1,723,681 research outputs found
Distributed reasoning for the autonomous coordination of smart object networks
Full text linkL'evoluzione dell'Internet of Things (IoT) verso l'Internet of Everything (IoE) riflette il progresso dei dispositivi di rete e delle tecnologie di calcolo, comprendendo non solo oggetti, ma anche ambienti, persone, processi e dati. Questo sviluppo consente una raccolta e un'analisi dei dati su larga scala, con il potenziale di trasformare le interazioni tra molteplici attività umane e il mondo fisico. Sebbene questa transizione migliori l'efficienza operativa e il processo decisionale basato sui dati, la sua piena realizzazione richiede il superamento di problematiche relative alla larghezza di banda di rete, al consumo energetico, alla sicurezza dei dati e alla privacy. Soprattutto, nell'IoE, l'interoperabilità e la gestione intelligente delle informazioni diventano fondamentali per supportare processi autonomi flessibili e architetture orientate ai servizi sofisticate, adatte a interazioni estese tra macchine e tra esseri umani e macchine.
Una strategia chiave per affrontare queste sfide è l’edge computing, che avvicina le attività computazionali alle sorgenti di dati. Questa trasformazione è essenziale per gestire i grandi volumi di dati e la rapidità con cui questi sono generati nell'IoE, mitigando al contempo i problemi di latenza e larghezza di banda associati ai sistemi di elaborazione centralizzata. Un primo esempio di framework intelligente che sfrutta l’edge computing è il Semantic Web of Things (SWoT). In questo contesto, descrizioni basate sull’utilizzo di ontologie di dispositivi, oggetti ed eventi vengono gestite localmente da agenti intelligenti pervasivi attraverso ragionamenti automatizzati, consentendo operazioni autonome orientate a obiettivi specifici.
L'avanzamento del SWoT verso un Semantic Web of Everything (SWoE) richiede un'integrazione più profonda delle tecnologie semantiche nelle interazioni di calcolo pervasivo. Questa visione implica una pervasività di strumenti di rappresentazione della conoscenza e capacità di ragionamento automatizzato, anche su dispositivi con limitate capacità di elaborazione, memoria ed energia. Meccanismi di inferenza locale sui dispositivi sono essenziali nello SWoE, considerando l'elevata volatilità e la limitata accessibilità a dispositivi più performanti.
L'implementazione di architetture SWoE presenta difficoltà significative dal punto di vista scientifico e tecnologico. Gli attuali motori di ragionamento per il Semantic Web e i Knowledge Base Management Systems (KBMS) sono principalmente progettati per ambienti di calcolo ad elevate prestazioni, come server e cluster di workstation, rendendoli inadatti a dispositivi su scala nanometrica. I motori di ragionamento che potrebbero funzionare su dispositivi più piccoli spesso mancano di procedure di inferenza essenziali, limitandone l'utilizzo. Per questo motivo, la creazione di piattaforme SWoE richiede una rivalutazione delle metodologie di valutazione e benchmarking per includere i vincoli unici di questo nuovo paradigma.
Questa dissertazione presenta diversi contributi innovativi nel campo del ragionamento distribuito in scenari SWoE, concentrandosi sull'applicazione della rappresentazione della conoscenza e del ragionamento automatizzato al coordinamento di reti di agenti intelligenti incorporati in dispositivi dalle risorse limitate. A tal fine, questo lavoro analizza architetture e strategie di ottimizzazione per vari componenti fondamentali, come: Cowl, una libreria per la rappresentazione della conoscenza leggera e versatile progettata per dispositivi dalle risorse limitate, che supera le restrizioni dei KBMS attuali nei contesti embedded e IoT; Tiny-ME, un innovativo motore di ragionamento e matchmaking multi-piattaforma progettato per lo SWoE, che offre capacità di ragionamento efficienti adatte a dispositivi cloud, desktop, mobili ed edge; evOWLuator, un framework multipiattaforma per il benchmarking di motori di ragionamento del Semantic Web, con enfasi sulla stima del consumo energetico e sul supporto inferenziale su dispositivi remoti; un framework di Cloud-Edge Intelligence (CEI) per sistemi multi-agente e applicazioni basate su sensori, che sfrutta il calcolo serverless per la gestione dei dati e i task di machine learning.
