Fugu-MT 論文翻訳(概要): Event Log Sampling for Predictive Monitoring

論文の概要: Event Log Sampling for Predictive Monitoring

arxiv url: http://arxiv.org/abs/2204.01470v1
Date: Mon, 4 Apr 2022 13:36:48 GMT
ステータス: 処理完了
システム内更新日: 2022-04-05 13:34:51.191539
Title: Event Log Sampling for Predictive Monitoring
Title（参考訳）: 予測モニタリングのためのイベントログサンプリング
Authors: Mohammadreza Fani Sani, Mozhgan Vazifehdoostirani, Gyunam Park, Marco Pegoraro, Sebastiaan J. van Zelst, Wil M.P. van der Aalst
Abstract要約: 本稿では,予測モデルのためのトレーニングプロセスインスタンスのサンプリングを可能にするインスタンス選択手法を提案する。本手法は,次の活動予測法において,信頼性の高い予測精度を維持しつつ,トレーニング速度を大幅に向上させることができることを示す。
参考スコア（独自算出の注目度）: 0.3425341633647624
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Predictive process monitoring is a subfield of process mining that aims to estimate case or event features for running process instances. Such predictions are of significant interest to the process stakeholders. However, state-of-the-art methods for predictive monitoring require the training of complex machine learning models, which is often inefficient. This paper proposes an instance selection procedure that allows sampling training process instances for prediction models. We show that our sampling method allows for a significant increase of training speed for next activity prediction methods while maintaining reliable levels of prediction accuracy.
Abstract（参考訳）: 予測プロセスモニタリングはプロセスマイニングのサブフィールドであり、プロセスインスタンスを実行するケースやイベントの機能を見積もることを目的としている。このような予測はプロセスステークホルダーにとって重要な関心事である。しかし、予測監視のための最先端の手法は複雑な機械学習モデルのトレーニングを必要とするが、これはしばしば非効率である。本稿では,予測モデルのためのサンプリング訓練プロセスインスタンスを可能にするインスタンス選択手順を提案する。提案手法は,信頼性の高い予測精度を維持しつつ,次の活動予測手法の訓練速度を著しく向上させることができることを示す。

関連論文リスト

Which Pretrain Samples to Rehearse when Finetuning Pretrained Models? [60.59376487151964]
特定のタスクに関する微調整済みモデルが、テキストとビジョンタスクの事実上のアプローチになった。このアプローチの落とし穴は、微調整中に起こる事前学習の知識を忘れることである。本研究では,実際に忘れられているサンプルを識別・優先順位付けする新しいサンプリング手法であるmix-cdを提案する。
論文参考訳（メタデータ） (2024-02-12T22:32:12Z)
Enhancing the Accuracy of Predictors of Activity Sequences of Business Processes [0.9668407688201361]
ケースサフィックスの予測は、リソーススケジュールの異なる短期的なワークロードと実行時間を見積もる入力を提供する。この問題に対処する既存の方法は、いくつかのアクティビティが何度も繰り返される接尾辞を生成することが多いが、このパターンはデータでは観測されない。本稿では,予測された症例接尾辞における活動の繰り返しを軽減するためのサンプリング手法を提案する。
論文参考訳（メタデータ） (2023-12-09T12:16:58Z)
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)
Model Predictive Control with Gaussian-Process-Supported Dynamical Constraints for Autonomous Vehicles [82.65261980827594]
本研究では、学習したガウス過程を利用して人間の運転行動を予測する自動運転車のモデル予測制御手法を提案する。マルチモード予測制御アプローチは、人間のドライバーの意図を考察する。
論文参考訳（メタデータ） (2023-03-08T17:14:57Z)
Performance-Preserving Event Log Sampling for Predictive Monitoring [0.3425341633647624]
本稿では,予測モデルのためのトレーニングプロセスインスタンスのサンプリングを可能にするインスタンス選択手法を提案する。インスタンスの選択手順により、次のアクティビティのトレーニング速度が大幅に向上し、残り時間の予測が可能であることを示す。
論文参考訳（メタデータ） (2023-01-18T16:07:56Z)
Avoiding Post-Processing with Event-Based Detection in Biomedical Signals [69.34035527763916]
学習対象としてイベントを直接扱うイベントベースのモデリングフレームワークを提案する。イベントベースのモデリング(後処理なし)は、広範囲な後処理を伴うエポックベースのモデリングと同等以上のパフォーマンスを示す。
論文参考訳（メタデータ） (2022-09-22T13:44:13Z)
Process Model Forecasting Using Time Series Analysis of Event Sequence Data [0.23099144596725568]
過去のイベントデータからプロセスモデル全体を予測する手法を開発しています。本実装は,実世界のイベントログデータに対する手法の精度を示す。
論文参考訳（メタデータ） (2021-05-03T18:00:27Z)
Text-Aware Predictive Monitoring of Business Processes [0.8602553195689513]
我々は,Long Short-Term Memory(LSTM)ニューラルネットワークと自然言語モデルに基づく,新しいテキスト認識プロセス予測モデルを開発した。提案モデルは,次のイベントのアクティビティとタイムスタンプ,結果,実行中のプロセスインスタンスのサイクル時間を予測するために,イベントデータのカテゴリ的,数値的,テキスト的属性を考慮に入れることができる。実験により、テキストデータを含むシミュレーションおよび実世界のイベントログにおいて、テキスト認識モデルが最先端プロセス予測手法を上回ることができることを示した。
論文参考訳（メタデータ） (2021-04-20T13:51:27Z)
Predictive Process Model Monitoring using Recurrent Neural Networks [2.4029798593292706]
本稿では,予測モニタリングの中間地点となるプロセス・アズ・ムーブズ(PAM)について紹介する。プロセス実行トレースのさまざまなウィンドウにおけるアクティビティ間の宣言的なプロセス制約をキャプチャすることで実現します。高次元入力に適した様々なリカレントニューラルネットワークトポロジを使用して、ウィンドウをタイムステップとしてプロセスモデルの進化をモデル化する。
論文参考訳（メタデータ） (2020-11-05T13:57:33Z)
Video Prediction via Example Guidance [156.08546987158616]
ビデオ予測タスクでは、将来のコンテンツとダイナミクスのマルチモーダルな性質を捉えることが大きな課題である。本研究では,有効な将来状態の予測を効果的に行うための,シンプルで効果的なフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-03T14:57:24Z)
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。