論文の概要: Alignment-based conformance checking over probabilistic events
- arxiv url: http://arxiv.org/abs/2209.04309v2
- Date: Thu, 30 Mar 2023 14:16:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-31 18:10:56.522121
- Title: Alignment-based conformance checking over probabilistic events
- Title（参考訳）: 確率事象に対するアライメントに基づくコンフォーマンスチェック
- Authors: Jiawei Zheng and Petros Papapanagiotou and Jacques D. Fleuriot
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 4.060731229044571
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Conformance checking techniques allow us to evaluate how well some exhibited
behaviour, represented by a trace of monitored events, conforms to a specified
process model. Modern monitoring and activity recognition technologies, such as
those relying on sensors, the IoT, statistics and AI, can produce a wealth of
relevant event data. However, this data is typically characterised by noise and
uncertainty, in contrast to the assumption of a deterministic event log
required by conformance checking algorithms. In this paper, we extend
alignment-based conformance checking to function under a probabilistic event
log. We introduce a weighted trace model and weighted alignment cost function,
and a custom threshold parameter that controls the level of confidence on the
event data vs. the process model. The resulting algorithm considers activities
of lower but sufficiently high probability that better align with the process
model. We explain the algorithm and its motivation both from formal and
intuitive perspectives, and demonstrate its functionality in comparison with
deterministic alignment using real-life datasets.
- Abstract（参考訳）: コンフォーマンスチェック技術により、監視されたイベントのトレースとして表される一部の振る舞いが、特定のプロセスモデルにどの程度適合しているかを評価することができます。
センサ、IoT、統計、AIなどに依存する現代の監視とアクティビティ認識技術は、豊富な関連するイベントデータを生成することができる。
しかしながら、このデータは、コンフォーマンスチェックアルゴリズムが要求する決定論的イベントログの仮定とは対照的に、ノイズと不確実性によって特徴づけられる。
本稿では,アライメントに基づくコンフォーマンスチェックを確率的イベントログ下で機能するように拡張する。
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,およびイベントデータに対する信頼度とプロセスモデル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、プロセスモデルによく適合する低いが十分に高い確率のアクティビティを考察する。
形式的・直感的視点からアルゴリズムとその動機を説明し,実生活データセットを用いた決定論的アライメントと比較し,その機能を示す。
関連論文リスト
- Uncertainty measurement for complex event prediction in safety-critical systems [0.36832029288386137]
複合イベント処理(CEP)の不確実性は、組込みおよび安全クリティカルシステムにとって重要である。
本稿では,事象の知覚と予測の不確実性を測定する方法を示す。
我々は、研究と研究の分野で非常に有望な成果を提示し、議論する。
論文 参考訳（メタデータ） (2024-11-02T15:51:37Z) - Automatically Adaptive Conformal Risk Control [49.95190019041905]
本稿では,テストサンプルの難易度に適応して,統計的リスクの近似的条件制御を実現する手法を提案する。
我々のフレームワークは、ユーザが提供するコンディショニングイベントに基づく従来のコンディショニングリスク制御を超えて、コンディショニングに適した関数クラスのアルゴリズム的、データ駆動決定を行う。
論文 参考訳（メタデータ） (2024-06-25T08:29:32Z) - 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) - Designing monitoring strategies for deployed machine learning
algorithms: navigating performativity through a causal lens [6.329470650220206]
この研究の目的は、監視戦略を設計する際の比較的過小評価されている複雑さを強調することである。
MLに基づく未計画の読み出し予測のためのリスク予測アルゴリズムについて検討する。
このケーススタディの結果は、すべての監視システムが平等に作成されるわけではないという、一見単純な(そして明らかな)事実を強調します。
論文 参考訳（メタデータ） (2023-11-20T00:15:16Z) - 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) - Event Data Association via Robust Model Fitting for Event-based Object Tracking [66.05728523166755]
本稿では,イベントアソシエーションと融合問題に明示的に対処する新しいイベントデータアソシエーション(EDA)手法を提案する。
提案するEDAは、統合データアソシエーションと情報融合を行うために、イベントデータに最も適したイベントトラジェクトリを求める。
実験結果から,高速,運動のぼやけ,高ダイナミックレンジ条件といった難易度シナリオ下でのEDAの有効性が示された。
論文 参考訳（メタデータ） (2021-10-25T13:56:00Z) - Robust Event Classification Using Imperfect Real-world PMU Data [58.26737360525643]
本研究では,不完全な実世界のファサー計測単位(PMU)データを用いて,ロバストな事象分類について検討する。
我々は、堅牢なイベント分類器を訓練するための新しい機械学習フレームワークを開発する。
論文 参考訳（メタデータ） (2021-10-19T17:41:43Z) - Online Learning Probabilistic Event Calculus Theories in Answer Set
Programming [70.06301658267125]
イベント認識(CER)システムは、事前に定義されたイベントパターンを使用して、ストリーミングタイムスタンプデータセットで発生を検出する。
本稿では,複雑なイベントパターンによる確率論的推論を,イベント計算で重み付けされたルールの形で行うことができるAnswer Set Programming(ASP)に基づくシステムを提案する。
その結果, 効率と予測の両面で, 新たなアプローチの優位性が示された。
論文 参考訳（メタデータ） (2021-03-31T23:16:29Z) - 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) - 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) - An Entropic Relevance Measure for Stochastic Conformance Checking in
Process Mining [9.302180124254338]
本稿では,各ログのトレースを圧縮するために必要な平均ビット数として計算された適合性チェックのためのエントロピー関連尺度を提案する。
エントロピー関連性はログのサイズで線形に計算可能であることを示し、産業環境における新しい手法の適用可能性を示す評価結果を提供する。
論文 参考訳（メタデータ） (2020-07-18T02:25:33Z)
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。