論文の概要: Monotonicity-Guided Bottom-Up Petri Net Discovery: The SPECpp Framework
- arxiv url: http://arxiv.org/abs/2608.09398v1
- Date: Mon, 10 Aug 2026 10:23:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:37.206751
- Title: Monotonicity-Guided Bottom-Up Petri Net Discovery: The SPECpp Framework
- Title（参考訳）: モノトニック性にガイドされたボトムアップペトリネットディスカバリ: SPECppフレームワーク
- Abstract要約: 時間と資源制約の下で高品質なモデルを得るための戦略を実装したSPECppフレームワークを提案する。
我々のアプローチは、このような構造が有機的に出現し、ペトリネットのフルパワーを利用することを可能にする。
時間と資源制約の下で高品質なモデルを得るための戦略を実装したSPECppフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 1.299941371793082
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Process discovery is one of the central challenges in process mining. Petri nets are particularly attractive because simple local constructs can express complex behavior, including concurrency. While their global behavior may be difficult to analyze, individual places can be efficiently characterized using monotonic properties, enabling bottom-up discovery. Unlike top-down approaches such as the Inductive Miner, which rely on predefined constructs for sequences, choices, loops, and concurrency, our approach allows such structures to emerge organically and can exploit the full expressive power of Petri nets, including free-choice constructs and long-term dependencies. The main challenge is the exponential number of candidate places and their combinations. We present the SPECpp framework which implements strategies to obtain high-quality models under time and resource constraints. SPECpp supports rapid experimentation and is used to evaluate these strategies using both synthetic and real-life event data.
- Abstract（参考訳）: プロセス発見は、プロセスマイニングにおける中心的な課題の1つである。
単純な局所構造は並行性を含む複雑な振る舞いを表現できるため、ペトリネットは特に魅力的である。
グローバルな振る舞いは分析が難しいかもしれないが、個々の場所をモノトニックな性質で効率的に特徴付けることができ、ボトムアップ発見を可能にしている。
Inductive Minerのような、シーケンス、選択、ループ、並行性の事前定義された構造に依存したトップダウンアプローチとは異なり、我々のアプローチは、このような構造を有機的に発生させ、自由選択構造や長期依存を含むペトリネットの完全な表現力を利用することができる。
主な課題は、候補場所とその組み合わせの指数的な数である。
時間と資源制約の下で高品質なモデルを得るための戦略を実装したSPECppフレームワークを提案する。
SPECppは迅速な実験をサポートし、これらの戦略を合成データと実生活イベントデータの両方を用いて評価するために使用される。
関連論文リスト
- Every Feedforward Neural Network Definable in an o-Minimal Structure Has Finite Sample Complexity [15.786915433105868]
フィードフォワードニューラルネットワークの幅広いクラスは、PACモデルで学習する(有限サンプルの複雑さを持つ)ことを示す。
その結果, 有限サンプルPAC学習能力は, 微分器ではなく, ベースラインとして再構成された。
論文 参考訳（メタデータ） (2026-05-08T01:26:25Z) - Structural Segmentation of the Minimum Set Cover Problem: Exploiting Universe Decomposability for Metaheuristic Optimization [1.1011268090482575]
最小設定被覆問題(英: Minimum Set Cover Problem、MSCP)は、科学と工学に多くの応用がある古典的なNPハード最適化問題である。
本研究は,MSCPにおける直交セグメント性の概念を考察し,本質的な構造的分解をどのように活用して本質的な最適化を向上するかを考察する。
論文 参考訳（メタデータ） (2026-01-29T14:02:48Z) - Reasoning Palette: Modulating Reasoning via Latent Contextualization for Controllable Exploration for (V)LMs [49.66344956133349]
推論能力は、大規模な(ビジョン)言語モデルのための推論時間性能と強化学習(RL)トレーニングの両方を形作る。
