論文の概要: An Uncertainty-Aware ED-LSTM for Probabilistic Suffix Prediction

• arxiv url: http://arxiv.org/abs/2505.21339v1
• Date: Tue, 27 May 2025 15:33:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-28 17:05:58.764253
• Title: An Uncertainty-Aware ED-LSTM for Probabilistic Suffix Prediction
• Title（参考訳）: 確率的接尾辞予測のための不確実性を考慮したED-LSTM
• Authors: Henryk Mustroph, Michel Kunkler, Stefanie Rinderle-Ma,
• Abstract要約: 本稿では,接尾辞の確率分布を近似する新しい手法を提案する。 提案手法は,Uncertainty-Aware-Decoder LSTM (U-ED-LSTM) とモンテカルロサフィックスサンプリングアルゴリズムに基づく。 本技術報告では,U-ED-LSTMの予測性能を詳細に評価し,実際のイベントログのキャリブレーションを評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Suffix prediction of business processes forecasts the remaining sequence of events until process completion. Current approaches focus on predicting a single, most likely suffix. However, if the future course of a process is exposed to uncertainty or has high variability, the expressiveness of a single suffix prediction can be limited. To address this limitation, we propose probabilistic suffix prediction, a novel approach that approximates a probability distribution of suffixes. The proposed approach is based on an Uncertainty-Aware Encoder-Decoder LSTM (U-ED-LSTM) and a Monte Carlo (MC) suffix sampling algorithm. We capture epistemic uncertainties via MC dropout and aleatoric uncertainties as learned loss attenuation. This technical report provides a detailed evaluation of the U-ED-LSTM's predictive performance and assesses its calibration on four real-life event logs with three different hyperparameter settings. The results show that i) the U-ED-LSTM has reasonable predictive performance across various datasets, ii) aggregating probabilistic suffix predictions into mean values can outperform most likely predictions, particularly for rare prefixes or longer suffixes, and iii) the approach effectively captures uncertainties present in event logs.
• Abstract（参考訳）: ビジネスプロセスの簡潔な予測は、プロセスが完了するまでイベントの残りのシーケンスを予測する。 現在のアプローチでは、単一の、最も可能性が高い接尾辞の予測に重点を置いている。 しかし、プロセスの今後の進路が不確実性にさらされたり、高い可変性を持つ場合、単一の接尾辞予測の表現性を制限することができる。 この制限に対処するために,確率的接尾辞予測(probabilistic suffix prediction)を提案する。 提案手法は,Uncertainty-Aware Encoder-Decoder LSTM (U-ED-LSTM) とモンテカルロサフィックスサンプリングアルゴリズムに基づく。 敗血症の難治化として,MC低下とアリアトリック不確実性(aleatoric uncertainties)を介し,てんかん不確実性( epistemic uncertainties)を捉えた。 本技術報告は,U-ED-LSTMの予測性能の詳細な評価と,3つの異なるハイパーパラメータ設定を持つ4つの実生活イベントログのキャリブレーション評価を行う。 その結果は i) U-ED-LSTMは、様々なデータセットにわたって合理的な予測性能を有する。 二 確率的接尾辞予測を平均値に集約することにより、特に稀な接尾辞又はより長い接尾辞において、最も起こりうる予測を上回ることができること。 三 イベントログに存在する不確実性を効果的に把握すること。

関連論文リスト

• 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)
• Score Matching-based Pseudolikelihood Estimation of Neural Marked Spatio-Temporal Point Process with Uncertainty Quantification [59.81904428056924]
  我々は、不確実な定量化を伴うmarkPsを学習するためのスコアMAtching推定器であるSMASHを紹介する。 具体的には,スコアマッチングによるマークPsの擬似的類似度を推定することにより,正規化自由度を推定する。 提案手法の優れた性能は、事象予測と不確実性定量化の両方において広範な実験によって実証される。
  論文  参考訳（メタデータ） (2023-10-25T02:37:51Z)
• Conformal Prediction for Deep Classifier via Label Ranking [29.784336674173616]
  コンフォーマル予測(Conformal prediction)は、予測セットを所望のカバレッジ保証で生成する統計フレームワークである。 我々は、$textitSorted Adaptive Prediction Sets$ (SAPS)という新しいアルゴリズムを提案する。 SAPSは最大ソフトマックス確率を除いて全ての確率値を捨てる。
  論文  参考訳（メタデータ） (2023-10-10T08:54:14Z)
• Ensemble Neural Networks for Remaining Useful Life (RUL) Prediction [0.39287497907611874]
  メンテナンス計画の中核となる部分は、健康と劣化に関する優れた予後を提供する監視システムである。 本稿では,確率論的RUL予測のためのアンサンブルニューラルネットワークを提案する。 この方法はNASAのターボファンジェットエンジンであるCMAPSSのデータセットで試験される。
  論文  参考訳（メタデータ） (2023-09-21T19:38:44Z)
• Quantification of Predictive Uncertainty via Inference-Time Sampling [57.749601811982096]
  本稿では,データあいまいさの予測不確実性を推定するためのポストホックサンプリング手法を提案する。 この方法は与えられた入力に対して異なる可算出力を生成することができ、予測分布のパラメトリック形式を仮定しない。
  論文  参考訳（メタデータ） (2023-08-03T12:43:21Z)
• Variational Inference with Coverage Guarantees in Simulation-Based Inference [18.818573945984873]
  コンフォーマル化補正ニューラル変分推論(CANVI)を提案する。 CANVIは各候補に基づいて共形予測器を構築し、予測効率と呼ばれる計量を用いて予測器を比較し、最も効率的な予測器を返す。 我々は,CANVIが生成する領域の予測効率の低い境界を証明し,その近似に基づいて,後部近似の品質と予測領域の予測効率の関係について検討する。
  論文  参考訳（メタデータ） (2023-05-23T17:24:04Z)
• Conformal Prediction Intervals for Remaining Useful Lifetime Estimation [5.171601921549565]
  対象変数の可能な値の集合を予測することによって不確実性を表す共形予測(CP)フレームワークについて検討する。 CP は、実際の値(真の RUL)が事前特定可能な確実性の度合いで予測セットによってカバーされることを正式に保証する。 3つのCPアルゴリズムを用いて,任意の単一点RUL予測器を共形化し,有効間隔予測器に変換する。
  論文  参考訳（メタデータ） (2022-12-30T09:34:29Z)
• Uncertainty estimation of pedestrian future trajectory using Bayesian approximation [137.00426219455116]
  動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。 著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。 将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
  論文  参考訳（メタデータ） (2022-05-04T04:23:38Z)
• Taming Overconfident Prediction on Unlabeled Data from Hindsight [50.9088560433925]
  ラベルのないデータに対する予測の不確実性を最小化することは、半教師付き学習において優れた性能を達成するための鍵となる要素である。 本稿では,アダプティブシャーニング(Adaptive Sharpening, ADS)と呼ばれる2つのメカニズムを提案する。 ADSは、プラグインにすることで最先端のSSLメソッドを大幅に改善する。
  論文  参考訳（メタデータ） (2021-12-15T15:17:02Z)
• DEUP: Direct Epistemic Uncertainty Prediction [56.087230230128185]
  認識の不確実性は、学習者の知識の欠如によるサンプル外の予測エラーの一部である。 一般化誤差の予測を学習し, aleatoric uncertaintyの推定を減算することで, 認識的不確かさを直接推定する原理的アプローチを提案する。
  論文  参考訳（メタデータ） (2021-02-16T23:50:35Z)

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。