Grande enfasi è posta sulla valutazione delle tecnologie sviluppate attraverso campagne sperimentali estese, che forniscono approfondimenti su prestazioni, efficienza e applicabilità in contesti SWoE. Inoltre, vengono dimostrate applicazioni pratiche attraverso casi di studio in diversi contesti. Il primo scenario presenta un framework per l'adattamento della Quality of Experience (QoE) nello streaming multimediale Web, utilizzando la versione WebAssembly di Tiny-ME come motore di ragionamento. Il secondo evidenzia un sistema di ricerca di eventi locali incentrato sulla privacy, mostrando un caso d'uso di ragionamento client-side per il recupero e la personalizzazione dei dati in applicazioni Web. Il terzo esempio esplora come Tiny-ME è in grado di gestire risorse annotate semanticamente in reti peer-to-peer, migliorando negoziazioni e l’explanation dei risultati di ricerca. Infine, un esempio di smart city mostra come Cowl può essere integrato in sensori su scala nanometrica per lo scambio di dati arricchiti semanticamente, migliorando la mobilità urbana. Gli esperimenti e le applicazioni menzionati evidenziano la flessibilità e la vasta applicabilità dei metodi e delle tecnologie presentati, sottolineando il potenziale esteso dello SWoE.The evolution of the Internet of Things (IoT) into the Internet of Everything (IoE) reflects the evolution of connected devices and computing technologies, encompassing not only things, but also environments, people, processes, and data. It enables large-scale data collection and analytics, with the potential to transform the interactions between many kinds of human activities and the physical world. Although this transition improves operational efficiency and data-driven decision-making, its full realization requires overcoming issues concerning network bandwidth, energy consumption, data security, and privacy. Most importantly, in the IoE interoperability and smart information management become essential for supporting flexible autonomous processing and sophisticated, flexible service-oriented architectures for extensive machine-to-machine and human-machine interactions.
A key strategy for addressing these challenges is edge computing, which brings computational tasks closer to data sources. This transformation is essential for managing the large volumes and rapid pace of data generated in the IoE, while also mitigating latency and bandwidth issues associated with centralized processing systems. An early example of a smart framework that leverages edge computing is the Semantic Web of Things (SWoT). Here, ontology-based descriptions of devices, objects, and events are dealt with locally by pervasive intelligent agents through automated reasoning, enabling autonomous operations towards specific objectives.
The advancement of SWoT towards a Semantic Web of Everything (SWoE) requires deeper embedding of semantic technologies in pervasive computing interactions. This vision requires pervasive knowledge representation and automated reasoning abilities, even on devices with stringent processing, memory, and energy limitations. Local inference mechanisms on devices are essential in the SWoE, considering the high volatility and restricted accessibility of more powerful devices.
The deployment of SWoE architectures discloses considerable difficulties from a scientific and technological standpoint. Current Semantic Web reasoners and Knowledge Base Management Systems (KBMS) are primarily tailored for high-performance computing environments such as servers and workstation clusters, making them unsuitable for nano-scale devices. Reasoning engines that might work on smaller devices frequently lack essential inference support, thus limiting their practicality. For this reason, creating SWoE platforms requires a reassessment of evaluation and benchmarking methodologies to consider the unique constraints of this new paradigm.
This dissertation presents several innovative contributions to the field of distributed reasoning in SWoE scenarios, focusing on applying knowledge representation and automated inferences to the coordination of networks of smart agents embodied into resource-constrained devices. To this aim, this work covers system architectures and optimization strategies for various essential components frameworks, such as: Cowl, a lightweight and versatile knowledge representation library designed for devices with limited resources, overcoming the restrictions of current KBMS in embedded and IoT contexts; Tiny-ME, an innovative multi-platform reasoner and matchmaking engine tailored for the SWoE, providing efficient reasoning capabilities appropriate for cloud, desktop, mobile, and edge devices; evOWLuator, a cross-platform evaluation framework that is mindful of energy consumption for Semantic Web reasoners, emphasizing power usage estimation and supporting inferences on remote devices; a Cloud-Edge Intelligence (CEI) framework for multi-agent systems and sensor-based application, exploiting serverless computing for data management and machine learning tasks.
