論文の概要: Predictive process mining by network of classifiers and clusterers: the PEDF model

• arxiv url: http://arxiv.org/abs/2011.11136v1
• Date: Sun, 22 Nov 2020 23:27:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-22 12:08:07.691658
• Title: Predictive process mining by network of classifiers and clusterers: the PEDF model
• Title（参考訳）: 分類器とクラスタのネットワークによる予測プロセスマイニング:PEDFモデル
• Authors: Amir Mohammad Esmaieeli Sikaroudi, Md Habibor Rahman
• Abstract要約: PEDFモデルは、イベントのシーケンス、期間、追加機能に基づいて学習する。 このモデルはログファイルから2つのデータセットを抽出する必要がある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: In this research, a model is proposed to learn from event log and predict future events of a system. The proposed PEDF model learns based on events' sequences, durations, and extra features. The PEDF model is built by a network made of standard clusterers and classifiers, and it has high flexibility to update the model iteratively. The model requires to extract two sets of data from log files i.e., transition differences, and cumulative features. The model has one layer of memory which means that each transition is dependent on both the current event and the previous event. To evaluate the performance of the proposed model, it is compared to the Recurrent Neural Network and Sequential Prediction models, and it outperforms them. Since there is missing performance measure for event log prediction models, three measures are proposed.
• Abstract（参考訳）: 本研究では,イベントログから学習し,システムの将来イベントを予測するモデルを提案する。 提案するPEDFモデルは、イベントのシーケンス、期間、追加機能に基づいて学習する。 PEDFモデルは、標準的なクラスタと分類器で構成されるネットワークで構築されており、モデルを反復的に更新する柔軟性が高い。 このモデルはログファイルから2つのデータセット、すなわち遷移差、累積的特徴を抽出する必要がある。 モデルには1つのメモリ層があり、各トランジションは現在のイベントと前のイベントの両方に依存する。 提案モデルの性能を評価するため, 繰り返しニューラルネットワークと逐次予測モデルとの比較を行い, それらの性能を比較検討した。 イベントログ予測モデルの性能指標が不足しているため、3つの尺度が提案されている。

関連論文リスト

• A Two-Phase Recall-and-Select Framework for Fast Model Selection [13.385915962994806]
  本稿では,2相モデル選択フレームワークを提案する。 これは、ベンチマークデータセット上でモデルのトレーニングパフォーマンスを活用することにより、堅牢なモデルを選択する効率を高めることを目的としている。 提案手法は,従来のベースライン法に比べて約3倍の速度でハイパフォーマンスモデルの選択を容易にすることが実証された。
  論文  参考訳（メタデータ） (2024-03-28T14:44:44Z)
• PAMI: partition input and aggregate outputs for model interpretation [69.42924964776766]
  本研究では、深層学習モデルが局所的な特徴を集約してモデル予測を行うという観察に基づいて、PAMIと呼ばれるシンプルで効果的な可視化フレームワークを提案する。 基本的な考え方は、入力の大多数を隠蔽し、元のモデル予測に対する保存された入力部の相対的な寄与として対応するモデル出力を使用することである。 複数のタスクに対する大規模な実験により,提案手法は,クラス固有の入力領域をより正確に見つけるために,既存の可視化手法よりも優れていることを確認した。
  論文  参考訳（メタデータ） (2023-02-07T08:48:34Z)
• Event Data Association via Robust Model Fitting for Event-based Object Tracking [66.05728523166755]
  本稿では,イベントアソシエーションと融合問題に明示的に対処する新しいイベントデータアソシエーション(EDA)手法を提案する。 提案するEDAは、統合データアソシエーションと情報融合を行うために、イベントデータに最も適したイベントトラジェクトリを求める。 実験結果から,高速,運動のぼやけ,高ダイナミックレンジ条件といった難易度シナリオ下でのEDAの有効性が示された。
  論文  参考訳（メタデータ） (2021-10-25T13:56:00Z)
• Comparing Test Sets with Item Response Theory [53.755064720563]
  我々は,18の事前学習トランスフォーマーモデルから予測した29のデータセットを個別のテスト例で評価した。 Quoref、HellaSwag、MC-TACOは最先端のモデルを区別するのに最適である。 また、QAMRやSQuAD2.0のようなQAデータセットに使用されるスパン選択タスク形式は、強いモデルと弱いモデルとの差別化に有効である。
  論文  参考訳（メタデータ） (2021-06-01T22:33:53Z)
• Learning deep autoregressive models for hierarchical data [0.6445605125467573]
  時間的畳み込みネットワーク(STCN)の拡張として,階層構造化データのモデルを提案する。 提案したモデルは,音声と手書きの2種類の連続データを用いて評価する。
  論文  参考訳（メタデータ） (2021-04-28T15:58:45Z)
• Conditional Generative Models for Counterfactual Explanations [0.0]
  本稿では,分散的非分布的モデル記述を生成する汎用フレームワークを提案する。 このフレームワークは、使用される生成モデルの種類や基礎となる予測モデルのタスクに関して柔軟である。
  論文  参考訳（メタデータ） (2021-01-25T14:31:13Z)
• Generative Temporal Difference Learning for Infinite-Horizon Prediction [101.59882753763888]
  我々は、無限確率的地平線を持つ環境力学の予測モデルである$gamma$-modelを導入する。 トレーニングタイムとテストタイムの複合的なエラーの間には、そのトレーニングが避けられないトレードオフを反映しているかについて議論する。
  論文  参考訳（メタデータ） (2020-10-27T17:54:12Z)
• Robust Finite Mixture Regression for Heterogeneous Targets [70.19798470463378]
  本稿では,サンプルクラスタの探索と,複数の不完全な混合型ターゲットを同時にモデル化するFMRモデルを提案する。 我々は、高次元の学習フレームワークの下で、無症状のオラクルのパフォーマンス境界をモデルに提供します。 その結果,我々のモデルは最先端の性能を達成できることがわかった。
  論文  参考訳（メタデータ） (2020-10-12T03:27:07Z)
• Explanation-Guided Training for Cross-Domain Few-Shot Classification [96.12873073444091]
  クロスドメイン・ショット分類タスク(CD-FSC)は、データセットで表されるドメインをまたいで一般化する要件と、少数ショット分類を組み合わせたものである。 既存のFSCモデルに対する新しいトレーニング手法を提案する。 説明誘導学習はモデル一般化を効果的に改善することを示す。
  論文  参考訳（メタデータ） (2020-07-17T07:28:08Z)
• Pattern Similarity-based Machine Learning Methods for Mid-term Load Forecasting: A Comparative Study [0.0]
  パターン類似性に基づく年次電力需要予測手法について検討した。 モデルの不可欠な部分は、時系列シーケンスのパターンを用いた時系列表現である。 近接モデル,ファジィ近傍モデル,カーネル回帰モデル,一般回帰ニューラルネットワークの4つのモデルを考える。
  論文  参考訳（メタデータ） (2020-03-03T12:14:36Z)

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。