論文の概要: Detecting Context-Aware Deviations in Process Executions

• arxiv url: http://arxiv.org/abs/2206.05532v1
• Date: Sat, 11 Jun 2022 13:45:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-14 15:34:28.203527
• Title: Detecting Context-Aware Deviations in Process Executions
• Title（参考訳）: プロセス実行におけるコンテキスト認識偏差の検出
• Authors: Gyunam Park, Janik-Vasily Benzin, Wil M. P. van der Aalst
• Abstract要約: 逸脱検出は、例えば、医療プロセスの患者や製造プロセスの製品など、逸脱するプロセスのインスタンスを検出することを目的としている。 提案するフレームワークを,さまざまなコンテキストに拡張可能なWebサービスとして実装した。 提案手法の有効性を,255種類の文脈シナリオを用いた実験により評価した。
• 参考スコア（独自算出の注目度）: 0.45119235878273
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A deviation detection aims to detect deviating process instances, e.g., patients in the healthcare process and products in the manufacturing process. A business process of an organization is executed in various contextual situations, e.g., a COVID-19 pandemic in the case of hospitals and a lack of semiconductor chip shortage in the case of automobile companies. Thus, context-aware deviation detection is essential to provide relevant insights. However, existing work 1) does not provide a systematic way of incorporating various contexts, 2) is tailored to a specific approach without using an extensive pool of existing deviation detection techniques, and 3) does not distinguish positive and negative contexts that justify and refute deviation, respectively. In this work, we provide a framework to bridge the aforementioned gaps. We have implemented the proposed framework as a web service that can be extended to various contexts and deviation detection methods. We have evaluated the effectiveness of the proposed framework by conducting experiments using 255 different contextual scenarios.
• Abstract（参考訳）: 偏差検出は、医療プロセスの患者や製造プロセスの製品といった、逸脱するプロセスインスタンスを検出することを目的としている。 組織の事業プロセスは、例えば、病院におけるCOVID-19パンデミック、自動車会社における半導体チップ不足など、さまざまな状況で実行される。 したがって、関連する洞察を提供するには文脈認識偏差検出が不可欠である。 しかし、現存作品 1)様々な文脈を組み込む体系的な方法を提供していない。 2)既存の偏差検出技術の広範なプールを使わずに、特定のアプローチに合わせた調整を行い、 3) ずれを正当化する肯定的文脈と否定的文脈を区別しない。 この作業では、前述のギャップを埋めるためのフレームワークを提供します。 提案するフレームワークを,様々なコンテキストや偏差検出手法に拡張可能なWebサービスとして実装した。 255の異なるシナリオを用いて実験を行い,提案フレームワークの有効性を評価した。