Great emphasis is placed on the assessment of the developed technologies through extensive experimental campaigns, which provide insights into performance, efficiency, and applicability in SWoE settings. In addition, practical applications are demonstrated through case studies in various contexts. The first scenario demonstrates a framework for adapting Quality of Experience (QoE) in Web multimedia streaming, using the WebAssembly port of Tiny-ME as reasoning engine. The second highlights a privacy-focused local event finder, showing a client-side Web reasoning use case in data retrieval and personalization for Web applications. The third case study explores how Tiny-ME manages semantically annotated resources in peer-to-peer networks, improving negotiation and discovery explanations. Finally, a smart city example shows how Cowl can be integrated in nano-scale sensors to exchange semantically enriched data, enhancing urban mobility. Together, the mentioned experiments and applications underscore the flexibility and wide-ranging usability of the presented methods and technologies, highlighting the extensive potential of the SWoE
Automated reasoning for the semantic web of everything
Full text linkL'evoluzione dell'Internet of Things (IoT) nell'Internet of Everything (IoE), guidata dalla miniaturizzazione della tecnologia IoT e dalla crescente connessione di individui, processi e dati attraverso reti mobili e ubique, rappresenta un cambiamento trasformativo nel modo in cui interagiamo con il mondo digitale. Nell'IoE, entità viventi, oggetti, luoghi e processi sono interconnessi e generano continuamente flussi di dati, alimentando analisi sofisticate da cui derivano insight operativi. Sebbene questo cambiamento aumenti l'efficienza operativa ed il decision making basato sui dati, esso introduce anche nuove sfide, in particolare nei campi della larghezza di banda di rete, del consumo energetico, della protezione dei dati e della privacy. Nell'IoE, la gestione intelligente delle informazioni diventa cruciale per abilitare l'elaborazione autonoma versatile e servizi avanzati e interoperabili per interazioni su larga scala machine-to-machine e human-machine.
Centrale nel risolvere queste sfide è il concetto di edge computing, che comporta lo spostamento dei processi computazionali più vicino alle fonti di dati. Questo spostamento è fondamentale per gestire il volume e la velocità dei dati generati dall'IoE, e per mitigare i problemi di latenza e larghezza di banda intrinseci ai modelli di elaborazione centralizzati. Una delle prime incarnazioni di un framework di elaborazione delle informazioni intelligenti che sfrutta il paradigma dell'edge computing è il Semantic Web of Things (SWoT), dove le annotazioni basate su ontologie di dispositivi, oggetti e fenomeni vengono elaborate localmente da agenti intelligenti tramite ragionamento automatizzato, facilitando azioni autonome verso obiettivi specifici.
L'evoluzione dello SWoT verso un Semantic Web of Everything (SWoE) richiede un'ulteriore integrazione delle tecnologie semantiche in una varietà di interazioni di computing pervasivo tra persone, cose, processi e dati. Questa visione richiede robusti linguaggi di rappresentazione della conoscenza e capacità di inferenza automatizzata, anche su dispositivi con limitate risorse di calcolo, memoria ed energia. La disponibilità di procedure di inferenza locali è critica nel SWoE, data l'alta volatilità e la limitata raggiungibilità di dispositivi più potenti.
L'implementazione di un'architettura adatta a supportare il SWoE presenta sfide significative. I ragionatori del Web Semantico esistenti e i sistemi di gestione delle basi di conoscenza (KBMS), progettati principalmente per ambienti di calcolo ad elevate prestazioni come server o dispositivi mobili di fascia alta, sono poco adatti ai dispositivi integrati. I motori di ragionamento che potrebbero operare su dispositivi più piccoli spesso mancano di supporto per servizi di inferenza cruciali, limitando la loro utilità. Inoltre, lo sviluppo di sistemi SWoE richiede la progettazione di framework di valutazione e benchmarking che tengano conto dei vincoli peculiari del nuovo paradigma.
Questa tesi presenta il lavoro dedicato alla realizzazione della visione SWoE, includendo design architetturale e approcci di ottimizzazione per diversi elementi chiave di una toolchain completa, composta da: Cowl, una libreria per la rappresentazione della conoscenza adatta a dispositivi dalle risorse limitate, che supera i limiti dei KBMS esistenti nel contesto di dispositivi integrati e IoT, rimanendo al contempo abbastanza versatile da essere utile in dispositivi con maggiore disponibilità di risorse; Tiny-ME, un nuovo ragionatore e motore di matchmaking multipiattaforma per il SWoE, che offre capacità di ragionamento adatte a cloud, desktop, dispositivi mobili ed edge; evOWLuator, un framework di valutazione multi-piattaforma ed energy-aware per ragionatori del Semantic Web, focalizzato sulla stima del consumo di energia e sul supporto per inferenze su dispositivi remoti, che colma lacune critiche negli strumenti di valutazione esistenti.
