| Source DB | nl |
|---|
| Institution | UGent |
|---|
| Code | c7b7f1d3-ace3-4682-a839-8492ba683050 |
|---|
| Unit | 16a28d37-6005-49e4-be1b-46b8c76f6640
|
|---|
| Begin | 10/1/2020 |
|---|
| End | 9/30/2023 |
|---|
| title fr |
|
|---|
| title nl | Hiërarchisch redeneren: een efficiënte en schaalbare oplossing om beslissingen uit heterogene datastromen te extraheren
|
|---|
| title en | Cascading Reasoning: an Efficient and Scalable Solution for Decision Making on Heterogeneous Data Streams
|
|---|
| Description fr |
|
|---|
| Description nl | Er wordt verwacht dat het aantal geconnecteerde toestellen tot het Internet of Things (IoT) tegen 2025 meer dan 20 miljard zal bedragen, waarvan heel wat edge toestellen. We bevinden ons in een kantelpunt, waar meer data wordt geproduceerd dan verwerkt kan worden. IoT data is heel waardevol, de verwerking ervan laat toepassing toe in het domein van smart cities, pervasive health of industry 4.0. Verwerking van IoT data is uitdagend, gezien het volume, heterogeniteit en de frequentie van productie. Semantische Web technologieën hebben reeds bewezen ideal te zijn voor het integreren van deze heterogene data. Semantisch redeneren laat toe abstracte kennis en inzichten te extraheren. Redeneren is computationeel intensief, in vergelijking met de snelheid van de IoT dataproductie.Het objectief is om de IoT uitdagingen aan te pakken met Cascading Reasoning (CR), een gelaagde oplossing bestaande uit lagen van verwerkingscomplexiteit. CR en het verwerken van edge data passen natuurlijk samen, gezien de lagen met lagere complexiteit in de edge kunnen verwerkt worden. Ik zal efficiënte en schaalbare redeneertechnieken onderzoeken, die omkunnen met de snelheid van het IoT. Ik zal onderzoeken hoe abstracte queries automatisch kunnen vertaald worden naar de verschillende lagen van de cascade, zodat een Informatie Nood op een volledige declaratieve manier kan bepaald worden. Tenslotte, zal onderzocht worden hoe het redeneren kan versnelt worden door verschillende stappen te voorspellen.
|
|---|
| Description en | It is expected that by 2025, the number of connected devices in the Internet of Things (IoT) will exceed 20 billion, where many of these devices are edge devices. We are at a tipping point where more data is being produced than can be meaningfully processed. High value is contained in this data, as real-time processing allows advanced applications in domains like smart cities, pervasive health or industry 4.0. IoT data is challenging to process as it is heterogeneous, voluminous and produced at high frequencies. Semantic web technologies have proven to be ideal for the integration of these heterogeneous data. Semantic reasoning is able to derive high-level knowledge, enabling actionable insights. However, reasoning is too computationally expensive, compared to the velocity of the IoT data.The objective of this proposal is to tackle these IoT challenges with Cascading Reasoning (CR), i.e. a layered reasoning approach consisting of various levels of complexity. CR naturally matches the edge processing paradigm, as the low complexity processing techniques can be pushed down to the edge. I will investigate highly efficient and scalable reasoning techniques that can deal with the velocity of the IoT. Furthermore, I will investigate how high-level queries can automatically be translated to the various levels of the cascade, allowing to translate Information Needs in a fully declarative way. Lastly, I will investigate how reasoning can be speed up by predicting certain steps.
|
|---|
| Qualifiers | - Cascading Reasoning - Semantic Web - Stream Processing - |
|---|
| Personal | De Turck Filip, Ongenae Femke, Bonte Pieter |
|---|
| Collaborations | |
|---|
