論文の概要: Uncertain Process Data with Probabilistic Knowledge: Problem Characterization and Challenges

• arxiv url: http://arxiv.org/abs/2106.03324v1
• Date: Mon, 7 Jun 2021 03:56:14 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-09 13:23:54.907920
• Title: Uncertain Process Data with Probabilistic Knowledge: Problem Characterization and Challenges
• Title（参考訳）: 確率的知識を持つ不確定なプロセスデータ--問題キャラクタリゼーションと課題
• Authors: Izack Cohen and Avigdor Gal
• Abstract要約: 本稿では,プロセス観察に関連するタスクを,データセットから描画可能なプロセスモデルに提示する。 物理的デバイスやセンサを含む複数の情報源から得られた不確実な事象データを多量に収集した上で,本論文は3種類の課題を提示する。
• 参考スコア（独自算出の注目度）: 13.142848956949033
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Motivated by the abundance of uncertain event data from multiple sources including physical devices and sensors, this paper presents the task of relating a stochastic process observation to a process model that can be rendered from a dataset. In contrast to previous research that suggested to transform a stochastically known event log into a less informative uncertain log with upper and lower bounds on activity frequencies, we consider the challenge of accommodating the probabilistic knowledge into conformance checking techniques. Based on a taxonomy that captures the spectrum of conformance checking cases under stochastic process observations, we present three types of challenging cases. The first includes conformance checking of a stochastically known log with respect to a given process model. The second case extends the first to classify a stochastically known log into one of several process models. The third case extends the two previous ones into settings in which process models are only stochastically known. The suggested problem captures the increasingly growing number of applications in which sensors provide probabilistic process information.
• Abstract（参考訳）: 本稿では,物理デバイスやセンサを含む複数のソースからの不確定なイベントデータの多さに動機づけられ,確率的プロセス観測をデータセットからレンダリング可能なプロセスモデルに関連付けるタスクを提案する。 確率論的に知られたイベントログを,活動周波数の上下境界を持つより情報に乏しい不確実なログに変換するという従来の研究とは対照的に,確率的知識を適合性検査手法に変換するという課題を考察する。 確率的プロセス観察の下で適合性チェックケースのスペクトルを捉えた分類法に基づいて,3種類の挑戦事例を提示する。 1つ目は、所定のプロセスモデルに対する確率的に既知のログの適合性チェックを含む。 2つ目のケースは、確率的に知られているログを複数のプロセスモデルの1つに分類する最初のケースである。 第3のケースは、前の2つをプロセスモデルが確率的にしか知られていない設定に拡張します。 提案する問題は、センサが確率的プロセス情報を提供するアプリケーションの増加を捉えている。