Si pone forte enfasi sulla valutazione delle tecnologie sviluppate attraverso campagne sperimentali di ampio respiro, i cui risultati forniscono dettagli su prestazioni, efficienza e applicabilità in tipici contesti SWoE. Inoltre, alcuni case study validano l'utilizzabilità in contesti d'uso realistici. Il primo case study mostra come una smart city può essere semanticamente potenziata usando Cowl, dimostrando l'impatto dello SWoE nella gestione della città ed abilitando i nanodispositivi a scambiare dati semanticamente annotati. In un secondo scenario, Tiny-ME è stato implementato su un veicolo aereo senza pilota, facilitando il decision-making autonomo e in tempo reale per operazioni affidabili. Una terza applicazione, focalizzata sul supporto ai pazienti attraverso il ragionamento semantico su dispositivi indossabili, mostra come Tiny-ME può essere utilizzato per inferenze spiegabili in tempo reale in contesti dove la spiegabilità dei risultati è critica. Infine, un caso d'uso di ragionamento automatico lato client nel Web si focalizza sul rispetto della privacy dell'utente, garantendo allo stesso tempo efficienza e flessibilità nel discovery di risorse personalizzate. Collettivamente, gli esperimenti e le applicazioni discusse evidenziano la versatilità e l'ampia applicabilità dei metodi e delle tecnologie proposti, sottolineando il vasto potenziale dello SWoE.The evolution from the Internet of Things (IoT) into the Internet of Everything (IoE), driven by the miniaturization of IoT technology and the ever increasing connection of individuals, processes, and data through mobile and ubiquitous networks, represents a transformative change in how we interact with the digital world. In the IoE, living entities, objects, locations, and processes are interconnected and continuously generate streams of data, fuelling sophisticated analytics to derive actionable insights. While this shift enhances operational efficiency and data-driven decision-making, it also introduces new challenges, particularly in the realms of network bandwidth, power consumption, data protection, and privacy. In the IoE, intelligent information management becomes crucial to enable versatile autonomous processing and advanced, interoperable services for large-scale machine-to-machine and human-machine interactions.
Central to addressing these challenges is the concept of edge computing, which involves moving computational processes closer to data sources. This shift is pivotal for handling the volume and velocity of data generated by the IoE, and for mitigating the latency and bandwidth issues inherent in centralized processing models. One of the first incarnations of an intelligent information processing framework leveraging the edge computing paradigm is the Semantic Web of Things (SWoT), where ontology-based annotations of devices, objects, and phenomena are locally processed by ubiquitous intelligent agents via automated reasoning, facilitating autonomous actions towards specific goals.
The progression of the SWoT towards a Semantic Web of Everything (SWoE) mandates further integration of semantic technologies in a variety of pervasive computing interactions among people, things, processes, and data. This vision demands robust knowledge representation languages and automated inference capabilities, even on devices with strict processing, memory, and energy constraints. On-device local inference procedures are critical in the SWoE, given the high volatility and limited reachability of more powerful devices.
Implementing the SWoE architecture poses significant challenges. Existing Semantic Web reasoners and Knowledge Base Management Systems (KBMS), primarily designed for powerful computing environments like servers or high-end mobile devices, are ill-suited for deployment on nano-scale devices. Reasoning engines that could potentially operate on smaller devices often lack support for crucial inference services, hindering their usefulness. Moreover, developing SWoE systems requires rethinking evaluation and benchmarking frameworks to account for the peculiar constraints of the novel paradigm.
This dissertation presents the work devoted towards realizing the SWoE vision, encompassing architectural designs and optimization approaches for several key elements of a complete toolchain, including: Cowl, a lightweight knowledge representation library tailored for resource-constrained devices, addressing the limitations of existing KBMS in the context of embedded and IoT devices, while remaining versatile enough to be useful at other scales of computation; Tiny-ME, a novel multi-platform reasoner and matchmaking engine for the SWoE, offering efficient reasoning capabilities suitable for cloud, desktop, mobile, and edge devices; evOWLuator, a cross-platform, energy-aware evaluation framework for Semantic Web reasoners, with a focus on power consumption estimation and support for inferences on remote devices, filling critical gaps in existing evaluation tools.