関連論文リスト

• Out-of-distribution Detection in Medical Image Analysis: A survey [12.778646136644399]
  コンピュータ支援診断は、ディープラーニングベースのコンピュータビジョン技術の発展の恩恵を受けている。 従来の教師付きディープラーニング手法は、テストサンプルがトレーニングデータと同じ分布から引き出されることを前提としている。 実際の臨床シナリオでは分布外のサンプルに遭遇し、深層学習に基づく医用画像解析タスクにおいてサイレント障害を引き起こす可能性がある。
  論文  参考訳（メタデータ） (2024-04-28T18:51:32Z)
• ValUES: A Framework for Systematic Validation of Uncertainty Estimation in Semantic Segmentation [2.1517210693540005]
  不確実性推定は、セマンティックセグメンテーション法において不可欠で研究の難しい要素である。 データ関連とモデル関連の不確実性は実際に分離できるのか? 不確実性手法のどのコンポーネントが現実世界のパフォーマンスに欠かせないのか?
  論文  参考訳（メタデータ） (2024-01-16T17:02:21Z)
• Application-driven Validation of Posteriors in Inverse Problems [11.297855715642141]
  逆問題における後続手法のアプリケーション駆動型検証のための最初の体系的枠組みを提案する。 モードをインスタンスとして扱うことで、アプリケーションの観点からよく解釈可能なメトリクスを使用して、モード中心のバリデーションを実行できます。
  論文  参考訳（メタデータ） (2023-09-18T13:44:36Z)
• Generalized Out-of-distribution Fault Diagnosis (GOOFD) via Internal Contrastive Learning [8.583116999933731]
  本稿では,診断サブタスクを統合するために,一般化されたアウト・オブ・ディストリビューション障害診断フレームワークを提案する。 内部のコントラスト学習とマハラノビス距離に基づく統一的な断層診断手法が提案手法の基盤となる。 提案手法は,複数の故障診断タスクに適用可能であり,既存の単一タスク法よりも優れた性能を実現することができる。
  論文  参考訳（メタデータ） (2023-06-27T07:50:25Z)
• Deployment of Image Analysis Algorithms under Prevalence Shifts [6.373765910269204]
  領域ギャップは、医療画像解析のための機械学習(ML)ベースのソリューションの臨床的翻訳において、最も関連する障害の一つである。 そこで本研究では,トレーニング済みの分類器を新しい環境に適応させるために,推定したデプロイメントの頻度を利用して精度の高い画像分類を行うワークフローを提案する。
  論文  参考訳（メタデータ） (2023-03-22T13:16:37Z)
• Neighborhood Adaptive Estimators for Causal Inference under Network Interference [152.4519491244279]
  我々は,古典的非干渉仮説の違反を考える。つまり,ある個人に対する治療が他者の結果に影響を及ぼす可能性がある。 干渉をトラクタブルにするために、干渉がどのように進行するかを記述する既知のネットワークを考える。 このような環境下での処理に対する平均的直接的処理効果の予測について検討した。
  論文  参考訳（メタデータ） (2022-12-07T14:53:47Z)
• Absolute Wrong Makes Better: Boosting Weakly Supervised Object Detection via Negative Deterministic Information [54.35679298764169]
  弱教師付き物体検出(WSOD)は、画像レベルのラベルを用いて物体検出を訓練する難しい課題である。 本稿では,WSODにおける決定論的情報を特定し,完全に活用することに焦点を当てる。 我々は、WSOD、すなわちNDI-WSODを改善するための負の決定論的情報(NDI)に基づく手法を提案する。
  論文  参考訳（メタデータ） (2022-04-21T12:55:27Z)
• Diagnosing failures of fairness transfer across distribution shift in real-world medical settings [60.44405686433434]
  分散シフト下でのモデルフェアネスの変化の診断と緩和は、医療環境における機械学習の安全な展開の重要な構成要素である。 この知識は、文献でしばしば想定されるよりも現実のシフトがより複雑である事例を含む、公平性伝達の失敗の診断に有効であることを示す。
  論文  参考訳（メタデータ） (2022-02-02T13:59:23Z)
• Prescriptive Process Monitoring: Quo Vadis? [64.39761523935613]
  本論文はシステム文献レビュー(SLR)を通して,本分野における既存手法について考察する。 SLRは今後の研究の課題や分野に関する洞察を提供し、規範的なプロセス監視手法の有用性と適用性を高めることができる。
  論文  参考訳（メタデータ） (2021-12-03T08:06:24Z)
• ADC: Adversarial attacks against object Detection that evade Context consistency checks [55.8459119462263]
  文脈整合性チェックさえも、適切に構築された敵の例に対して脆弱であることを示す。 このような防御を覆す実例を生成するための適応型フレームワークを提案する。 我々の結果は、コンテキストを堅牢にモデル化し、一貫性をチェックする方法はまだ未解決の問題であることを示している。
  論文  参考訳（メタデータ） (2021-10-24T00:25:09Z)
• Tracking the risk of a deployed model and detecting harmful distribution shifts [105.27463615756733]
  実際には、デプロイされたモデルのパフォーマンスが大幅に低下しないという、良心的なシフトを無視することは理にかなっている。 我々は,警告を発射する有効な方法は,(a)良性な警告を無視しながら有害なシフトを検知し,(b)誤報率を増大させることなく,モデル性能の連続的なモニタリングを可能にすることを論じる。
  論文  参考訳（メタデータ） (2021-10-12T17:21:41Z)

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。

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。