Fugu-MT 論文翻訳(概要): The Needle is a Thread: Finding Planted Paths in Noisy Process Trees

論文の概要: The Needle is a Thread: Finding Planted Paths in Noisy Process Trees

arxiv url: http://arxiv.org/abs/2602.04694v1
Date: Wed, 04 Feb 2026 15:56:43 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-05 19:45:11.608909
Title: The Needle is a Thread: Finding Planted Paths in Noisy Process Trees
Title（参考訳）: Needle is a Thread: Finding Planted Paths in Noisy Process Trees
Authors: Maya Le, Paweł Prałat, Aaron Smith, François Théberge,
Abstract要約: 本稿では,2木間のファジィマッチングを求めるアルゴリズムを提案する。人工的に生成したデータと実世界のデータセットのマイニングにおいて,これらが有用であることを示す。
参考スコア（独自算出の注目度）: 1.6274397329511194
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Motivated by applications in cybersecurity such as finding meaningful sequences of malware-related events buried inside large amounts of computer log data, we introduce the "planted path" problem and propose an algorithm to find fuzzy matchings between two trees. This algorithm can be used as a "building block" for more complicated workflows. We demonstrate usefulness of a few of such workflows in mining synthetically generated data as well as real-world ACME cybersecurity datasets.
Abstract（参考訳）: 大量のコンピュータログデータの中に埋もれたマルウェア関連の事象の有意義なシーケンスを見つけるなどのサイバーセキュリティの応用に動機付けられ,我々は「移植された経路」問題を導入し,二つの木間のファジィマッチングを見つけるアルゴリズムを提案する。このアルゴリズムは、より複雑なワークフローのための"ビルディングブロック"として使用できる。人工的に生成したデータと実世界のACMEサイバーセキュリティデータセットのマイニングにおいて、このようなワークフローのいくつかが有用であることを示す。

関連論文リスト

Explainable Verification of Hierarchical Workflows Mined from Event Logs with Shapley Values [0.0]
マイニングされたプロセスツリーを論理的仕様に変換し、自動定理証明器を用いて満足度、生存性、安全性などの特性を解析する。この記事では、ソフトウェアエンジニアリングプラクティスに直接関係するワークフロー分析、コンプライアンスチェックのサポート、プロセス最適化、冗長性低減、次世代プロセスマイニングツールの設計など、新たな方向性を概説する。
論文参考訳（メタデータ） (2025-12-10T11:57:08Z)
Don't Get Lost in the Trees: Streamlining LLM Reasoning by Overcoming Tree Search Exploration Pitfalls [83.89771461061903]
検証者による木探索アルゴリズムの最近の進歩は、大規模言語モデル(LLM)の推論能力を大幅に向上させた。検証者による木探索アルゴリズムの最近の進歩は、大規模言語モデル(LLM)の推論能力を大幅に向上させた。意味論的に等価なコンテンツを持つ冗長な状態による$textitover-Exploration$と、検証器のスコアリングにおける高いばらつきに起因する$textitunder-Exploration$である。各種木探索アルゴリズムに適合するフレキシブルなプラグアンドプレイシステムであるFETCHを提案する。
論文参考訳（メタデータ） (2025-02-16T16:12:01Z)
LiteSearch: Efficacious Tree Search for LLM [70.29796112457662]
本研究では,動的ノード選択とノードレベルの探索予算を備えた新しいガイド付き木探索アルゴリズムを提案する。 GSM8KおよびTabMWPデータセットを用いて行った実験により,本手法はベースライン法に比べて計算コストが大幅に低いことを示した。
論文参考訳（メタデータ） (2024-06-29T05:14:04Z)
An efficient solution to Hidden Markov Models on trees with coupled branches [0.0]
木上の隠れモデル(HMM)のフレームワークを拡張して、データのツリーのような構造が結合されたブランチを含むシナリオに対処する。本研究では,木系HMMと分岐した分岐木に対する確率,復号化,パラメータ学習問題を効率的に解くプログラミングアルゴリズムを開発した。
論文参考訳（メタデータ） (2024-06-03T18:00:00Z)
ParlayANN: Scalable and Deterministic Parallel Graph-Based Approximate Nearest Neighbor Search Algorithms [5.478671305092084]
本稿では,ParlayANNについて紹介する。ParlayANNは決定論的および並列グラフに基づく近接探索アルゴリズムのライブラリである。我々は、数十億のデータセットにスケールする4つの最先端グラフベースのANNSアルゴリズムに対して、新しい並列実装を開発する。
論文参考訳（メタデータ） (2023-05-07T19:28:23Z)
Scalable Batch Acquisition for Deep Bayesian Active Learning [70.68403899432198]
ディープラーニングでは、各ステップでマークアップする複数の例を選択することが重要です。 BatchBALDのような既存のソリューションでは、多くの例を選択する際に大きな制限がある。本稿では,より計算効率のよいLarge BatchBALDアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-01-13T11:45:17Z)
Instance Segmentation for Autonomous Log Grasping in Forestry Operations [0.0]
木製ログの抽出は自動化するのが難しい作業です。ログの抽出自動化に関する最近の研究は通常、ログのポーズが知られていると仮定する。本稿では,データ駆動型アプローチを用いて,実際の知覚問題に正則に対処する。
論文参考訳（メタデータ） (2022-03-03T18:29:25Z)
RICE: Refining Instance Masks in Cluttered Environments with Graph Neural Networks [53.15260967235835]
本稿では,インスタンスマスクのグラフベース表現を利用して,そのような手法の出力を改良する新しいフレームワークを提案する。我々は、セグメンテーションにスマートな摂動をサンプリングできるディープネットワークと、オブジェクト間の関係をエンコード可能なグラフニューラルネットワークを訓練し、セグメンテーションを評価する。本稿では,本手法によって生成された不確実性推定を用いてマニピュレータを誘導し,乱れたシーンを効率的に理解するアプリケーションについて紹介する。
論文参考訳（メタデータ） (2021-06-29T20:29:29Z)
Context-Specific Causal Discovery for Categorical Data Using Staged Trees [2.9926023796813737]
因果発見アルゴリズムは、観測データのみを用いた複雑な因果関係の解消を目的としている。そこで我々は,複雑で非対称な因果関係を表現可能な木モデルに基づく新たな因果関係探索アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-06-08T14:46:15Z)
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)

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。