論文の概要: An object-centric core metamodel for IoT-enhanced event logs

• arxiv url: http://arxiv.org/abs/2506.21300v1
• Date: Thu, 26 Jun 2025 14:19:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-27 19:53:10.125504
• Title: An object-centric core metamodel for IoT-enhanced event logs
• Title（参考訳）: IoT強化イベントログのためのオブジェクト中心コアメタモデル
• Authors: Yannis Bertrand, Christian Imenkamp, Lukas Malburg, Matthias Ehrendorfer, Marco Franceschetti, Joscha Grüger, Francesco Leotta, Jürgen Mangler, Ronny Seiger, Agnes Koschmider, Stefanie Rinderle-Ma, Barbara Weber, Estefania Serral,
• Abstract要約: 既存のデータモデルの最も重要な特徴を合成するコアモデルを提案する。 プロトタイプのPython実装は、さまざまなユースケースに対してモデルを評価するために使用される。
• 参考スコア（独自算出の注目度）: 1.092202156339801
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Advances in Internet-of-Things (IoT) technologies have prompted the integration of IoT devices with business processes (BPs) in many organizations across various sectors, such as manufacturing, healthcare and smart spaces. The proliferation of IoT devices leads to the generation of large amounts of IoT data providing a window on the physical context of BPs, which facilitates the discovery of new insights about BPs using process mining (PM) techniques. However, to achieve these benefits, IoT data need to be combined with traditional process (event) data, which is challenging due to the very different characteristics of IoT and process data, for instance in terms of granularity levels. Recently, several data models were proposed to integrate IoT data with process data, each focusing on different aspects of data integration based on different assumptions and requirements. This fragmentation hampers data exchange and collaboration in the field of PM, e.g., making it tedious for researchers to share data. In this paper, we present a core model synthesizing the most important features of existing data models. As the core model is based on common requirements, it greatly facilitates data sharing and collaboration in the field. A prototypical Python implementation is used to evaluate the model against various use cases and demonstrate that it satisfies these common requirements.
• Abstract（参考訳）: IoT(Internet-of-Things)技術の進歩は、製造業、ヘルスケア、スマートスペースなど、さまざまな分野のさまざまな組織において、IoTデバイスとビジネスプロセス(BP)との統合を促している。 IoTデバイスの普及により、BPの物理的コンテキストにウィンドウを提供する大量のIoTデータが生成され、プロセスマイニング(PM)技術を使用してBPに関する新たな洞察の発見が容易になる。 しかし、これらのメリットを達成するためには、IoTデータと従来のプロセス(イベント)データを組み合わせる必要がある。 最近、IoTデータとプロセスデータを統合するために、いくつかのデータモデルが提案されている。 この断片化はPMの分野におけるデータ交換とコラボレーションを妨げ、研究者がデータを共有するのが面倒になる。 本稿では,既存のデータモデルの最も重要な特徴を合成するコアモデルを提案する。 コアモデルは共通の要求に基づいており、この分野におけるデータ共有とコラボレーションを大いに促進します。 プロトタイプのPython実装は、さまざまなユースケースに対してモデルを評価し、これらの共通要件を満たすことを実証するために使用されます。

関連論文リスト

• LLM-based event abstraction and integration for IoT-sourced logs [2.6811507121199325]
  本稿では,イベント抽象化と統合において,LLM(Large Language Models)を活用する可能性について述べる。 当社のアプローチは、生のセンサ読み取りからイベントレコードを作成し、複数のIoTソースからのログを単一のイベントログにマージすることを目的としています。 高齢者介護と縦断的健康モニタリングにおけるIoT応用のケーススタディとして,イベント抽象化におけるLCMの機能を示す。
  論文  参考訳（メタデータ） (2024-09-05T12:38:13Z)
• Lightweight Dataset for Decoy Development to Improve IoT Security [0.1227734309612871]
  本稿では,IoT(Internet of Things)アクティビティをデコイを作成する準備として,軽量なデータセットを提案する。 データセットは、実際のネットワーク設定で異なるシナリオから構成される。
  論文  参考訳（メタデータ） (2024-07-29T12:01:50Z)
• IoT-LM: Large Multisensory Language Models for the Internet of Things [70.74131118309967]
  IoTエコシステムは、モーション、サーマル、ジオロケーション、イメージング、ディープ、センサー、オーディオといった、現実世界のモダリティの豊富なソースを提供する。 機械学習は、IoTデータを大規模に自動的に処理する豊富な機会を提供する。 IoTエコシステムに適した,オープンソースの大規模マルチセンサ言語モデルであるIoT-LMを紹介します。
  論文  参考訳（メタデータ） (2024-07-13T08:20:37Z)
• Breaking Resource Barriers in Speech Emotion Recognition via Data Distillation [64.36799373890916]
  音声感情認識(SER)は、人間とコンピュータの相互作用において重要な役割を果たす。 モノのインターネットにおけるエッジデバイスの出現は、複雑なディープラーニングモデルを構築する上での課題を示している。 本研究では,IoTアプリケーションにおけるSERモデルの効率的な開発を容易にするためのデータ蒸留フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-21T13:10:46Z)
• From Internet of Things Data to Business Processes: Challenges and a Framework [2.9799866120078935]
  IoTとビジネスプロセス管理(BPM)コミュニティは、製造業や医療など、多くの共有アプリケーションドメインに共存しています。 本研究は,低レベルのIoTセンサデータを高レベルのプロセスイベントに変換するための,一連の構造化ステップを実行するフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-14T12:07:07Z)
• MultiIoT: Benchmarking Machine Learning for the Internet of Things [70.74131118309967]
  次世代の機械学習システムは、物理的世界に対する知覚と相互作用に長けなければならない。 運動、熱、位置情報、深度、無線信号、ビデオ、オーディオからの知覚データは、物理環境の状態をモデル化するためにますます使われています。 既存の取り組みは、しばしば単一の感覚的モダリティまたは予測タスクに特化している。 本稿は、12のモダリティと8つの現実世界タスクから115万以上のサンプルを含む、これまでで最も拡張的で統一されたIoTベンチマークであるMultiIoTを提案する。
  論文  参考訳（メタデータ） (2023-11-10T18:13:08Z)
• TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual Environments [84.6017003787244]
  本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。 既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
  論文  参考訳（メタデータ） (2022-08-16T20:46:08Z)
• Optimizing Resource-Efficiency for Federated Edge Intelligence in IoT Networks [96.24723959137218]
  We study a edge intelligence-based IoT network that a set of edge server learn a shared model using federated learning (FL)。 フェデレーションエッジインテリジェンス(FEI)と呼ばれる新しいフレームワークを提案し、エッジサーバがIoTネットワークのエネルギーコストに応じて必要なデータサンプル数を評価できるようにする。 提案アルゴリズムがIoTネットワークのトポロジ的情報を漏洩したり開示したりしないことを示す。
  論文  参考訳（メタデータ） (2020-11-25T12:51:59Z)
• On the Use of Interpretable Machine Learning for the Management of Data Quality [13.075880857448059]
  我々は、解釈可能な機械学習を用いて、あらゆるデータ処理アクティビティをベースとした重要な機能を提供する。 私たちの目標は、少なくとも、収集されたデータセットで重要なものとして検出される機能に対して、データ品質を確保することです。
  論文  参考訳（メタデータ） (2020-07-29T08:49:32Z)

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。