論文の概要: Discovering Object-Centric Petri Nets
- arxiv url: http://arxiv.org/abs/2010.02047v1
- Date: Mon, 5 Oct 2020 14:25:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-10 21:05:16.418096
- Title: Discovering Object-Centric Petri Nets
- Title（参考訳）: 物体中心ペトリネットの発見
- Authors: Wil M.P. van der Aalst and Alessandro Berti
- Abstract要約: イベントデータからペトリネットを検出する技術は、イベント毎に正確に1つのケース識別子を仮定する。
ケース識別子はイベントの相関に使用され、結果として発見されたペトリネットは個々のケースのライフサイクルを記述することを目的としている。
本稿では,PM4Pyで実装された新しいプロセス発見手法について述べる。
- 参考スコア（独自算出の注目度）: 77.79845386439361
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Techniques to discover Petri nets from event data assume precisely one case
identifier per event. These case identifiers are used to correlate events, and
the resulting discovered Petri net aims to describe the life-cycle of
individual cases. In reality, there is not one possible case notion, but
multiple intertwined case notions. For example, events may refer to mixtures of
orders, items, packages, customers, and products. A package may refer to
multiple items, multiple products, one order, and one customer. Therefore, we
need to assume that each event refers to a collection of objects, each having a
type (instead of a single case identifier). Such object-centric event logs are
closer to data in real-life information systems. From an object-centric event
log, we want to discover an object-centric Petri net with places that
correspond to object types and transitions that may consume and produce
collections of objects of different types. Object-centric Petri nets visualize
the complex relationships among objects from different types. This paper
discusses a novel process discovery approach implemented in PM4Py. As will be
demonstrated, it is indeed feasible to discover holistic process models that
can be used to drill-down into specific viewpoints if needed.
- Abstract（参考訳）: イベントデータからペトリネットを検出するテクニックは、イベントごとに正確に1つのケース識別子を仮定する。
これらのケース識別子はイベントの相関に使用され、結果として発見されたペトリネットは個々のケースのライフサイクルを記述することを目的としている。
実際、一つのケース概念は存在しないが、複数のケース概念がある。
例えば、イベントは注文、アイテム、パッケージ、顧客、製品の混合を指すこともある。
パッケージは複数のアイテム、複数の製品、1つの注文、1つの顧客を参照することができる。
したがって、各イベントがオブジェクトの集合を参照し、それぞれが(単一のケース識別子ではなく)型を持つと仮定する必要がある。
このようなオブジェクト中心のイベントログは、実際の情報システムのデータに近い。
オブジェクト中心のイベントログから、異なるタイプのオブジェクトのコレクションを消費し生成するオブジェクトタイプと遷移に対応する場所を持つオブジェクト中心のペトリネットを見つけたいと思っています。
オブジェクト中心のペトリネットは、異なるタイプのオブジェクト間の複雑な関係を可視化する。
本稿では,PM4Pyで実装されたプロセス発見手法について述べる。
以下に示すように、必要に応じて特定の視点にドリルダウンできる総合的なプロセスモデルを見つけることは可能である。
関連論文リスト
- Co-Occurring of Object Detection and Identification towards unlabeled object discovery [1.6037279419318131]