Strong emphasis is placed on the evaluation of the developed technologies through comprehensive experimental campaigns, whose results provide insights on performance, efficiency, and applicability in typical SWoE settings. Additionally, practical applications are demonstrated through case studies in diverse contexts. The first presented case study showcases how a smart city environment can be semantically enhanced using Cowl, demonstrating the SWoE’s impact in city management by enabling nano-devices to exchange semantically augmented data. In a second scenario, Tiny-ME has been deployed to an unmanned aerial vehicle, facilitating autonomous, real-time decision-making for reliable drone operations. A third application, focused on supporting patients through semantic reasoning on wearable devices, shows how Tiny-ME can be used for real-time, explainable inferences on wearables in highly dependable settings. Finally, a client-side Web reasoning use case emphasizes user privacy while granting efficiency and flexibility of personalized resource discovery. Collectively, the discussed evaluations and applications highlight the versatility and wide applicability of the proposed methods and technologies, underscoring the broad potential of the SWoE
Going Beyond Counting First Authors in Author Co-citation Analysis
Full text linkThe present study examines one of the fundamental aspects of author co-citation analysis (ACA) - the way co-citation
counts are defined. Co-citation counting provides the data on which all subsequent statistical analyses and mappings
are based, and we compare ACA results based on two different types of co-citation counting - the traditional type that
only counts the first one among a cited work's authors on the one hand and a non-traditional type that takes into
account the first 5 authors of a cited work on the other hand. Results indicate that the picture produced through this non-traditional author co-citation counting contains more coherent author groups and is therefore considerably clearer. However, this picture represents fewer specialties in the research field being studied than that produced through the traditional first-author co-citation counting when the same number of top-ranked authors is selected and analyzed. Reasons for these effects are discussed
Variations on the Author
Full text link“Variations on the Author” discusses two of Eduardo Coutinho’s recent films (Um Dia na Vida, from 2010, and Últimas Conversas, posthumously released in 2015) and their contribution to the general question of documentary authorship. The director’s filmography is characterized by a consistent yet self-effacing form of authorial self-inscription: Coutinho often features as an interviewer that rather than express opinions propels discourses; an interviewer that is good at listening. This mode of self-inscription characterizes him as an author who is not expressive but who is nonetheless markedly present on the screen. In Um Dia na Vida, however, Coutinho is completely absent form the image, while Últimas Conversas, on the contrary, includes a confessional prologue that moves the director from the margins to the center of his films. This article examines the ways in which these works stand out in the filmography of a director who offers new insights into the notion of cinematic authorship
Appropriate Similarity Measures for Author Cocitation Analysis
Full text linkWe provide a number of new insights into the methodological discussion about author cocitation analysis. We first argue that the use of the Pearson correlation for measuring the similarity between authors’ cocitation profiles is not very satisfactory. We then discuss what kind of similarity measures may be used as an alternative to the Pearson correlation. We consider three similarity measures in particular. One is the well-known cosine. The other two similarity measures have not been used before in the bibliometric literature. Finally, we show by means of an example that our findings have a high practical relevance.information science;Pearson correlation;cosine;similarity measure;author cocitation analysis
Dispelling the Myths Behind First-author Citation Counts
Full text linkWe conducted a full-scale evaluative citation analysis study of scholars in the XML research field to explore just how different from each other author rankings resulting from different citation counting methods actually are, and to demonstrate the capability of emerging data and tools on the Web in supporting more realistic citation counting methods. Our results contest some common arguments for the continued
use of first-author citation counts in the evaluation of scholars, such as high correlations between author rankings by first-author citation counts and other citation
counting methods, and high costs of using more realistic citation counting methods that are not well-supported by the ISI databases. It is argued that increasingly available digital full text research papers make it possible for citation analysis studies to go beyond what the ISI databases have directly supported and to employ more
sophisticated methods
MODERASI TAREKAT PERSPEKTIF SYEKH H. ALI IMRAN HASAN
Full text linkThis article discusses the views of Sheikh H. Ali Imran Hasan regarding tarekat moderation. This paper departs from the development of the tarekat and the attitude of exclusivity in charity, which is often a moderation process in the tarekat. According to Sheikh H. Ali Imran Hasan, knowledge and charity are two important aspects in studying the tarekat as well as monitoring the development of the tarekat. The method used in this research is descriptive qualitative. The conclusions of this study include: (1) the importance of a complete and comprehensive understanding in studying the tarekat (2) a rational and open attitude can eliminate boredom in thinking for students (3) the need to pay attention to public acceptance of the tarekat to avoi
koamabayili/VECTRON-author-checklist: VECTRON author checklist
No full textWe have done our best to complete the author checklist relating to the use of animals in the hut study. Note that the objective for the hut study was to evaluate the IRS treatment applications for residual efficacy against Anopheles mosquitoes, including the local An. coluzzii mosquito population. Cows were only used to attract mosquitoes into the huts and no tests were carried out directly on the cows. The author checklist is intended for use with studies where experiments are carried out on animals, which is why we have had such difficulty in completing this for the hut study, as many of the questions do not relate to how the cows were used
- …
