論文の概要: Ontology-based Requirements Transformation
- arxiv url: http://arxiv.org/abs/2608.21945v1
- Date: Sat, 22 Aug 2026 13:08:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:43.540799
- Title: Ontology-based Requirements Transformation
- Title（参考訳）: オントロジーに基づく要求変換
- Abstract要約: 本稿では、いわゆるミッションプロファイル(MP)によって与えられる機能的および環境負荷要求のサプライチェーン対応変換に対するオントロジーに基づくアプローチを提案する。
このアプローチは、トランスフォーメーションプロセスをサポートし、既存のモデルベースシステムエンジニアリング(MBSE)プロセスへのトランスフォーメーションのより良い統合を可能にすることによって、エンジニアリングプロセスの効率を改善することを目的としています。
- 参考スコア（独自算出の注目度）: 39.82496881457754
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents an ontology-based approach to the supply chain-aware transformation of functional and environmental load requirements given by so-called Mission Profiles (MPs). The approach aims at improving the efficiency of the engineering process through supporting the transformation process and enabling a better integration of the transformation into existing Model-based Systems Engineering (MBSE) processes. We propose a methodology and a supporting system which aids in the transformation process while the latter feature is obtained by constructing and working on models. Consequent utilization of the standardized language OWL to express model representations further enables better knowledge integration and transfer among hetero-geneous systems. In addition to that, this favors knowledge reuse across projects which can reduce overall costs. Moreover, the system enables stripping off irrelevant information from MPs, thus improving protection of intellectual property.
- Abstract（参考訳）: 本稿では,いわゆるミッションプロファイル(MP)によって与えられる機能的および環境負荷要求のサプライチェーン対応変換に対するオントロジーに基づくアプローチを提案する。
このアプローチは、トランスフォーメーションプロセスをサポートし、既存のモデルベースシステムエンジニアリング(MBSE)プロセスへのトランスフォーメーションのより良い統合を可能にすることによって、エンジニアリングプロセスの効率を改善することを目的としています。
本稿では,モデルの構築と作業によって,後者の特徴が得られながら,変換プロセスを支援する方法論と支援システムを提案する。
モデル表現を表現するために標準化された言語OWLが使われることにより、ヘテロジニアスシステム間のより良い知識統合と伝達が可能になる。
加えて、これはプロジェクト全体で知識の再利用を好んでおり、全体のコストを削減できます。
さらに,無関係な情報をMPから取り除き,知的財産の保護を向上する。
関連論文リスト
- AI Assisted Workflow Optimization and Automation [3.2066047088217347]
本研究は, 補助コンプライアンス作業のプロセス特性に焦点をあてる。
プロセスの再設計,システムモデリング,技術統合をコアとして,最適化パスを提案する。
研究は、体系的な最適化と補助プロセスのインテリジェントなアップグレードが、現代的なコンプライアンス運用システムの構築に役立つことを示唆している。
論文 参考訳（メタデータ） (2026-09-13T06:41:55Z) - Ontology-supported Design Parameter Management for Change Impact Analysis [65.57339762906196]
OWLは情報表現に使われ、基礎となるデータモデルは異種システム間の知識伝達を改善することができる。
このアプローチは、ソフトウェア設計とハードウェア設計の両方に適しています。
論文 参考訳（メタデータ） (2026-08-22T13:25:31Z) - Development of Ontological Knowledge Bases by Leveraging Large Language Models [1.1470070927586018]
オントロジー知識基盤(OKB)はドメイン固有の知識の構造化において重要な役割を担い、効果的な知識管理システムの基礎として機能する。
ジェネレーティブAI、特にLarge Language Models(LLMs)の最近の進歩は、OKB開発を自動化および拡張するための有望なソリューションを提供する。
本稿では,LLMを利用して知識獲得を最適化し,オントロジーアーティファクト生成を自動化し,継続的な改善サイクルを可能にする構造的かつ反復的な手法を提案する。
論文 参考訳（メタデータ） (2026-01-15T14:30:42Z) - PISA: A Pragmatic Psych-Inspired Unified Memory System for Enhanced AI Agency [50.712873697511206]
既存の作業は、多種多様なタスクへの適応性に欠けることが多く、AIエージェントメモリの構成的およびタスク指向の役割を見落としている。
PISAは,メモリを構築的かつ適応的なプロセスとして扱う,実践的でサイコにインスパイアされた統合メモリシステムである。
既存のLOCOMOベンチマークと新たに提案したデータ解析タスクのAggQAベンチマークに基づいて,PISAが適応性と長期的知識保持を大幅に向上させることで,新たな最先端技術を設定することを確認した。
論文 参考訳（メタデータ） (2025-10-12T10:34:35Z) - Knowledge distillation as a pathway toward next-generation intelligent ecohydrological modeling systems [2.9297240479517836]
プロセスベースモデルと機械学習(ML)を統合した3段階統合フレームワークを提案する。
第1相、行動蒸留は、代理学習とモデルの単純化を通じてプロセスモデルを強化する。
構造蒸留の第II相は、グラフニューラルネットワーク(GNN)内のモジュラー成分としてプロセス方程式を再構成する
認知的蒸留の第III相は、専門家の推論と適応的な意思決定をインテリジェントなモデリングエージェントに組み込む。
論文 参考訳（メタデータ） (2025-09-02T05:24:35Z) - In-Context Learning for Gradient-Free Receiver Adaptation: Principles, Applications, and Theory [54.92893355284945]
ディープラーニングベースの無線受信機は、様々なチャネル環境に動的に適応する能力を提供する。
ジョイントトレーニング、ハイパーネットワークベースの手法、メタラーニングを含む現在の適応戦略は、限られた柔軟性を示すか、勾配降下による明示的な最適化を必要とする。
本稿では、インコンテキスト学習(ICL)の新たなパラダイムに根ざした勾配なし適応手法を提案する。
論文 参考訳（メタデータ） (2025-06-18T06:43:55Z) - Generative transformations and patterns in LLM-native approaches for software verification and falsification [1.4595796095047369]
より規律のあるエンジニアリングプラクティスに向けた基本的なステップは、コア機能単位生成変換の体系的な理解である、と我々は主張する。
まず、素早い相互作用を概念的シグネチャに抽象化する、生成変換のきめ細かい分類法を提案する。
我々の分析は分類学の有用性を検証するだけでなく、戦略的ギャップや相互関係も明らかにする。
論文 参考訳（メタデータ） (2024-04-14T23:45:23Z) - Machine Learning Insides OptVerse AI Solver: Design Principles and
Applications [74.67495900436728]
本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。
本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。
本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
論文 参考訳（メタデータ） (2024-01-11T15:02:15Z) - End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。
我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
論文 参考訳（メタデータ） (2023-05-25T10:58:46Z) - 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)
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。