本稿では,複数ラベルオブジェクトカテゴリのベースオブジェクトと協調して生成するオブジェクトを同定するための,新しいディープラーニングに基づくアプローチを提案する。
我々はPascal VOCとMS-COCOの2つの公開データセットで実験を行った。
論文 参考訳（メタデータ） (2024-03-25T21:53:36Z) - Object-Centric Multiple Object Tracking [124.30650395969126]
本稿では,多目的追跡パイプラインのためのビデオオブジェクト中心モデルを提案する。
オブジェクト中心のスロットを検出出力に適応するインデックスマージモジュールと、オブジェクトメモリモジュールで構成される。
オブジェクト中心学習に特化して、オブジェクトのローカライゼーションと機能バインディングのためのスパース検出ラベルしか必要としない。
論文 参考訳（メタデータ） (2023-09-01T03:34:12Z) - DoUnseen: Tuning-Free Class-Adaptive Object Detection of Unseen Objects
for Robotic Grasping [1.6317061277457001]
我々は、微調整を必要としないオブジェクト検出器を開発し、オブジェクトのいくつかの画像をキャプチャすることで、任意のオブジェクトをクラスとして追加できる。
クラス適応型オブジェクト検出器を未知のデータセット上で評価し、それらのデータセット上で訓練されたMask R-CNNと比較する。
論文 参考訳（メタデータ） (2023-04-06T02:45:39Z) - Preventing Object-centric Discovery of Unsound Process Models for Object
Interactions with Loops in Collaborative Systems: Extended Version [0.0]
オブジェクト指向プロセス発見(OCPD)はプロセスマイニングにおけるパラダイムシフトを構成する。
提案手法は,物体中心のペトリネットの音質を損なわないことを証明し,拡張OCPD手法を提案する。
また、発見対象中心のペトリネットにおいて、OCPDアプローチが突発的な相互作用をもたらすのを防ぐ方法を示す。
論文 参考訳（メタデータ） (2023-03-29T13:31:46Z) - Universal Instance Perception as Object Discovery and Retrieval [90.96031157557806]
UNIは多様なインスタンス認識タスクを統一されたオブジェクト発見・検索パラダイムに再構成する。
入力プロンプトを変更するだけで、さまざまな種類のオブジェクトを柔軟に知覚することができる。
UNIは10のインスタンスレベルのタスクから20の挑戦的なベンチマークで優れたパフォーマンスを示している。
論文 参考訳（メタデータ） (2023-03-12T14:28:24Z) - Defining Cases and Variants for Object-Centric Event Data [0.36748639131154304]
オブジェクト中心のプロセスマイニングのケースコンセプト:プロセス実行を紹介します。
プロセス実行を抽出する技術を提供します。
実生活のイベントログの最も頻繁なオブジェクト中心の変種を示す。
論文 参考訳（メタデータ） (2022-08-05T15:33:03Z) - Learning Open-World Object Proposals without Learning to Classify [110.30191531975804]
本研究では,各領域の位置と形状がどの接地トラストオブジェクトとどのように重なり合うかによって,各領域の目的性を純粋に推定する,分類不要なオブジェクトローカライゼーションネットワークを提案する。
この単純な戦略は一般化可能な対象性を学び、クロスカテゴリの一般化に関する既存の提案より優れている。
論文 参考訳（メタデータ） (2021-08-15T14:36:02Z) - Object Detection with a Unified Label Space from Multiple Datasets [94.33205773893151]
異なるラベル空間を持つ複数のデータセットが与えられた場合、この研究の目標は、すべてのラベル空間の結合について予測する単一のオブジェクト検出器をトレーニングすることである。
あるデータセットにアノテートされているが、別のデータセットにアノテートされていない顔のようなオブジェクトカテゴリを考えてみましょう。
顔のようないくつかのカテゴリは、あるデータセットでは前景と見なされるが、別のデータセットでは背景と見なされる。
本稿では,部分的だが正しいアノテーションを補完的だがノイズの多い擬似ラベルと注意深く統合する損失関数を提案する。
論文 参考訳（メタデータ） (2020-08-15T00:51:27Z) - Petri Nets with Parameterised Data: Modelling and Verification (Extended
Version) [67.99023219822564]
我々は、カタログネットと呼ばれるカラーペトリネットの拡張を紹介し、研究し、このタイプのプロセスを捉える2つの重要な特徴を提供する。
我々は、新しい価値注入が特に扱いにくい機能であることを示し、それを改ざんするための戦略について議論する。
論文 参考訳（メタデータ） (2020-06-11T17:26:08Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。