Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français fr
CORDIS - Résultats de la recherche de l’UE
CORDIS

Energy-efficient AI-ready Data Spaces

CORDIS fournit des liens vers les livrables publics et les publications des projets HORIZON.

Les liens vers les livrables et les publications des projets du 7e PC, ainsi que les liens vers certains types de résultats spécifiques tels que les jeux de données et les logiciels, sont récupérés dynamiquement sur OpenAIRE .

Livrables

Stakeholder Engagement and Dissemination Plan (s’ouvre dans une nouvelle fenêtre)

Document registering the key activities per target group, pertaining to maximizing the dissemination of GREEN.DAT.AI outcomes during and after the project’s lifecycle.

Pilots' Scoping Document (s’ouvre dans une nouvelle fenêtre)

Report outlining the demonstrators’ implementation plans, milestones. The report will identify key stakeholders for the testing/validation phase and include the User Acceptance test templates.

Use Case Requirements, KPIs & Reference Architecture (s’ouvre dans une nouvelle fenêtre)

Report consolidating results of work carries out in WP1 tasks T1.1 - T1.4. More specifically, it sets out the business & technical requirements, specifies the overall solution architecture based on the outputs of the activities in T1.2 and T1.3, and lays out the testing framework for all the pilots.

First Version of Energy-Efficient Large-Scale Data Analytics Services (s’ouvre dans une nouvelle fenêtre)

D3.1 presents the first iteration of the work employed towards the design and development of nine different services that aspire to provide energy-efficient large-scale data analytics. The software library and report will cover AI-enabled data enrichment, Incentive mechanisms for Data Sharing, Synthetic Data Generation, Large-scale learning at the Edge/Fog, Federated & Auto ML at the edge/fog, Explainable AI, Feature Learning with Privacy Preservation, Federated & Automatic Transfer Learning, Adaptive FL for Digital Twin Applications, Automated IoT event-based change detection/ forecasting.

Data Management infrastructure and tools to support Dynamic Ecosystems (s’ouvre dans une nouvelle fenêtre)

D2.1 showcases the design and development of the BDA infrastructure including the Federated Data Sovereignty services and the plan for data pipelines management and continuous integration. It also delivers the visualisation tools needed for the pilots, the workflow management engine required to schedule distributed analytics pipelines, and, finally, wrappers that secure computations & sensitive data at the edge/fog/cloud. A report will detail or the platform components, their interfaces, and data pipelines management mechanisms. The deliverable will include the first prototype of the visualisation workbench, interfaces, distributed analytics services, workflow management engine, and the wrappers for Securing Computations and Sensitive Data at the Edge/Fog/Cloud.

Publications

GREEN.DAT.AI: an energy-efficient, AI-ready data space

Auteurs: Ben Capper
Publié dans: Red Hat Research Quarterly (Q3 25), 2025
Éditeur: Red Hat Research

AI-ready Data Products

Auteurs: Pezuela Robles, C. M., De Majo, C., Alonso, D., Curry, E., Simperl, E., Laatikainen, G., Fidan, G., Chrysakis, I., Giner Miguelez, J., Aas, K., Majithia, N., Plebani, P., & Carey-Wilson, T. (2025, December). AI-ready data products. Big Data Value Associat
Publié dans: BDVA Publications, 2025
Éditeur: BDVA

Connecting Data Spaces, a practical approach using the Sovity Connector (s’ouvre dans une nouvelle fenêtre)

Auteurs: Panos Protopapas, Despina Brasinika, Ioanna Fergadiotou, Yaroslav Yavornytskyi, Martin Wagner, Arturo Medela
Publié dans: 2025
Éditeur: Zenodo
DOI: 10.5281/ZENODO.18030959

GREEN.DAT.AI: Enabling energy-efficient AI services

Auteurs: Ioanna Fergadioou
Éditeur: Innovation News Network

Fingerprinting the Shadows: Unmasking Malicious Servers with Machine Learning-Powered TLS Analysis (s’ouvre dans une nouvelle fenêtre)

Auteurs: Andreas Theofanous, Eva Papadogiannaki, Alexander Shevtsov, Sotiris Ioannidis
Publié dans: Proceedings of the ACM Web Conference 2024, 2024
Éditeur: ACM
DOI: 10.1145/3589334.3645719

Dataset2Graph: A GNN-based Methodology for AutoML for Clustering

Auteurs: E. Dilmperis, Y. Poulakis, D. Petratos, C. Doulkeridis
Publié dans: 9th Workshop of Data Management for End-to-End Machine Learning (DEEM’25)
Éditeur: DEEM

Geolet: An Interpretable Model for Trajectory Classification (s’ouvre dans une nouvelle fenêtre)

Auteurs: Cristiano Landi, Francesco Spinnato, Riccardo Guidotti, Anna Monreale, Mirco Nanni
Publié dans: Lecture Notes in Computer Science, Advances in Intelligent Data Analysis XXI, 2024
Éditeur: Springer Nature Switzerland
DOI: 10.1007/978-3-031-30047-9_19

An AutoML Approach for Bike Demand Forecasting and Redistribution (s’ouvre dans une nouvelle fenêtre)

