要約
IoT時代におけるコンテキストデータの絶え間ない蓄積、マルチソースからのデータの融合傾向、およびコンテキストベースの意思決定プロセスの本質的な複雑性とダイナミズムのため、大規模なインテリジェントシステムのための高レベルコンテキスト（HLC）推論の自動化は必須である。この問題を軽減するために、我々は自動コンテキスト推論フレームワークCSM-H-Rを提案する。CSM-H-Rは、意味のあるHLCを認識する能力を達成するために、実行時およびモデル格納フェーズでオントロジーと状態をプログラム的に結合し、結果として得られるデータ表現は、異なる推論技術に適用することができる。ケーススタディは、スマートキャンパスにおけるインテリジェントエレベータシステムに基づいて開発される。フレームワークの実装であるCSMエンジンと、HLC推論をベクトルとマトリックスコンピューティングに変換する実験は、特にコンテキストの動的側面をケアし、インテリジェントシステムの統合における自動化の次のレベルを達成するために、高度な数学的および確率的モデルを使用する可能性を提示する。本研究のコードは、https://github.com/songhui01/CSM-H-R。
要約(オリジナル)
Automation of High-Level Context (HLC) reasoning for intelligent systems at scale is imperative due to the unceasing accumulation of contextual data in the IoT era, the trend of the fusion of data from multi-sources, and the intrinsic complexity and dynamism of the context-based decision-making process. To mitigate this issue, we propose an automatic context reasoning framework CSM-H-R, which programmatically combines ontologies and states at runtime and the model-storage phase for attaining the ability to recognize meaningful HLC, and the resulting data representation can be applied to different reasoning techniques. Case studies are developed based on an intelligent elevator system in a smart campus setting. An implementation of the framework – a CSM Engine, and the experiments of translating the HLC reasoning into vector and matrix computing especially take care of the dynamic aspects of context and present the potentiality of using advanced mathematical and probabilistic models to achieve the next level of automation in integrating intelligent systems; meanwhile, privacy protection support is achieved by anonymization through label embedding and reducing information correlation. The code of this study is available at: https://github.com/songhui01/CSM-H-R.
arxiv情報
| 著者 | Songhui Yue,Xiaoyan Hong,Randy K. Smith |
| 発行日 | 2023-09-01 03:43:40+00:00 |
| arxivサイト | arxiv_id(pdf) |