Micro-ontology building – the main variants of the oto method

• Autorzy: Wójcik K. , Pałka D. , Bar O.

Identyfikatory

DOI

10.4467/2353737XCT.18.041.8303

Warianty tytułu

PL

Metoda “OTO” tworzenia mikro-ontologii – podstawowe warianty algorytmu

• Języki publikacji: EN

Abstrakty

EN

This article describes the main properties of an iterative method of simple knowledge structure creation. The method is based on an inductive learning scheme. The knowledge structure is built automatically and takes the form of a simplified ontology. Knowledge transformation plays a key role in the process of creating the knowledge structure. In order to regular describe many kinds of these transformations the article provides the relevant theoretical background. The task of finding the proper ontology (knowledge structure) is extremely complex. This paper highlights the necessity to investigate efficient search methods; additionally, the work draws attention to the advantages that arise from building the knowledge structure at the minimal possible size. The paper points to possible areas of the method application, especially in connection with problems of the automatic understanding of images and websites.

PL

Artykuł przedstawia podstawowe własności iteracyjnego procesu (nazywanego w pracy OTO) tworzenia struktury wiedzy. Budowana automatycznie struktura przyjmuje formę ontologii. Artykuł prezentuje podstawy teoretyczne opisywanego procesu. Kluczową rolę odgrywa w nim zestaw specyficznych algorytmów transformacji wiedzy. Opisywany proces jest ekstremalnie złożony obliczeniowo. Artykuł podkreśla konieczność opracowania bardziej efektywnych algorytmów numerycznych, uwypuklając jednocześnie korzyści z budowy ontologii w minimalnej, możliwej formie (mikro-ontologia). Proces budowy wiedzy przybliżono z pomocą odpowiednio dobranego przykładu. W pracy wskazano na możliwe obszary zastosowań metody, w szczególności dotyczące automatycznego rozumienia obrazów oraz rozumienia stron WWW.

Słowa kluczowe

EN

pattern recognition; image understanding; machine learning

PL

rozpoznawanie obrazów; rozumienie obrazów; uczenie maszynowe

• Wydawca: Wydawnictwo Politechniki Krakowskiej im. Tadeusza Kościuszki
• Czasopismo: Technical Transactions
• Rocznik: 2018
• Tom: Vol. 115, iss. 3
• Strony: 115--130
• Opis fizyczny: Bibliogr. 15 poz., il., wz.

Twórcy

autor

Wójcik K.

• Production Engineering Institute, Faculty of Mechanical Engineering, Cracow University of Technology

autor

Pałka D.

• Department of Applied Computer Science, Faculty of Electrical Engineering, Automatics, IT and Biomedical Engineering, AGH University of Science and Technology

autor

Bar O.

• Institute of Computer Science, Faculty of Mathematics, Physics and Technical Science, Pedagogical University of Cracow

Bibliografia

• [1] Davies J., Studer R., Warren P. (eds.), Semantic Web Technologies Trends and Research in Ontology-based Systems, John Wiley & Sons Ltd, 2006.
• [2] Gennari J. et al., The evolution of Protégé, An environment for knowledge-based systems development, Int. Journal of Human-Computer Interaction, 58, 2003.
• [3] Husserl E., Logical Investigations, Routledge, New York 2003 (first published in German as Logische Untersuchungen, M. Niemeyer, Hale 1900/1901).
• [4] Michalski R.S., Carbonell J.G., Mitchell T.M. eds., Machine Learning: An Artificial Intelligence Approach, Springer Science & Business Media 2013.
• [5] Muggleton S., Scientific knowledge discovery using inductive logic programming, Communica-tions of the ACM, Vol. 42, 1999.
• [6] Piekarczyk M., Ogiela M.,R., Matrix-based hierarchical graph matching in off-line handwritten signatures recognition, Proc. of 2nd IAPR Asian Conference on Pattern Recognition, IEEE, 2013.
• [7] Piekarczyk M., Ogiela M.R., The Touchless Person Authentication Using Gesture types Emulation of Handwritten Signature Templates, Proc. of 10th ICBWC, Coommunication and Applications BWCCA, Krakow 2015.
• [8] Russell S., Norvig P., Artificial Intelligence: A Modern Approach, 3rd edn, Prentice Hall, En-glewood Cliffs 2010.
• [9] Smith M.K., Welty C. (eds.), OWL Web Ontology Language Guide, http://www.w3.org/TR/owl-guide (access: 10.11.2016).
• [10] Tadeusiewicz R., Ogiela M.,R., Medical Image Understanding Technology, Studies in Fuzziness and Soft Computing, Vol. 156, Springer-Verlag, Heidelberg 2004.
• [11] Szczepaniak P.S., Tadeusiewicz R., The Role of Artificial Intelligence, Knowledge and Wisdom in Automatic Image Understanding, Journal of Applied Computer Science, Vol. 18, 2010.
• [12] Wójcik K., OTO Model of Building of Structural Knowledge – Areas of Usage and Problems, Advances in Intelligent Systems and Computing, Image Processing and Communications Chal-lenges 4, Springer-Verlag Berlin, Heidelberg 2012.
• [13] Wójcik K., Indutive learning methods in the simple image understanding system, ICCVG’ 10 Proceedings of 10th International Conference on Computer Vision and Graphics, Part I, LNCS, Springer-Verlag Berlin, Heidelberg 2010.
• [14] Wójcik K., Hierarchical Knowledge Structure Applied to Image Analyzing System – Possibilities of Practical Usage, ARES’2011 Proceedings of the IFIP WG 8.4/8.9 International Cross Domain Conference Viena, LNCS Springer-Verlag Berlin, Heidelberg 2011.
• [15] Wójcik K., Knowledge Transformations Applied in Image Classification Task, Advances in Intelligent Systems and Computing, IPCC 5, Springer-Verlag Berlin, Heidelberg 2013.

Uwagi

EN

Section "Electrical Engineering"

PL

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).