Auteurs: Dimitris Petratos, Yannis Poulakis, Irene Gimenez Pedralba, Cristina Aragon Garcia, Christos Doulkeridis
Publié dans: Lecture Notes of the Institute for Computer Sciences, Social Informatics and Telecommunications Engineering, Intelligent Transport Systems, 2025
Éditeur: Springer Nature Switzerland
DOI: 10.1007/978-3-031-86370-7_9

Pythia: Distributed Pattern-based Future Location Prediction of Moving Objects

Auteurs: Panagiotis Tampakis, Nikos Pelekis
Publié dans: ISSN 1613-0073
Éditeur: CEUR Workshop Proceedings (CEUR-WS.org)

Interpretable Data Partitioning Through Tree-Based Clustering Methods (s’ouvre dans une nouvelle fenêtre)

Auteurs: Riccardo Guidotti, Cristiano Landi, Andrea Beretta, Daniele Fadda, Mirco Nanni
Publié dans: ISSN 2193-1801
Éditeur: Springer Science and Business Media Deutschland GmbH
DOI: 10.1007/978-3-031-45275-8_33

A Protocol for Continual Explanation of SHAP (s’ouvre dans une nouvelle fenêtre)

Auteurs: Andrea Cossu, Francesco Spinnato, Riccardo Guidotti, Davide Bacciu
Publié dans: ESANN 2023 proceesdings, 2023
Éditeur: Ciaco - i6doc.com
DOI: 10.14428/ESANN/2023.ES2023-41

PyClust: Building Meta-learning Repositories for Clustering

Auteurs: Y. Poulakis, D. Petratos, C. Doulkeridis
Publié dans: 2025
Éditeur: 25th IEEE International Conference on Data Mining (ICDM'25)

FAIRness in Dataspaces: The Role of Semantics for Data Management

Auteurs: Marco Hauff, Lina Molinas Comet, Paul Moosmann, Christoph Lange, Ioannis Chrysakis, Johannes Theissen-Lipp
Publié dans: ISSN 1613-0073
Éditeur: CEUR Workshop Proceedings (CEUR-WS.org)

A Shape-Based Map Matching Approach for Geographic Transferability of Discriminative Subtrajectories

Auteurs: Cristiano Landi, Riccardo Guidotti
Publié dans: ISSN 1613-0073
Éditeur: CEUR Workshop Proceedings (CEUR-WS.org)

Electric Vehicle Charging Load Forecasting: An Experimental Comparison of Machine Learning Methods (s’ouvre dans une nouvelle fenêtre)

Auteurs: Iason Kyriakopoulos, Yannis Theodoridis
Publié dans: 2025, ISSN 1112-3455
Éditeur: arXiv
DOI: 10.48550/ARXIV.2512.17257

Path-based traffic flow prediction

Auteurs: Efstratios Karkanis, Nikos Pelekis, Eva Chondrodima, Yannis Theodoridis
Publié dans: ISSN 1613-0073
Éditeur: CEUR Workshop Proceedings (CEUR-WS.org)

High-resolution spatiotemporal assessment of solar potential from remote sensing data using deep learning (s’ouvre dans une nouvelle fenêtre)

Auteurs: Mitja Žalik, Domen Mongus, Niko Lukač
Publié dans: Renewable Energy, ISSN 1879-0682
Éditeur: Elsevier
DOI: 10.1016/J.RENENE.2023.119868

A Survey on AutoML Methods and Systems for Clustering (s’ouvre dans une nouvelle fenêtre)

Auteurs: Yannis Poulakis, Christos Doulkeridis, Dimosthenis Kyriazis
Publié dans: ACM Transactions on Knowledge Discovery from Data, ISSN 1556-4681
Éditeur: Association for Computing Machinery
DOI: 10.1145/3643564

From Fossil Fuel to Electricity: Studying the Impact of EVs on the Daily Mobility Life of Users (s’ouvre dans une nouvelle fenêtre)

Auteurs: Mirco Nanni, Omid Isfahani Alamdari, Agnese Bonavita, Paolo Cintia
Publié dans: IEEE Transactions on Intelligent Transportation Systems, ISSN 1558-0016
Éditeur: IEEE
DOI: 10.1109/TITS.2023.3

Multi-Partner Project: Green.Dat.AI: A Data Spaces Architecture for Enhancing Green AI Services (s’ouvre dans une nouvelle fenêtre)

Auteurs: Ioannis Chrysakis, Evangelos Agorogiannis, Nikoleta Tsampanaki, Michalis Vourtzoumis, Eva Chondrodima, Yannis Theodoridis, Domen Mongus, Ben Capper, Martin Wagner, Aris Sotiropoulos, Fábio André Coelho, Cláudia Vanessa Brito, Panos Protopapas, Despina Brasinika, Ioanna Fergadiotou, Christos Doulkeridis
Publié dans: 2025 Design, Automation & Test in Europe Conference (DATE), 2025, ISSN 1530-1591
Éditeur: IEEE
DOI: 10.23919/DATE64628.2025.10992729

Recherche de données OpenAIRE...

Une erreur s’est produite lors de la recherche de données OpenAIRE

Aucun résultat disponible

Mon livret 0 0