Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Kongresse
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Veranstaltungskalender Awards MyNewsletter Firmensuche
Kunden Login
Über Einzelzugang informieren
Über Unternehmenszugang informieren
Referenzkunden
Heavy-Duty Engines 2025 | 18. + 19. November 2025

Nutzfahrzeuge | Land- und Baumaschinen | Marine

Nehmen Sie als Referent an der 20. Internationalen MTZ-Fachtagung für Erfahrungsaustausch zu Industrie- und Nfz-Motoren teil. Reichen Sie online einen Themenvorschlag ein!
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Kapitel lesen Erstes Kapitel lesen

2021 | OriginalPaper | Buchkapitel

An Agent Architecture for Knowledge Discovery and Evolution

verfasst von : Tezira Wanyana, Deshendran Moodley

Erschienen in: KI 2021: Advances in Artificial Intelligence

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The abductive theory of method (ATOM) was recently proposed to describe the process that scientists use for knowledge discovery. In this paper we propose an agent architecture for knowledge discovery and evolution (KDE) based on ATOM. The agent incorporates a combination of ontologies, rules and Bayesian networks for representing different aspects of its internal knowledge. The agent uses an external AI service to detect unexpected situations from incoming observations. It then uses rules to analyse the current situation and a Bayesian network for finding plausible explanations for unexpected situations. The architecture is evaluated and analysed on a use case application for monitoring daily household electricity consumption patterns.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Learning to Detect Adversarial Examples Based on Class Scores
Nächstes Kapitel Demystifying Artificial Intelligence for End-Users: Findings from a Participatory Machine Learning Show
Anhänge
Nur mit Berechtigung zugänglich
Literatur
1.
Adam, C., Gaudou, B.: BDI agents in social simulations: a survey. Knowl. Eng. Rev. 31(3), 207–238 (2016)CrossRef
2.
Adeleke, J.A.: A semantic sensor web framework for proactive environmental monitoring and control. Ph.D. thesis, University of KwaZulu-Natal, Durban (ukzn) (2017)
3.
4.
Bratman, M.E., Israel, D.J., Pollack, M.E.: Plans and resource-bounded practical reasoning. Comput. Intell. 4(3), 349–355 (1988)CrossRef
5.
Coetzer, W., Moodley, D., Gerber, A.: A knowledge-based system for generating interaction networks from ecological data. Data Knowl. Eng. 112, 55–78 (2017)CrossRef
6.
Elhadj, H.B., Sallabi, F., Henaien, A., Chaari, L., Shuaib, K., Al Thawadi, M.: Do-care: a dynamic ontology reasoning based healthcare monitoring system. Future Gener. Comput. Syst. 118, 417–431 (2021)CrossRef
7.
8.
Gil, Y., et al.: Automated hypothesis testing with large scientific data repositories. In: Proceedings of the Fourth Annual Conference on Advances in Cognitive Systems (ACS), vol. 2, p. 4 (2016)
9.
Gil, Y., et al.: Towards continuous scientific data analysis and hypothesis evolution. In: AAAI, pp. 4406–4414 (2017)
10.
11.
Haig, B.D.: The importance of scientific method for psychological science. Psychol. Crime Law 25(6), 527–541 (2019)CrossRef
12.
Han, J., Kamber, M., Pei, J.: Data mining concepts and techniques third edition. Morgan Kaufmann Ser. Data Manag. Syst. 5(4), 83–124 (2011)
13.
Hristoskova, A., Sakkalis, V., Zacharioudakis, G., Tsiknakis, M., De Turck, F.: Ontology-driven monitoring of patient’s vital signs enabling personalized medical detection and alert. Sensors 14(1), 1598–1628 (2014)CrossRef
14.
King, R.D., Rowland, J., Aubrey, W., Liakata, M., Markham, M., Soldatova, L.N., Whelan, K.E., Clare, A., Young, M., Sparkes, A., et al.: The robot scientist adam. Computer 42(8), 46–54 (2009)CrossRef
