This paper demonstrates our vision for knowledge graphs that assist machines to reason about the cause of signals observed by sensors. We show how the approach allows for constructing smarter surveillance systems that reason about the most likely cause (e.g., an attacker breaking a window) of a signal rather than acting directly on the received signal without consideration for how it was produced.
翻译：本文展示了我们对知识图的愿景,这些知识图有助于机器了解传感器所观测信号的原因。 我们展示了该方法如何允许建立更聪明的监测系统,这些系统可以说明最有可能造成信号的原因(例如攻击者打破窗口),而不是直接对收到的信号采取行动,而没有考虑到信号是如何产生的。
相关内容
通过学习、实践或探索所获得的认识、判断或技能。
Arxiv
0+阅读 · 2022年10月17日
Arxiv
0+阅读 · 2022年10月17日
Arxiv
0+阅读 · 2022年10月17日
Arxiv
0+阅读 · 2022年10月15日
Arxiv
0+阅读 · 2022年10月15日
Arxiv
0+阅读 · 2022年10月15日
Statistical Inference for Complete and Incomplete Mobility Trajectories under the Flight-Pause Model
Arxiv
0+阅读 · 2022年10月14日
相关主题
相关VIP内容
相关资讯
相关论文
Arxiv
0+阅读 · 2022年10月17日
Arxiv
0+阅读 · 2022年10月17日
Arxiv
0+阅读 · 2022年10月17日
Arxiv
0+阅读 · 2022年10月15日
Arxiv
0+阅读 · 2022年10月15日
Arxiv
0+阅读 · 2022年10月15日
Statistical Inference for Complete and Incomplete Mobility Trajectories under the Flight-Pause Model
Arxiv
0+阅读 · 2022年10月14日
微信扫码咨询专知VIP会员