論文の概要: DPM-Bench: Benchmark for Distributed Process Mining Algorithms on Cyber-Physical Systems

• arxiv url: http://arxiv.org/abs/2502.09975v1
• Date: Fri, 14 Feb 2025 08:02:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-17 14:47:12.977098
• Title: DPM-Bench: Benchmark for Distributed Process Mining Algorithms on Cyber-Physical Systems
• Title（参考訳）: DPM-Bench:サイバー物理システムにおける分散プロセスマイニングアルゴリズムのベンチマーク
• Authors: Hendrik Reiter, Patrick Rathje, Olaf Landsiedel, Wilhelm Hasselbring,
• Abstract要約: 本稿では分散プロセスマイニングアルゴリズムの比較のためのDPM-Benchベンチマークを紹介する。 その結果、情報システム技術者は、既存のインフラが分散プロセスマイニングを行うのに十分かどうかを評価することができる。
• 参考スコア（独自算出の注目度）: 0.6640968473398456
• License:
• Abstract: Process Mining is established in research and industry systems to analyze and optimize processes based on event data from information systems. Within this work, we accomodate process mining techniques to Cyber-Physical Systems. To capture the distributed and heterogeneous characteristics of data, computational resources, and network communication in CPS, the todays process mining algorithms and techniques must be augmented. Specifically, there is a need for new Distributed Process Mining algorithms that enable computations to be performed directly on edge resources, eliminating the need for moving all data to central cloud systems. This paper introduces the DPM-Bench benchmark for comparing such Distributed Process Mining algorithms. DPM-Bench is used to compare algorithms deployed in different computational topologies. The results enable information system engineers to assess whether the existing infrastructure is sufficient to perform distributed process mining, or to identify required improvements in algorithms and hardware. We present and discuss an experimental evaluation with DPM-Bench.
• Abstract（参考訳）: プロセスマイニング(Process Mining)は、情報システムからのイベントデータに基づいてプロセスを分析し最適化する研究および産業システムにおいて確立される。 本研究では, プロセスマイニング技術をサイバー物理システムに適用する。 CPSにおけるデータ、計算資源、ネットワーク通信の分散的・異種特性を捉えるには、今日のプロセスマイニングアルゴリズムと技術が強化されなければならない。 具体的には、エッジリソース上で計算を直接実行できる新しい分散プロセスマイニングアルゴリズムが必要であり、すべてのデータを中央のクラウドシステムに移行する必要がなくなる。 本稿では,このような分散プロセスマイニングアルゴリズムを比較するためのDPM-Benchベンチマークを紹介する。 DPM-Benchは、異なる計算トポロジにデプロイされたアルゴリズムを比較するために使用される。 その結果、情報システムエンジニアは、既存のインフラが分散プロセスマイニングを行うのに十分かどうかを判断したり、アルゴリズムやハードウェアの必要な改善を特定できる。 DPM-Bench を用いた実験的検討を行った。

