Tα συστήματα αναγνώρισης συμβολικών γεγονότων/συμπεριφορών από δεδομένα έχουν μελετηθεί και αναπτυχθεί σε διάφορα ερευνητικά πεδία, όπως αυτά της Τεχνητής Νοημοσύνης, των Κατανεμημένων Συστημάτων και της Τεχνολογίας Λογισμικού. Για παράδειγμα, έχουν αναπτυχθεί συστήματα που επιβλέπουν την λειτουργία μέσων μαζικής μεταφοράς και αναγνωρίζουν “ενδιαφέρουσες” συμπεριφορές που λαμβάνουν χώρα, όπως η οδήγηση ενος λεωφορείου με μη οικολογικό τρόπο. Η βάση γνώσης “ενδιαφερουσών” συμπεριφορών που έχει αναπτυχθεί σε μία εφαρμογή μπορεί να χρησιμοποιηθεί με κάποιες τροποποιήσεις σε παρόμοιες εφαρμογές. Για παράδειγμα, η βάση γνώσης “ενδιαφερουσών” συμπεριφορών του συστήματος επίβλεψης των μέσων μαζικής μεταφοράς μίας πόλης μπορεί να χρησιμοποιηθεί, πιθανότατα με κάποιες αλλαγές, για το σύστημα επίβλεψης των μέσων μαζικής μεταφοράς μίας άλλης πόλης. Οι αλλαγές στη βάση γνώσης έχουν να κάνουν με τις διαφορές στην υποδομή των δυο πόλεων (π.χ. διαφορές στα δεδομένα εισόδου των δυο συστημάτων). Στο πλαίσιο της εργασίας θα αναπτυχθεί αλγόριθμος μεταφοράς βάσεων γνώσης “ενδιαφέρουσων” συμπεριφορών. Οι βάσεις γνώσης θα είναι εκφρασμένες στο Λογισμό Πράξης (Event Calculus), μία γλώσσα λογικού προγραμματισμού που επιτρέπει την αναπαράσταση γεγονότων και των αποτελεσμάτων τους.
Ενδεικτική Βιβλιογραφία:
Artikis A., Sergot M. and Paliouras G. An Event Calculus for Event Recognition. IEEE Transactions on Knowledge and Data Engineering (TKDE), 2014.
http://users.iit.demokritos.gr/~a.artikis/publications/artikis-TKDE14.pdf
D. Hu and Q. Yang. Transfer Learning for Activity Recognition via Sensor Mapping. IJCAI 2011. http://www.cse.ust.hk/~qyang/Docs/2011/ijcai2011_hh.pdf