Hacia la minería de reglas de asociación numéricas en series temporales explicables: un estudio de caso en agricultura inteligente
Autores: Fister, Iztok; Salcedo-Sanz, Sancho; Alexandre-Cortizo, Enrique; Novak, Damijan; Podgorelec, Vili; Gorenjak, Mario
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Hacia la minería de reglas de asociación numéricas en series temporales explicables: un estudio de caso en agricultura inteligente
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Papel
Series temporales
Minería de reglas de asociación numérica
Aplicaciones de agricultura inteligente
Perspectiva de IA explicativa
Algoritmo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 39
Citaciones: Sin citaciones
Este documento define la minería de reglas de asociación numérica de series temporales en aplicaciones de agricultura inteligente desde una perspectiva de IA explicativa. Se presentan dos métodos explicativos novedosos, junto con un algoritmo recién desarrollado para la minería de reglas de asociación numérica de series temporales. A diferencia de enfoques anteriores, como la minería de reglas de asociación numérica de series temporales de intervalo fijo, los métodos propuestos ofrecen una mejor interpretabilidad y una mejora en el flujo de trabajo de ciencia de datos al incorporar la explicabilidad directamente en la biblioteca de software. Los métodos xNiaARMTS recién desarrollados son luego evaluados a través de una serie de experimentos, utilizando conjuntos de datos reales producidos por sensores en un dominio de agricultura inteligente. Los resultados obtenidos utilizando métodos explicativos dentro de la minería de reglas de asociación numérica en aplicaciones de agricultura inteligente son muy positivos.
Descripción
Este documento define la minería de reglas de asociación numérica de series temporales en aplicaciones de agricultura inteligente desde una perspectiva de IA explicativa. Se presentan dos métodos explicativos novedosos, junto con un algoritmo recién desarrollado para la minería de reglas de asociación numérica de series temporales. A diferencia de enfoques anteriores, como la minería de reglas de asociación numérica de series temporales de intervalo fijo, los métodos propuestos ofrecen una mejor interpretabilidad y una mejora en el flujo de trabajo de ciencia de datos al incorporar la explicabilidad directamente en la biblioteca de software. Los métodos xNiaARMTS recién desarrollados son luego evaluados a través de una serie de experimentos, utilizando conjuntos de datos reales producidos por sensores en un dominio de agricultura inteligente. Los resultados obtenidos utilizando métodos explicativos dentro de la minería de reglas de asociación numérica en aplicaciones de agricultura inteligente son muy positivos.