15.
King, R.D., et al.: The automation of science. Science 324(5923), 85–89 (2009)CrossRef
16.
King, R.D., et al.: Functional genomic hypothesis generation and experimentation by a robot scientist. Nature 427(6971), 247–252 (2004)CrossRef
17.
18.
Montagna, S., Mariani, S., Gamberini, E., Ricci, A., Zambonelli, F.: Complementing agents with cognitive services: a case study in healthcare. J. Med. Syst. 44(10), 1–10 (2020)CrossRef
19.
Moreira, Á.F., Vieira, R., Bordini, R.H., Hübner, J.F.: Agent-oriented programming with underlying ontological reasoning. In: Baldoni, M., Endriss, U., Omicini, A., Torroni, P. (eds.) DALT 2005. LNCS (LNAI), vol. 3904, pp. 155–170. Springer, Heidelberg (2006). https://​doi.​org/​10.​1007/​11691792_​10CrossRef
20.
Muhammad, F., et al.: A novelty-centric agent architecture for changing worlds. In: Proceedings of the 20th International Conference on Autonomous Agents and MultiAgent Systems, pp. 925–933 (2021)
21.
Rao, A.S., Georgeff, M.P.: Modeling rational agents within a BDI-architecture. KR 91, 473–484 (1991)
22.
Rao, A.S., Georgeff, M.P., et al.: BDI agents: from theory to practice. In: Icmas, vol. 95, pp. 312–319 (1995)
23.
Savaglio, C., Ganzha, M., Paprzycki, M., Bădică, C., Ivanović, M., Fortino, G.: Agent-based internet of things: state-of-the-art and research challenges. Future Gener. Comput. Syst. 102, 1038–1053 (2020)CrossRef
24.
Sen, A., Sterner, B., Franz, N., Powel, C., Upham, N.: Combining machine learning & reasoning for biodiversity data intelligence. In: Proceedings of the AAAI Conference on Artificial Intelligence, vol. 35, no. 17, pp. 14911–14919 (2021)
25.
Silva, D.G., Gluz, J.C.: AgentSpeak (PL): a new programming language for BDI agents with integrated Bayesian network model. In: 2011 International Conference on Information Science and Applications, pp. 1–7. IEEE (2011)
26.
Sondes, T., Elhadj, H.B., Chaari, L.: An ontology-based healthcare monitoring system in the internet of things. In: 2019 15th International Wireless Communications & Mobile Computing Conference (IWCMC), pp. 319–324. IEEE (2019)
27.
Tiddi, I., d’Aquin, M., Motta, E.: An ontology design pattern to define explanations. In: Proceedings of the 8th International Conference on Knowledge Capture, pp. 1–8 (2015)
28.
29.
Toussaint, W.: Evaluation of clustering techniques for generating household energy consumption patterns in a developing country. Master’s thesis, Faculty of Science, University of Cape Town (2019)
30.
Toussaint, W., Moodley, D.: Comparison of clustering techniques for residential load profiles in South Africa. In: Davel, M.H., Barnard, E. (eds.) Proceedings of the South African Forum for Artificial Intelligence Research Cape Town, South Africa, 4–6 December 2019. CEUR Workshop Proceedings, vol. 2540, pp. 117–132. CEUR-WS.org (2019)
31.
Toussaint, W., Moodley, D.: Automating cluster analysis to generate customer archetypes for residential energy consumers in South Africa. arXiv preprint arXiv:​2006.​07197 (2020)
32.
Wanyana, T., Moodley, D., Meyer, T.: An ontology for supporting knowledge discovery and evolution. In: Gerber, A. (ed.) Southern African Conference for Artificial Intelligence Research (SACAIR), pp. 206–221 (2020)
Metadaten
Titel
An Agent Architecture for Knowledge Discovery and Evolution
verfasst von
Tezira Wanyana
Deshendran Moodley
Copyright-Jahr
2021
Buch
KI 2021: Advances in Artificial Intelligence

Print ISBN: 978-3-030-87625-8

Electronic ISBN: 978-3-030-87626-5

Copyright-Jahr: 2021

DOI
https://doi.org/10.1007/978-3-030-87626-5_18

Premium Partner

    Bildnachweise