論文の概要: Soundness of Data-Aware Processes with Arithmetic Conditions
- arxiv url: http://arxiv.org/abs/2203.14809v1
- Date: Mon, 28 Mar 2022 14:46:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-29 21:43:56.823937
- Title: Soundness of Data-Aware Processes with Arithmetic Conditions
- Title（参考訳）: 算数条件付きデータ認識プロセスの健全性
- Authors: Paolo Felli, Marco Montali, Sarah Winkler
- Abstract要約: データペトリネット(DPN)は、単純さと表現性のバランスをとる能力によって、人気が高まっている。
データと制御フローの相互作用は、そのようなモデルの正しさ、特に音の良さ、決定的かつ困難さの確認を可能にする。
算術データ条件に富んだDPNの音質を評価するための枠組みを提供する。
- 参考スコア（独自算出の注目度）: 8.914271888521652
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Data-aware processes represent and integrate structural and behavioural
constraints in a single model, and are thus increasingly investigated in
business process management and information systems engineering. In this
spectrum, Data Petri nets (DPNs) have gained increasing popularity thanks to
their ability to balance simplicity with expressiveness. The interplay of data
and control-flow makes checking the correctness of such models, specifically
the well-known property of soundness, crucial and challenging. A major
shortcoming of previous approaches for checking soundness of DPNs is that they
consider data conditions without arithmetic, an essential feature when dealing
with real-world, concrete applications. In this paper, we attack this open
problem by providing a foundational and operational framework for assessing
soundness of DPNs enriched with arithmetic data conditions. The framework comes
with a proof-of-concept implementation that, instead of relying on ad-hoc
techniques, employs off-the-shelf established SMT technologies. The
implementation is validated on a collection of examples from the literature,
and on synthetic variants constructed from such examples.
- Abstract（参考訳）: データ・アウェア・プロセスは単一のモデルにおける構造的および行動的制約を表現・統合し、ビジネスプロセス管理や情報システム工学においてますます研究されている。
このスペクトルでは、単純さと表現性のバランスをとる能力により、データペトリネット(DPN)の人気が高まっている。
データと制御フローの相互作用は、そのようなモデルの正確性、特に音質の周知な特性、重要かつ困難性をチェックする。
DPNの健全性をチェックするための従来のアプローチの最大の欠点は、実世界の具体的なアプリケーションを扱う上で重要な特徴である算術のないデータ条件を考えることである。
本稿では,算術データ条件に富むDPNの健全性を評価するための基礎的かつ運用的な枠組みを提供することにより,このオープンな問題に対処する。
このフレームワークには概念実証実装が付属しており、アドホックな技術に頼るのではなく、既製のSMT技術を採用している。
この実装は、文献の例集と、そのような例から構築された合成変異体上で検証される。
関連論文リスト
- A Distribution-Aware Flow-Matching for Generating Unstructured Data for Few-Shot Reinforcement Learning [1.0709300917082865]
組込みプロセッサ上の数ショット強化学習(RL)に適した合成非構造化データを生成するために設計された分散型フローマッチングを提案する。
我々はランダムフォレストを通した特徴重み付けを重要データ面の優先順位付けに適用し,生成した合成データの精度を向上させる。
本手法は,最初期の第1タイムスタンプにおいて,フレームレートを30%向上しながら,最大Q値に基づく安定収束を提供する。
論文 参考訳（メタデータ） (2024-09-21T15:50:59Z) - Learning with Noisy Foundation Models [95.50968225050012]
本論文は、事前学習データセットにおけるノイズの性質を包括的に理解し分析する最初の研究である。
雑音の悪影響を緩和し、一般化を改善するため、特徴空間に適応するチューニング法(NMTune)を提案する。
論文 参考訳（メタデータ） (2024-03-11T16:22:41Z) - Conditional Feature Importance for Mixed Data [1.6114012813668934]
ノックオフサンプリングを用いた条件付き予測インパクト(CPI)フレームワークを開発した。
提案するワークフローは,I型エラーを制御し,高い出力を達成し,他の条件FI測定結果と一致していることを示す。
本研究は,混合データに対して,統計的に適切な,専門的な手法を開発することの必要性を強調した。
論文 参考訳（メタデータ） (2022-10-06T16:52:38Z) - Data Provenance via Differential Auditing [5.7962871424710665]
本稿では,データ提示を監査するための実践的フレームワークである差分監査(DPDA)によるデータ公開について紹介する。
本稿では,2つの効果的な監査機能実装,加算関数と乗算関数を提案する。
提案手法の有効性を示す実世界のデータセットの評価について報告する。
論文 参考訳（メタデータ） (2022-09-04T06:02:25Z) - Relational Action Bases: Formalization, Effective Safety Verification,
and Invariants (Extended Version) [67.99023219822564]
我々はリレーショナルアクションベース(RAB)の一般的な枠組みを紹介する。
RABは両方の制限を解除することで既存のモデルを一般化する。
データ対応ビジネスプロセスのベンチマークにおいて、このアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2022-08-12T17:03:50Z) - SMT-Based Safety Verification of Data-Aware Processes under Ontologies
(Extended Version) [71.12474112166767]
我々は、このスペクトルで最も調査されたモデルの1つ、すなわち単純なアーティファクトシステム(SAS)の変種を紹介する。
このDLは適切なモデル理論特性を享受し、後方到達性を適用可能なSASを定義することができ、対応する安全問題のPSPACEにおける決定可能性をもたらす。
論文 参考訳（メタデータ） (2021-08-27T15:04:11Z) - DEALIO: Data-Efficient Adversarial Learning for Imitation from
Observation [57.358212277226315]
観察ifoからの模倣学習において、学習エージェントは、実演者の生成した制御信号にアクセスせずに、実演行動の観察のみを用いて実演エージェントを模倣しようとする。
近年、逆模倣学習に基づく手法は、ifO問題に対する最先端のパフォーマンスをもたらすが、データ非効率でモデルなしの強化学習アルゴリズムに依存するため、サンプルの複雑さに悩まされることが多い。
この問題は、サンプルの収集が時間、エネルギー、およびリスクの面で高いコストを被る可能性がある現実世界の設定に展開することは非現実的です。
よりデータ効率の高いifOアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-03-31T23:46:32Z) - CoCoMoT: Conformance Checking of Multi-Perspective Processes via SMT
(Extended Version) [62.96267257163426]
我々はCoCoMoT(Computing Conformance Modulo Theories)フレームワークを紹介する。
まず、純粋な制御フロー設定で研究したSATベースのエンコーディングを、データ認識ケースに持ち上げる方法を示す。
次に,プロパティ保存型クラスタリングの概念に基づく新しい前処理手法を提案する。
論文 参考訳（メタデータ） (2021-03-18T20:22:50Z) - How Training Data Impacts Performance in Learning-based Control [67.7875109298865]
本稿では,トレーニングデータの密度と制御性能の関係を考察する。
データセットの品質尺度を定式化し、$rho$-gap と呼ぶ。
フィードバック線形化制御法に$rho$-gapを適用する方法を示す。
論文 参考訳（メタデータ） (2020-05-25T12:13:49Z)
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。