数字农业中的知识表达:迈向标准化模型的一步
本文提出了一种基于知识蒸馏的新方法以增强领域通用性,在精度农业中进行作物分割的应用,旨在解决移动机器人在野外环境中识别和定位作物所需的实时感知问题。通过在一个有多个领域的合成数据集上评估,该方法取得了明显的表现改进。
Apr, 2023
基于元数据驱动、灵活和半自动化的数据治理框架,整合了 25 年的临床研究数据,并利用语义网原则建立了知识图谱,实现了 FAIR 化、生命周期管理、角色和责任定义、转化过程中的关系和源系统来源的溯源,为自动化的数据治理提供了先决条件,并使其适用于各个用例并动态适应业务变化。
Oct, 2023
数字农业通过数据科学、机器学习、传感技术、机器人技术和新的管理策略,在减少环境影响的同时满足全球对食物、饲料、纤维和燃料不断增长的需求。为了充分发挥数字农业的潜力,强调数据积极性的机器学习研究在此领域显得至关重要,需要发展获取和整理有价值数据的策略,并实施能够利用数据内在价值的有效学习和评估策略,从而创建准确、可推广和适应性强的机器学习方法,有效可持续地应对农业任务,如产量预测、杂草检测和早期病害识别。
Dec, 2023
现代农业面临着在气候变化和自然资源减少的限制下,满足食品、燃料、饲料和纤维的不断增长需求的巨大挑战。数据创新迫切需要确保和提高农业生态系统的生产力、可持续性和弹性。本文介绍了满足 FAIR 原则的农业数据管理和分析(ADMA)系统,该系统通过支持跨学科的语义数据管理,提供多种数据管理和分析门户,利用高性能计算技术扩展性强,允许用户加载自己的数据分析工具,通过跟踪文件上的不同操作进行追踪,并使用丰富的成熟开源技术来保持开放性。
Nov, 2023
这篇文章概述了创建和管理大型知识库的基本概念和实践方法,重点介绍了发现和规范实体及其语义类型、自动提取基于实体的属性以及构建开放架构和知识管理的方法。
Sep, 2020
基于微服务架构的知识发现中的关键挑战和应对方法,包括数字化、关键词提取、文档相似度计算、自然语言数据库查询以及独立提供抽取的信息,还提供了相应的参考设计指南。
Jun, 2024
本研究利用地球观测数据、机器学习和大数据方法开发应用程序,致力于监测共同农业政策(CAP)、食品安全及智能耐荒农业等领域,在解决机器学习模型训练的注释数据不足以及推导的价值落实到实际决策之间的差距等问题上取得了一定的方法创新和研究进展。具体来说,通过数据立方体、分布式学习和数据语义化等技术,不仅实现了农作物类型和生长状态估计的预测,也为应对实际农业问题提供了因果解释等机器学习技术支撑。
Nov, 2022
使用本体论的方法,将应用数学中的建模 - 仿真 - 优化工作流的数学模型和数值算法表示出来,以构建 FAIR 数学研究数据。通过介绍多孔介质微裂纹分析的具体例子,展示了本体论如何表征基础数学模型及其相应的数值算法。
Oct, 2023