<html>
  <head>
    <meta content="text/html; charset=utf-8" http-equiv="Content-Type">
  </head>
  <body bgcolor="#FFFFFF" text="#000000">
    <p><br>
    </p>
    Hi Jiri,<br>
       Thanks for having given a look to these emails. This is a very
    important discussion and we have to all agree on these grounds
    before going to more TimeSeries specific features of the model we
    need.<br>
    <div class="moz-cite-prefix">Le 13/07/2017 à 15:02, Jiří Nádvorník a
      écrit :<br>
    </div>
    <blockquote cite="mid:002b01d2fbd8$4b3f8f10$e1bead30$@gmail.com"
      type="cite">
      <meta http-equiv="Context-Type" content="text/html; charset=UTF-8">
      <meta name="Generator" content="Microsoft Word 15 (filtered
        medium)">
      <div class="WordSection1">
        <p class="MsoNormal"><span>Hi Mireille,</span></p>
        <p class="MsoNormal"><span> </span></p>
        <p class="MsoNormal"><span>Thank you very much for the input.  </span></p>
        <p class="MsoNormal"><span> </span></p>
        <p class="MsoNormal"><span>Your diagram is almost correct, but I
            believe that the relationship </span></p>
        <p class="MsoNormal"><span>TimeSeriesCube  &lt;is a &gt; 
            NDCubeDM::SparseCubeDataset</span><span></span></p>
        <p class="MsoNormal"><span>Is not correct, even in the original
            idea Mark Cresitello Ditmar had (please correct me here if
            I’m wrong, Mark). The correct relationship is:</span></p>
        <p class="MsoNormal"><span>TimeSeriesCube &lt;is a&gt;
            NDCubeDM::SparseCube and</span></p>
        <p class="MsoNormal"><span>NDCubeDM::SparseCube &lt;is collected
            by&gt; NDCubeDM::SparseCubeDataset</span></p>
        <p class="MsoNormal"><span> </span></p>
        <p class="MsoNormal"><span>As seen on the following image:</span></p>
        <p class="MsoNormal"><img id="Obrázek_x0020_1"
            src="cid:part1.D52C05FF.5FF89FF7@astro.unistra.fr"
            height="360" width="299"><span></span></p>
        <p class="MsoNormal"><span> </span></p>
        <p class="MsoNormal"><span>Meaning that the SparseCubeDataset is
            describing a collection of data cubes, e.g., time series
            data, e.g., light curves, *<b>not</b>* one cube, e.g., one
            time series, e.g., one light curve.</span> If we agree that
          we don’t need collections of time series (because they can by
          themselves be multi-dimensional), we can change it to &lt;is
          a&gt; relationship as you propose.</p>
      </div>
    </blockquote>
    OK. This is were we differ. I don't think SparSecubedataset is made
    for tackling collections. My interpretation of the ND-Cube diagram
    helped by MCD' text is that SparSeCubeDataset inheritance from
    ObsDataSet contains all generic metadata for a dataset which may be
    COMPLEX. That is it contains : curation, provenance, identification,
    characterisation.<br>
    <br>
    Such  a SparseCubeDataset may contain one (simple dataset) or
    several (complex dataset) "SparseCubes"<br>
    <br>
    Each of these SparseCube(s) contains ND-points where the actual data
    are stored and inherits from the DataProduct class the coordinate
    systems and mappings of the data to physical coordinates.<br>
    <br>
    As Mireille said the "<span><i>dataproduct_type</i> " of your
      TimeSeriesCube (or TimeSeriesDataSet) can only be inherited from
      ObsDataSet through SparseCube Dataset and not from DataProduct via
      SparseCube.<br>
      <br>
      <br>
      Cheers<br>
      François<br>
    </span><br>
     <br>
    <br>
    <blockquote cite="mid:002b01d2fbd8$4b3f8f10$e1bead30$@gmail.com"
      type="cite">
      <div class="WordSection1">
        <p class="MsoNormal"> </p>
        <p class="MsoNormal">Now the Time series class is described in
          the attached UML.pdf (please note that this one is different
          from the original note, this version was last updated after
          Shanghai Interop in May). Main difference is that the <span>TimeSerieCubeDM::CubeAxis
            custom class was replaced just by a generic columnRef
            (yellow) saying where can I find the data for this axis and
            that axis is described by Quantity class (yellow). <br>
            <br>
          </span></p>
        <p class="MsoNormal"><span>The Quantity class indeed provides
            the *</span><b><span>richer description</span></b><b><span>*</span></b><span>
            on the cube axis (not only the time axis). This is indeed
            correlated by STC2.0::CoordMeasurement, but we got into
            conflict in here, as we would like to use it not for
            describing only *<b>uncertainties</b>* in the Measurement,
            but for statistical distribution in the whole axis, that’s
            why we are trying to create an abstraction above both
            CharacterisationDM::ObservableAxis and
            STC2.0::CoordMeasurement describing only the statistical
            properties of both. The Quantity class is just a sketch what
            could be described by it – the final solution would be to
            store a mixture of gaussians in it, describing the
            distribution in a generic way.</span></p>
        <p class="MsoNormal"><span> </span></p>
        <p class="MsoNormal"><span>I completely agree with the rest – we
            can discover TimeSeries data cubes by </span><i><span>dataproduct_type</span></i><span>
             and <i>target_name, s_region, s_resol, t_min, t_max,
              t_resol, em_min, em_max, em_resol, etc. </i></span><span>Attributes
            right now.</span></p>
        <p class="MsoNormal"><span> </span></p>
        <p class="MsoNormal"><span>How to extend these Obscore discovery
