Fugu-MT 論文翻訳(概要): Probability Estimation of Uncertain Process Trace Realizations

論文の概要: Probability Estimation of Uncertain Process Trace Realizations

arxiv url: http://arxiv.org/abs/2108.08615v2
Date: Fri, 20 Aug 2021 04:35:02 GMT
ステータス: 処理完了
システム内更新日: 2021-08-23 10:34:07.174984
Title: Probability Estimation of Uncertain Process Trace Realizations
Title（参考訳）: 不確かなプロセストレース実現の確率推定
Authors: Marco Pegoraro, Bianka Bakullari, Merih Seran Uysal, Wil M.P. van der Aalst
Abstract要約: 本稿では,それぞれのシナリオの確率を確実に推定する手法を提案する。実験により, 本手法を用いて計算した確率は, 特定の結果の発生確率と密に一致していることがわかった。
参考スコア（独自算出の注目度）: 0.8602553195689513
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Process mining is a scientific discipline that analyzes event data, often collected in databases called event logs. Recently, uncertain event logs have become of interest, which contain non-deterministic and stochastic event attributes that may represent many possible real-life scenarios. In this paper, we present a method to reliably estimate the probability of each of such scenarios, allowing their analysis. Experiments show that the probabilities calculated with our method closely match the true chances of occurrence of specific outcomes, enabling more trustworthy analyses on uncertain data.
Abstract（参考訳）: プロセスマイニングは、イベントログと呼ばれるデータベースでしばしば収集されるイベントデータを分析する科学的分野である。近年、不確定なイベントログが注目され、非決定論的かつ確率的イベント属性が含まれ、多くの現実的シナリオを表現している。本稿では,各シナリオの確率を確実に推定し,その分析を可能にする手法を提案する。実験により,本手法で計算した確率は,特定の結果の発生確率と密接に一致し,不確定なデータに対する信頼性の高い分析が可能となった。

関連論文リスト

SMURF-THP: Score Matching-based UnceRtainty quantiFication for Transformer Hawkes Process [76.98721879039559]
SMURF-THPは,変圧器ホークス過程を学習し,予測の不確かさを定量化するスコアベース手法である。具体的には、SMURF-THPは、スコアマッチング目標に基づいて、イベントの到着時刻のスコア関数を学習する。我々は,イベントタイプ予測と到着時刻の不確実性定量化の両方において,広範な実験を行う。
論文参考訳（メタデータ） (2023-10-25T03:33:45Z)
Score Matching-based Pseudolikelihood Estimation of Neural Marked Spatio-Temporal Point Process with Uncertainty Quantification [59.81904428056924]
我々は、不確実な定量化を伴うmarkPsを学習するためのスコアMAtching推定器であるSMASHを紹介する。具体的には,スコアマッチングによるマークPsの擬似的類似度を推定することにより,正規化自由度を推定する。提案手法の優れた性能は、事象予測と不確実性定量化の両方において広範な実験によって実証される。
論文参考訳（メタデータ） (2023-10-25T02:37:51Z)
Quantification of Predictive Uncertainty via Inference-Time Sampling [57.749601811982096]
本稿では,データあいまいさの予測不確実性を推定するためのポストホックサンプリング手法を提案する。この方法は与えられた入力に対して異なる可算出力を生成することができ、予測分布のパラメトリック形式を仮定しない。
論文参考訳（メタデータ） (2023-08-03T12:43:21Z)
User-defined Event Sampling and Uncertainty Quantification in Diffusion Models for Physical Dynamical Systems [49.75149094527068]
拡散モデルを用いて予測を行い,カオス力学系に対する不確かさの定量化が可能であることを示す。本研究では,雑音レベルが低下するにつれて真の分布に収束する条件付きスコア関数の確率的近似法を開発する。推論時に非線形ユーザ定義イベントを条件付きでサンプリングすることができ、分布の尾部からサンプリングした場合でもデータ統計と一致させることができる。
論文参考訳（メタデータ） (2023-06-13T03:42:03Z)
Regions of Reliability in the Evaluation of Multivariate Probabilistic Forecasts [73.33395097728128]
時系列予測評価のための適切なスコアリングルールに関する最初の体系的な有限サンプル研究を提供する。本研究では, 地中構造と予測分布のいくつかの重要な相違点をテストするために, 総合的な総合的合成ベンチマークを用いて解析を行った。
論文参考訳（メタデータ） (2023-04-19T17:38:42Z)
Towards Dynamic Causal Discovery with Rare Events: A Nonparametric Conditional Independence Test [4.67306371596399]
我々は,稀だが連続的な事象が発生した時変システムから収集したデータに対して,新しい統計的独立性テストを導入する。提案手法の整合性に対する非漸近的サンプルバウンダリを提供し,その性能をシミュレーションおよび実世界のデータセットで検証する。
論文参考訳（メタデータ） (2022-11-29T21:15:51Z)
Probabilistic and Non-Deterministic Event Data in Process Mining: Embedding Uncertainty in Process Analysis Techniques [0.0]
プロセスマイニング分析の幅広い産業応用により,新しいタイプのイベントデータが注目されている。本稿では,不確実な事象データの例として,プロセスマイニングにおける不確実性に関する技術の現状を示すとともに,この研究の方向性に関するオープンな課題を示す。
論文参考訳（メタデータ） (2022-05-10T12:00:02Z)
Dense Uncertainty Estimation via an Ensemble-based Conditional Latent Variable Model [68.34559610536614]
我々は、アレータリック不確実性はデータの固有の特性であり、偏見のないオラクルモデルでのみ正確に推定できると論じる。そこで本研究では,軌道不確実性推定のためのオラクルモデルを近似するために,列車時の新しいサンプリングと選択戦略を提案する。以上の結果から,提案手法は精度の高い決定論的結果と確実な不確実性推定の両方を達成できることが示唆された。
論文参考訳（メタデータ） (2021-11-22T08:54:10Z)
Deep Probability Estimation [14.659180336823354]
深層ニューラルネットワークを用いた高次元データからの確率推定について検討する。この研究の目的は、ディープニューラルネットワークを用いた高次元データからの確率推定を調査することである。合成データおよび実世界の3つの確率推定タスクにおける既存手法の評価を行った。
論文参考訳（メタデータ） (2021-11-21T03:55:50Z)
The statistical physics of discovering exogenous and endogenous factors in a chain of events [0.0]
本研究では,一連の事象発生時間から外生的・内生的要因を推定する手法を開発した。この分析は、不均一なポアソン過程とホークス過程を組み合わせたモデルを用いて行われる。
論文参考訳（メタデータ） (2020-03-02T04:55:41Z)

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。