関連論文リスト

• Computation Rate Maximization for Wireless Powered Edge Computing With Multi-User Cooperation [10.268239987867453]
  本研究では,コンピュータユニットとIoT(Internet of Things)デバイスを備えたハイブリッドアクセスポイントを備えた,無線通信によるモバイルエッジコンピューティングシステムについて考察する。 本稿では,協調クラスタを動的に形成する計算性能を改善するための,新しいマルチユーザ協調方式を提案する。 具体的には、ネットワーク内のすべてのIoTデバイスの重み付け和計算率(WSCR)を最大化する。
  論文  参考訳（メタデータ） (2024-01-22T05:22:19Z)
• Using Machine Learning To Identify Software Weaknesses From Software Requirement Specifications [49.1574468325115]
  本研究は、要求仕様からソフトウェア弱点を特定するための効率的な機械学習アルゴリズムを見つけることに焦点を当てる。 ProMISE_exp. Naive Bayes、サポートベクターマシン(SVM)、決定木、ニューラルネットワーク、畳み込みニューラルネットワーク(CNN)アルゴリズムをテストした。
  論文  参考訳（メタデータ） (2023-08-10T13:19:10Z)
• A Survey From Distributed Machine Learning to Distributed Deep Learning [0.356008609689971]
  データとアルゴリズムを複数のマシンに分散する分散機械学習が提案されている。 これらのアルゴリズムを分類とクラスタリング(従来の機械学習)、深層学習、深層強化学習グループに分割する。 上記のアルゴリズムの調査に基づいて、今後の研究で対処すべき限界を強調した。
  論文  参考訳（メタデータ） (2023-07-11T13:06:42Z)
• Self Optimisation and Automatic Code Generation by Evolutionary Algorithms in PLC based Controlling Processes [0.0]
  複雑なプロセスのシステム論理を自己最適化するために,進化的アルゴリズムに基づく新しいアプローチを提案する。 提案手法は,多目的問題を考慮した産業用液体ステーションプロセスで評価する。
  論文  参考訳（メタデータ） (2023-04-12T06:36:54Z)
• TaSPM: Targeted Sequential Pattern Mining [53.234101208024335]
  本稿では,高速CM-SPAMアルゴリズムに基づく汎用フレームワークTaSPMを提案する。 また,マイニングプロセスにおける無意味な操作を減らすために,いくつかのプルーニング戦略を提案する。 実験の結果,新たなターゲットマイニングアルゴリズムであるTaSPMは実行時間を短縮し,メモリ消費を低減できることがわかった。
  論文  参考訳（メタデータ） (2022-02-26T17:49:47Z)
• Asynchronous Parallel Incremental Block-Coordinate Descent for Decentralized Machine Learning [55.198301429316125]
  機械学習(ML)は、巨大なIoT(Internet of Things)ベースのインテリジェントでユビキタスなコンピューティングのビッグデータ駆動モデリングと分析のための重要なテクニックである。 急成長するアプリケーションやデータ量にとって、分散学習は有望な新興パラダイムである。 本稿では,多くのユーザデバイスに分散した分散システム上でMLモデルをトレーニングする問題について検討する。
  論文  参考訳（メタデータ） (2022-02-07T15:04:15Z)
• Providing Meaningful Data Summarizations Using Examplar-based Clustering in Industry 4.0 [67.80123919697971]
  我々は,従来のCPUアルゴリズムと比較して,一精度で最大72倍,半精度で最大452倍の高速化を実現していることを示す。 提案アルゴリズムは射出成形プロセスから得られた実世界のデータに適用し, 得られたサマリーが, コスト削減と不良部品製造の削減のために, この特定のプロセスのステアリングにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2021-05-25T15:55:14Z)
• Coded Stochastic ADMM for Decentralized Consensus Optimization with Edge Computing [113.52575069030192]
  セキュリティ要件の高いアプリケーションを含むビッグデータは、モバイルデバイスやドローン、車両など、複数の異種デバイスに収集され、格納されることが多い。 通信コストとセキュリティ要件の制限のため、核融合センターにデータを集約するのではなく、分散的に情報を抽出することが最重要となる。 分散エッジノードを介してデータを局所的に処理するマルチエージェントシステムにおいて,モデルパラメータを学習する問題を考える。 分散学習モデルを開発するために,乗算器アルゴリズムの最小バッチ交互方向法(ADMM)のクラスについて検討した。
  論文  参考訳（メタデータ） (2020-10-02T10:41:59Z)
• Process Discovery for Structured Program Synthesis [70.29027202357385]
  プロセスマイニングにおける中核的なタスクは、イベントログデータから正確なプロセスモデルを学ぶことを目的としたプロセス発見である。 本稿では,ターゲットプロセスモデルとして(ブロック-)構造化プログラムを直接使用することを提案する。 我々は,このような構造化プログラムプロセスモデルの発見に対して,新たなボトムアップ・アグリメティブ・アプローチを開発する。
  論文  参考訳（メタデータ） (2020-08-13T10:33:10Z)
• Ranking and benchmarking framework for sampling algorithms on synthetic data streams [0.0]
  ビッグデータ、AI、ストリーミング処理では、複数のソースから大量のデータを処理します。 メモリとネットワークの制限のため、分散システム上のデータストリームを処理し、計算とネットワークの負荷を軽減する。 概念のドリフトに反応するアルゴリズムを提供し、我々のフレームワークを用いた最先端のアルゴリズムと比較する。
  論文  参考訳（メタデータ） (2020-06-17T14:25:07Z)

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。