            parameters to discover time series by more details of their
            axes, we need to agree on how the distribution of values on
            them will be described in the time series. From the data
            point of view, a *<b>mixture of gaussian</b>* based
            abstraction above measurement uncertainties and axis
            statistical distributions would be perfect, but I don’t know
            whether we can provide that description for any type of time
            series axis.</span></p>
        <p class="MsoNormal"><span> </span></p>
        <p class="MsoNormal"><span>Cheers,</span></p>
        <p class="MsoNormal"><span> </span></p>
        <p class="MsoNormal"><span>Jiri</span></p>
        <p class="MsoNormal"><span> </span></p>
        <div>
          <div>
            <div>
              <p class="MsoNormal"><b><span>From:</span></b><span>
                  <a class="moz-txt-link-abbreviated" href="mailto:dm-bounces@ivoa.net">dm-bounces@ivoa.net</a> [<a class="moz-txt-link-freetext" href="mailto:dm-bounces@ivoa.net">mailto:dm-bounces@ivoa.net</a>] <b>On
                    Behalf Of </b>Mireille Louys<br>
                  <b>Sent:</b> Wednesday, July 12, 2017 10:57 AM<br>
                  <b>To:</b> <a class="moz-txt-link-abbreviated" href="mailto:dm@ivoa.net">dm@ivoa.net</a>; <a class="moz-txt-link-abbreviated" href="mailto:voevent@ivoa.net">voevent@ivoa.net</a>; <a class="moz-txt-link-abbreviated" href="mailto:dal@ivoa.net">dal@ivoa.net</a><br>
                  <b>Subject:</b> [timeDomain: model for Time series]
                  discussion on Timeseries Data model Note / how are
                  ND-Cube DM and Timeseries DM connected ?</span></p>
            </div>
          </div>
          <p class="MsoNormal"> </p>
          <p class="MsoNormal"><span>Dear DM and Time Domain followers,</span>
            <br>
            <br>
            <span>I am trying, together with my CDS colleagues,  to
              recap on the various DMs available in the IVOA and
              understand the possible links between the future Time
              Series Model ( as sketched in Jiris's Note) and existing
              DMs like ND-Cube and STC 2.<br>
              <br>
              Here is a graph proposed by Laurent Michel to clarify the
              links in 3 main parts : </span></p>
          <ul type="disc">
            <li class="MsoNormal"><i><span>DataSetMetadata DM</span></i><span>,
                which has the main ObsDataset Class ,</span></li>
            <li class="MsoNormal"><i><span>ND-CubeDM</span></i><span>,
                which defines a SparseCubedataset</span></li>
            <li class="MsoNormal"><i><span>TimeSerieCubeDM</span></i><span>,
                which highlights the special properties of a Cube
                depending on a Time axis</span></li>
          </ul>
          <p class="MsoNormal"><span>I think this is essential to
              highlight the inheritance path between these 3 DM building
              blocks: <br>
              a TimeSeriesCube  &lt;is a &gt; 
              NDCubeDM::SparseCubeDataset<br>
            </span>a <span>NDCubeDM::SparseCubeDataset &lt;is a &gt; 
              DatasetMetadaDM::ObsDataset<br>
            </span><br>
            <span>ObsDataset has a <i>dataproduct_type</i> attribute
              which allows to discover all dataproducts of type '
              timeseries'. <br>
              this provides the container object for time-dependent
              data.<br>
              <br>
              If we need to select <i>timeseries dataproducts</i>
              according to some properties extracted from their data we
              can:<br>
               - reuse what Obscore DM provides to explain general axes
              properties<br>
              target_name, s_region, s_resol, t_min, t_max, t_resol,
              em_min, em_max, em_resol, etc. are the basic properties
              for discovery<br>
              <br>
               - provide a richer description of the TimeAxis and
              ObservableAxis. <br>
              For that , extracting  a statistical profile from the data
              contained in the Cube could do the job. <br>
              this means to access and analyse the Data part in ND-Cube
              , i. e the ND-Points gathered in a SparseCube Object</span><span></span></p>
          <p class="MsoNormal"><span><br>
              <br>
              I guess more properties can be exposed to qualify the axes
              present in the Timeseries dataset , but for the moment , I
              see some overlap of notions between <br>
              CharacterisationDM::ObservableAxis, 
              STC2.0::CoordMeasurement (??) and
              TimeSerieCubeDM::CubeAxis.<br>
              <br>
              This would be great if we could sort this out, <br>
              but currently , I would appreciate your feedback on the
              attached diagram , in order to proceed on the data model
              structure. <br>
              <br>
              Cheers, Mireille ( after discussions together with
              Laurent, François, Ada) <br>
              <br>
              <br>
            </span></p>
          <pre>-- </pre>
          <pre>--</pre>
          <pre>Mireille Louys</pre>
          <pre>CDS                                          Laboratoire Icube </pre>
          <pre>Observatoire de Strasbourg    Telecom Physique Strasbourg</pre>
          <pre>11 rue de l'Université               300, Bd Sebastien Brandt CS 10413             </pre>
          <pre>F- 67000-STRASBOURG                  F-67412 ILLKIRCH Cedex</pre>
          <pre>tel: +33 3 68 85 24 34<span></span></pre>
        </div>
      </div>
    </blockquote>
    <br>
  </body>
</html>