Modeling Machine Learning Concerns in Collective Adaptive Systems

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F23%3A10467804" target="_blank" >RIV/00216208:11320/23:10467804 - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.5220/0011693300003402" target="_blank" >https://doi.org/10.5220/0011693300003402</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.5220/0011693300003402" target="_blank" >10.5220/0011693300003402</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Modeling Machine Learning Concerns in Collective Adaptive Systems

Popis výsledku v původním jazyce

Collective adaptive systems (CAS) are systems composed of a large number of heterogeneous entities without central control that adapt their behavior to reach a common goal. Adaptation and collaboration in such systems are traditionally specified via a set of logical rules. Nevertheless, such rules are often too rigid and do not allow for the evolution of a system. Thus, recent approaches started with the introduction of machine learning (ML) methods into CAS. In the is paper, we present a model-driven approach showing how CAS, which employs ML methods for adaptation, can be modeled-on both the platform independent and specific levels. In particular, we define a meta-model for modeling CAS and a mapping of concepts defined in the meta-model to the Python framework.

Název v anglickém jazyce

Modeling Machine Learning Concerns in Collective Adaptive Systems

Popis výsledku anglicky

Collective adaptive systems (CAS) are systems composed of a large number of heterogeneous entities without central control that adapt their behavior to reach a common goal. Adaptation and collaboration in such systems are traditionally specified via a set of logical rules. Nevertheless, such rules are often too rigid and do not allow for the evolution of a system. Thus, recent approaches started with the introduction of machine learning (ML) methods into CAS. In the is paper, we present a model-driven approach showing how CAS, which employs ML methods for adaptation, can be modeled-on both the platform independent and specific levels. In particular, we define a meta-model for modeling CAS and a mapping of concepts defined in the meta-model to the Python framework.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/GC20-24814J" target="_blank" >GC20-24814J: FluidTrust - popora důvěry pomocí dynamicky proměnlivého řízení přistupu k datům a zdrojům v systémech Průmyslu 4.0</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2023

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the 11th International Conference on Model-Based Software and Systems Engineering

ISBN

978-989-758-633-0

ISSN

2184-4348

e-ISSN

—

Počet stran výsledku

8

Strana od-do

55-62

Název nakladatele

SciTePress

Místo vydání

Neuveden

Místo konání akce

Lisabon, Portugalsko

Datum konání akce

19. 2. 2023

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—