関連論文リスト

• Event prediction and causality inference despite incomplete information [0.41232474244672235]
  我々は,データポイントのシーケンス内で発生した事象を予測し,説明する上での課題について検討した。 特に、イベントの発生を引き起こす未知のトリガーが、非攻撃的で、マスク付き、ノイズの多いデータポイントから成り立つシナリオに注目しました。 分析、シミュレーション、機械学習のアプローチを組み合わせて、調査、定量化、ソリューションを提供しました。
  論文  参考訳（メタデータ） (2024-06-09T19:23:20Z)
• Detecting Anomalous Events in Object-centric Business Processes via Graph Neural Networks [55.583478485027]
  本研究では,ビジネスプロセスにおける異常検出のための新しいフレームワークを提案する。 まず、属性グラフとしてオブジェクト中心のイベントログのプロセス依存性を再構築する。 次に、異常事象を検出するために、グラフ畳み込みオートエンコーダアーキテクチャを用いる。
  論文  参考訳（メタデータ） (2024-02-14T14:17:56Z)
• Predictive Querying for Autoregressive Neural Sequence Models [23.85426261235507]
  本稿では,ニューラル自己回帰シーケンスモデルにおける予測クエリの汎用型について紹介する。 このようなクエリは,基本構造ブロックの集合によって体系的に表現可能であることを示す。 我々はこの型を利用して新しいクエリ推定手法を開発した。
  論文  参考訳（メタデータ） (2022-10-12T17:59:36Z)
• Alignment-based conformance checking over probabilistic events [4.060731229044571]
  本稿では、重み付きトレースモデルと重み付きアライメントコスト関数と、イベントデータに対する信頼度を制御するカスタムしきい値パラメータを導入する。 結果のアルゴリズムは、プロセスモデルとよりよく一致した、低いが十分に高い確率のアクティビティを考慮します。
  論文  参考訳（メタデータ） (2022-09-09T14:07:37Z)
• MissDAG: Causal Discovery in the Presence of Missing Data with Continuous Additive Noise Models [78.72682320019737]
  不完全な観測データから因果発見を行うため,MissDAGと呼ばれる一般的な手法を開発した。 MissDAGは、期待-最大化の枠組みの下で観測の可視部分の期待される可能性を最大化する。 各種因果探索アルゴリズムを組み込んだMissDAGの柔軟性について,広範囲なシミュレーションと実データ実験により検証した。
  論文  参考訳（メタデータ） (2022-05-27T09:59:46Z)
• Probabilistic Registration for Gaussian Process 3D shape modelling in the presence of extensive missing data [63.8376359764052]
  本稿では,ガウス過程の定式化に基づく形状適合/登録手法を提案する。 様々な変換を持つ2次元の小さなデータセットと耳の3次元データセットの両方で実験が行われる。
  論文  参考訳（メタデータ） (2022-03-26T16:48:27Z)
• Conformance Checking Over Stochastically Known Logs [7.882975068446842]
  データログは、例えば、センサ読み取りの不正確さや、処理プログラムによる読み取りの誤った解釈によって不確実になる可能性がある。 この作業では、プロセスモデルとイベントログを比較するコンフォーマンスチェックに重点を置いています。 我々は,ログ内の事象の不確実性を反映したトレースモデル,同期生成物,コスト関数を数学的に定義する。
  論文  参考訳（メタデータ） (2022-03-14T21:33:06Z)
• Conformance Checking over Uncertain Event Data [0.45119235878273]
  未解明のイベントログの設定を解析する。 このようなイベントログでは、不確実性は明示的に記録され、すなわち、イベントの時間、活動、ケースは不明確または不正確である。 正規プロセスモデルに不確実なトレースをアライメントすることで、適合性のための上と下の境界がどうやって得られるかを示す。
  論文  参考訳（メタデータ） (2020-09-29T14:27:30Z)
• Tractable Inference in Credal Sentential Decision Diagrams [116.6516175350871]
  確率感性決定図は、解離ゲートの入力が確率値によってアノテートされる論理回路である。 我々は、局所確率を質量関数のクレーダル集合に置き換えることができる確率の一般化である、クレーダル感性決定図を開発する。 まず,ノイズの多い7セグメント表示画像に基づく簡単なアプリケーションについて検討する。
  論文  参考訳（メタデータ） (2020-08-19T16:04:34Z)
• Open Set Recognition with Conditional Probabilistic Generative Models [51.40872765917125]
  オープンセット認識のための条件付き確率生成モデル(CPGM)を提案する。 CPGMは未知のサンプルを検出できるが、異なる潜在特徴を条件付きガウス分布に近似させることで、既知のクラスを分類できる。 複数のベンチマークデータセットの実験結果から,提案手法がベースラインを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2020-08-12T06:23:49Z)
• Efficiently Sampling Functions from Gaussian Process Posteriors [76.94808614373609]
  高速後部サンプリングのための簡易かつ汎用的なアプローチを提案する。 分離されたサンプルパスがガウス過程の後部を通常のコストのごく一部で正確に表現する方法を実証する。
  論文  参考訳（メタデータ） (2020-02-21T14:03:16Z)

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。