社の方法論を自動車電気システムの領域に適用して,スケーラブルなアプローチを実証する。
  論文  参考訳（メタデータ） (2024-09-30T07:08:28Z)
• Learning Paradigms and Modelling Methodologies for Digital Twins in Process Industry [1.1060425537315088]
  デジタルツイン(Digital Twins、DT)は、センサーデータと高度なデータベースまたは物理ベースのモデル、あるいはその組み合わせを組み合わせた物理製造システムの仮想レプリカで、プロセス監視、予測制御、意思決定支援など、さまざまな産業関連タスクに対処する。 DTのバックボーン、すなわち、これらのモデルをサポートする具体的なモデリング方法論とアーキテクチャフレームワークは、複雑で多様性があり、急速に進化し、最新の最先端の手法と競争の激しい市場のトップに留まる傾向を徹底的に理解する必要がある。
  論文  参考訳（メタデータ） (2024-07-02T14:05:10Z)
• Mechanistic Neural Networks for Scientific Machine Learning [58.99592521721158]
  我々は、科学における機械学習応用のためのニューラルネットワーク設計であるメカニスティックニューラルネットワークを提案する。 新しいメカニスティックブロックを標準アーキテクチャに組み込んで、微分方程式を表現として明示的に学習する。 我々のアプローチの中心は、線形プログラムを解くために線形ODEを解く技術に着想を得た、新しい線形計画解法(NeuRLP)である。
  論文  参考訳（メタデータ） (2024-02-20T15:23:24Z)
• Methodology for Holistic Reference Modeling in Systems Engineering [0.0]
  本稿では,様々な視点やレベルにまたがる参照モデルを記述するための全体論的アプローチを提案する。 メリットには、参照設計の開始時点ですでに考慮されているパフォーマンスパラメータによる、機能カバレッジのエンドツーエンドトレーサビリティが含まれる。
  論文  参考訳（メタデータ） (2022-11-21T13:41:07Z)
• ODEs learn to walk: ODE-Net based data-driven modeling for crowd dynamics [3.4519649635864584]
  本稿では,クラウドダイナミックスの連続時間モデル構築のためのODE-Netフレームワークに基づくデータ駆動モデリング手法を提案する。 本稿では,これらの問題にODE-Net法を適用する際の課題について論じる。
  論文  参考訳（メタデータ） (2022-10-18T05:26:36Z)
• Constructing Neural Network-Based Models for Simulating Dynamical Systems [59.0861954179401]
  データ駆動モデリングは、真のシステムの観測からシステムの力学の近似を学ぼうとする代替パラダイムである。 本稿では,ニューラルネットワークを用いた動的システムのモデル構築方法について検討する。 基礎的な概要に加えて、関連する文献を概説し、このモデリングパラダイムが克服すべき数値シミュレーションから最も重要な課題を概説する。
  論文  参考訳（メタデータ） (2021-11-02T10:51:42Z)
• CateCom: a practical data-centric approach to categorization of computational models [77.34726150561087]
  本稿では,物理モデルとデータ駆動型計算モデルのランドスケープを整理する取り組みについて述べる。 オブジェクト指向設計の概念を適用し、オープンソース協調フレームワークの基礎を概説する。
  論文  参考訳（メタデータ） (2021-09-28T02:59:40Z)
• 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)

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。