本稿では,戦略的文脈化のための潜在変数をモデルに付与する新しい潜在変調フレームワークであるReasoning Paletteを提案する。
論文 参考訳（メタデータ） (2025-12-19T03:32:53Z) - Dynamic Generation of Multi-LLM Agents Communication Topologies with Graph Diffusion Models [99.85131798240808]
我々はtextitGuided Topology Diffusion (GTD) と呼ばれる新しい生成フレームワークを導入する。
条件付き離散グラフ拡散モデルにインスパイアされたGTD式は、反復的な構成過程としてトポロジー合成を行う。
各ステップで生成は、多目的報酬を予測する軽量プロキシモデルによって制御される。
実験により、GTDは高いタスク適応性、スパース、効率的な通信トポロジを生成できることが示されている。
論文 参考訳（メタデータ） (2025-10-09T05:28:28Z) - Efficient Ensemble Conditional Independence Test Framework for Causal Discovery [46.328102756312724]
本稿では,汎用およびプラグアンドプレイフレームワークであるEnsemble Conditional Independence Test (E-CIT)を紹介する。
E-CITはデータをサブセットに分割し、与えられたベースCITを各サブセットに独立に適用し、結果として得られるp値を集約する。
その結果、E-CITはCITの計算負担と因果発見を著しく低減するだけでなく、競争性能も向上することが示された。
論文 参考訳（メタデータ） (2025-09-25T11:31:16Z) - Reinforcing Compositional Retrieval: Retrieving Step-by-Step for Composing Informative Contexts [67.67746334493302]
大規模言語モデル(LLM)は、多くのタスクにまたがる顕著な機能を示してきたが、複雑なタスクを扱うために外部のコンテキストに依存していることが多い。
我々は、このプロセスをマルコフ決定プロセス(MDP)としてモデル化するトリエンコーダシーケンシャルレトリバーを提案する。
提案手法は,サンプル間の依存関係を明示的にモデル化することの重要性を強調し,ベースラインを一貫して大幅に上回ることを示す。
論文 参考訳（メタデータ） (2025-04-15T17:35:56Z) - EpiCoder: Encompassing Diversity and Complexity in Code Generation [66.43738008739555]
既存のコード生成方法はシードデータとしてコードスニペットを使用する。
階層的なコード機能を中心に展開する,新しい機能ツリーベースの合成フレームワークを提案する。
我々のフレームワークは、生成されたコードの複雑さを正確に制御し、関数レベルの操作からマルチファイルのシナリオまで幅広い機能を実現する。
論文 参考訳（メタデータ） (2025-01-08T18:58:15Z) - A Refreshed Similarity-based Upsampler for Direct High-Ratio Feature Upsampling [54.05517338122698]
一般的な類似性に基づく機能アップサンプリングパイプラインが提案されている。
本稿では,セマンティック・アウェアとディテール・アウェアの両方の観点から,明示的に制御可能なクエリキー機能アライメントを提案する。
我々は,モーザイクアーティファクトを緩和する上ではシンプルだが有効であるHR特徴に対して,きめ細かな近傍選択戦略を開発する。
論文 参考訳（メタデータ） (2024-07-02T14:12:21Z) - Inductive Biases and Variable Creation in Self-Attention Mechanisms [25.79946667926312]
この研究は自己アテンション加群の帰納バイアスの理論解析を提供する。
私たちの焦点は、どの関数と長距離依存関係を表現したいかを明確に決めることです。
我々の主な結果は、有界ノルムトランスフォーマー層がスパース変数を生成することを示している。
論文 参考訳（メタデータ） (2021-10-19T16:36:19Z) - Planning from Pixels in Environments with Combinatorially Hard Search
Spaces [14.897437359519456]
この分野での最近の関心の高まりは、アーケードゲームから連続制御に至るまでのタスクにおいて優れたパフォーマンスをもたらす進歩をもたらした。
本稿では,その環境を潜在グラフとして表現する方法を提案する。
提案手法は,低品質軌跡のみを提供するオフラインRLパラダイムにおいて,強い一般化を実現することを示す。
論文 参考訳（メタデータ） (2021-10-12T16:38:08Z) - A Trainable Optimal Transport Embedding for Feature Aggregation and its
Relationship to Attention [96.77554122595578]
固定サイズのパラメータ化表現を導入し、与えられた入力セットから、そのセットとトレーニング可能な参照の間の最適な輸送計画に従って要素を埋め込み、集約する。
我々のアプローチは大規模なデータセットにスケールし、参照のエンドツーエンドのトレーニングを可能にすると同時に、計算コストの少ない単純な教師なし学習メカニズムも提供する。
論文 参考訳（メタデータ） (2020-06-22T08:35:58Z) - Inferring Temporal Compositions of Actions Using Probabilistic Automata [61.09176771931052]
本稿では,動作の時間的構成を意味正規表現として表現し,確率的オートマトンを用いた推論フレームワークを提案する。
我々のアプローチは、長い範囲の複雑なアクティビティを、順序のないアトミックアクションのセットとして予測するか、自然言語文を使ってビデオを取得するという既存の研究とは異なる。
論文 参考訳（メタデータ） (2020-04-28T00:15:26Z)
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。