論文の概要: A Discussion on Generalization in Next-Activity Prediction

• arxiv url: http://arxiv.org/abs/2309.09618v1
• Date: Mon, 18 Sep 2023 09:42:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-19 14:09:36.732280
• Title: A Discussion on Generalization in Next-Activity Prediction
• Title（参考訳）: 次世代予測の一般化に関する一考察
• Authors: Luka Abb, Peter Pfeiffer, Peter Fettke, Jana-Rebecca Rehse
• Abstract要約: 一般的に使用されるイベントログには、膨大な量のサンプルリークがあることが示されています。 我々は、ロバストな評価を設計するには、次の活動予測のトピックとより深い概念的関与が必要であると論じる。
• 参考スコア（独自算出の注目度）: 1.2289361708127877
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Next activity prediction aims to forecast the future behavior of running process instances. Recent publications in this field predominantly employ deep learning techniques and evaluate their prediction performance using publicly available event logs. This paper presents empirical evidence that calls into question the effectiveness of these current evaluation approaches. We show that there is an enormous amount of example leakage in all of the commonly used event logs, so that rather trivial prediction approaches perform almost as well as ones that leverage deep learning. We further argue that designing robust evaluations requires a more profound conceptual engagement with the topic of next-activity prediction, and specifically with the notion of generalization to new data. To this end, we present various prediction scenarios that necessitate different types of generalization to guide future research.
• Abstract（参考訳）: 次のアクティビティ予測は、実行中のプロセスインスタンスの振る舞いを予測することを目的としている。 この分野の最近の出版物は、主にディープラーニング技術を採用し、公開イベントログを用いて予測性能を評価する。 本稿では,これらの評価手法の有効性に疑問を呈する実証的エビデンスを提案する。 一般的に使用されるイベントログには膨大な量のサンプルリークがあることを示し,より簡単な予測アプローチが深層学習とほぼ同等に動作することを示す。 さらに、ロバストな評価を設計するには、次の活動予測のトピック、特に新しいデータへの一般化の概念とのより深い概念的な関与が必要であると論じる。 そこで本研究では,様々な種類の一般化を必要とする予測シナリオについて述べる。

関連論文リスト

• Human Action Anticipation: A Survey [86.415721659234]
  行動予測に関する文献は、行動予測、活動予測、意図予測、目標予測など、様々なタスクにまたがる。 我々の調査は、この断片化された文献を結びつけることを目的としており、最近の技術革新とモデルトレーニングと評価のための新しい大規模データセットの開発をカバーしています。
  論文  参考訳（メタデータ） (2024-10-17T21:37:40Z)
• PELP: Pioneer Event Log Prediction Using Sequence-to-Sequence Neural Networks [13.221876371019718]
  本稿では,シークエンス・ツー・シークエンス・ディープ・ラーニング・アプローチを用いたイベントログ予測問題の解法を提案する。 種々の合成ログと7つの実生活ログの予測結果の評価と解析を行った。
  論文  参考訳（メタデータ） (2023-12-15T12:30:30Z)
• 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)
• Encoder-Decoder Model for Suffix Prediction in Predictive Monitoring [0.0]
  接尾辞予測問題に対するほとんどのアプローチは、次の活動のみを予測する方法を学ぶことによって接尾辞を予測することを学ぶ。 本稿では,プレフィックスの表現学習を推論フェーズから分離するアテンション機構を備えたエンコーダ・デコーダモデルに基づく新しいアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-11-29T11:27:29Z)
• Towards Out-of-Distribution Sequential Event Prediction: A Causal Treatment [72.50906475214457]
  シーケンシャルなイベント予測の目標は、一連の歴史的なイベントに基づいて次のイベントを見積もることである。 実際には、次のイベント予測モデルは、一度に収集されたシーケンシャルなデータで訓練される。 文脈固有の表現を学習するための階層的な分岐構造を持つフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-24T07:54:13Z)
• What Should I Know? Using Meta-gradient Descent for Predictive Feature Discovery in a Single Stream of Experience [63.75363908696257]
  計算強化学習は、未来の感覚の予測を通じて、エージェントの世界の知覚を構築しようとする。 この一連の作業において、オープンな課題は、エージェントがどの予測が意思決定を最も支援できるかを、無限に多くの予測から決定することである。 本稿では,エージェントが何を予測するかを学習するメタ段階的な降下過程,(2)選択した予測の見積もり,3)将来の報酬を最大化するポリシーを生成する方法を紹介する。
  論文  参考訳（メタデータ） (2022-06-13T21:31:06Z)
• Review of Video Predictive Understanding: Early ActionRecognition and Future Action Prediction [39.966828592322315]
  アクション予測は、ビデオ予測理解の重要なサブ領域である。 様々な数学的ツールが、これらの2つのタスクに対してコンピュータビジョン技術と共に広く採用されている。 深層畳み込みニューラルネットワークと繰り返しニューラルネットワークに依存する構造は、既存の視覚タスクの性能を改善するために広く提案されている。
  論文  参考訳（メタデータ） (2021-07-11T22:46:52Z)
• Forecasting: theory and practice [65.71277206849244]
  本稿は、理論と予測の実践について、非体系的なレビューを提供する。 我々は、幅広い理論的、最先端のモデル、方法、原則、アプローチの概要を提供する。 そして、そのような理論概念が様々な実生活の文脈でどのように適用されるかを示す。
  論文  参考訳（メタデータ） (2020-12-04T16:56:44Z)
• 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)
• Counterfactual Predictions under Runtime Confounding [74.90756694584839]
  本研究は, 過去のデータからすべての関連要因を抽出した環境で, 事実予測タスクについて検討する。 本稿では,この環境下での対実予測モデル学習のための2次ロバスト手法を提案する。
  論文  参考訳（メタデータ） (2020-06-30T15:49:05Z)

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。