Fugu-MT 論文翻訳(概要): Concurrency-Aware Process Model Forecasting with Causal Nets

論文の概要: Concurrency-Aware Process Model Forecasting with Causal Nets

arxiv url: http://arxiv.org/abs/2609.22614v1
Date: Fri, 18 Sep 2026 21:59:30 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-22 20:29:00.505722
Title: Concurrency-Aware Process Model Forecasting with Causal Nets
Title（参考訳）: 因果ネットを用いた並行処理モデル予測
Abstract要約: プロセスモデル予測(PMF)は、将来の期間を特徴付けるプロセスモデルを予測することを目的としている。我々はPMFを因果ネットに拡張し、関係および結合数の時系列を予測する。得られたモデルを評価するために、部分的トレースを考慮し、適合性チェックに必要なワークフローネットを構築するプロトコルを導入する。
参考スコア（独自算出の注目度）: 8.339024524110828
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Process model forecasting (PMF) aims to predict the process model that will characterize a future period, thereby providing a process-level view of how behavior is expected to evolve. Existing PMF methods, however, forecast directly-follows graphs, which cannot explicitly represent concurrency. We extend PMF to causal nets by forecasting time series of relation and binding counts and using these forecasts to reconstruct future process models with AND/XOR semantics. To evaluate the resulting models, we introduce a protocol that accounts for partial traces and constructs the workflow nets required for conformance checking. Experiments on four event logs show that the forecasted models achieve conformance levels close to those of models re-mined from observations in the corresponding future windows. They also outperform static discovery baselines, which retain high precision on the structurally stable log but exhibit substantial precision losses on the other three logs. Filtering infrequent bindings improves most conformance metrics, although it also removes much of the concurrent behavior captured by the models.
Abstract（参考訳）: プロセスモデル予測(PMF)は、将来の期間を特徴付けるプロセスモデルを予測することを目的としており、それによって、振る舞いがどのように進化するかのプロセスレベルビューを提供する。しかし、既存のPMFメソッドは、並列性を明確に表現できないグラフを直接フォローする。 PMFを因果ネットに拡張するには,関係および結合数の時系列を予測し,これらの予測を用いて,AND/XORセマンティクスを用いて将来のプロセスモデルを再構築する。得られたモデルを評価するために、部分的トレースを考慮し、適合性チェックに必要なワークフローネットを構築するプロトコルを導入する。 4つのイベントログの実験では、予測されたモデルが、対応する将来のウィンドウでの観測から再検討されたモデルに近い適合レベルを達成することが示されている。また、構造的に安定な丸太の精度は高いが、他の3つの丸太の精度は著しく低下する。頻繁なバインディングのフィルタリングは、ほとんどのコンフォーマンスメトリクスを改善するが、モデルによってキャプチャされた同時動作の多くを除去する。

関連論文リスト

Ensuring Reliability in Programming Knowledge Tracing: A Re-evaluation of Attention-augmented Models and Experimental Protocols [0.6015898117103068]
本研究は,代表的PKTモデルを再検討し,モデル構成とシーケンス構築の実践により,報告された利得が著しく影響を受けることを示す。性能評価に影響を与える注意設定の問題を特定し,ServerTimestampを無視するなどの学生の試みの不適切な順序が時間的因果性に反し,過度に楽観的な結果をもたらすことを実証する。
論文参考訳（メタデータ） (2026-05-06T10:22:21Z)
CastFlow: Learning Role-Specialized Agentic Workflows for Time Series Forecasting [74.29761960394848]
大規模言語モデル(LLM)のための動的エージェント予測フレームワークであるCastFlowを提案する。 CastFlowは予測プロセスを計画、アクション、予測、リフレクションに編成し、エージェントワークフローを確立する。第3に、CastFlowは、汎用推論と特殊な数値予測を組み合わせたロール特殊化設計を採用する。
論文参考訳（メタデータ） (2026-04-30T13:24:42Z)
Model Correlation Detection via Random Selection Probing [62.093777777813756]
既存の類似性に基づく手法では、モデルパラメータにアクセスしたり、しきい値なしでスコアを生成する必要がある。本稿では,モデル相関検出を統計的テストとして定式化する仮説テストフレームワークであるランダム選択探索(RSP)を紹介する。 RSPは相関の証拠を定量化する厳密なp-値を生成する。
論文参考訳（メタデータ） (2025-09-29T01:40:26Z)
Beyond Model Ranking: Predictability-Aligned Evaluation for Time Series Forecasting [18.018179328110048]
スペクトルコヒーレンスに基づく予測可能性整合診断フレームワークを提案する。予測可能性ドリフト(predictability drift, 予測可能性ドリフト)の最初の体系的な証拠として, タスクの予測困難度が時間とともに急激に変化することを示す。複雑なモデルは予測可能性の低いデータより優れているのに対し、線形モデルは予測可能なタスクに非常に効果的である。
論文参考訳（メタデータ） (2025-09-27T02:56:06Z)
On conditional diffusion models for PDE simulations [53.01911265639582]
スパース観測の予測と同化のためのスコアベース拡散モデルについて検討した。本稿では,予測性能を大幅に向上させる自動回帰サンプリング手法を提案する。また,条件付きスコアベースモデルに対する新たなトレーニング戦略を提案する。
論文参考訳（メタデータ） (2024-10-21T18:31:04Z)
Predictive Churn with the Set of Good Models [61.00058053669447]
本稿では,予測的不整合という2つの無関係な概念の関連性について考察する。予測多重性(英: predictive multiplicity)は、個々のサンプルに対して矛盾する予測を生成するモデルである。 2つ目の概念である予測チャーン(英: predictive churn)は、モデル更新前後の個々の予測の違いを調べるものである。
論文参考訳（メタデータ） (2024-02-12T16:15:25Z)
Fine-grained Forecasting Models Via Gaussian Process Blurring Effect [6.472434306724611]
時系列予測は、複雑な時間的依存関係と動的な時間的依存関係が存在するため、困難なタスクである。より多くのトレーニングデータを使用することで精度が向上するが、このソースは制限されることが多い。我々は、エンドツーエンドの予測・デノゲーションパラダイムを提唱し、画像生成のためのDenoisingアプローチを成功させています。
論文参考訳（メタデータ） (2023-12-21T20:25:16Z)
Counterfactual Explanations for Time Series Forecasting [14.03870816983583]
本稿では,時系列予測における対実生成の新たな問題を定式化し,ForecastCFと呼ばれるアルゴリズムを提案する。 ForecastCFは、勾配に基づく摂動を元の時系列に適用することで、この問題を解決する。以上の結果から,ForecastCFは,逆ファクト的妥当性とデータ多様体の近接性の観点から,ベースラインよりも優れていた。
論文参考訳（メタデータ） (2023-10-12T08:51:59Z)
Pathologies of Pre-trained Language Models in Few-shot Fine-tuning [50.3686606679048]
実例が少ない事前学習言語モデルはラベル間に強い予測バイアスを示すことを示す。わずかな微調整で予測バイアスを軽減できるが,本分析では,非タスク関連の特徴を捉えることで,モデルの性能向上を図っている。これらの観察は、より少ない例でモデルのパフォーマンスを追求することは、病理学的予測行動を引き起こす可能性があることを警告する。
論文参考訳（メタデータ） (2022-04-17T15:55:18Z)
Complex Event Forecasting with Prediction Suffix Trees: Extended Technical Report [70.7321040534471]
複合イベント認識(CER)システムは、イベントのリアルタイムストリーム上のパターンを"即時"検出する能力によって、過去20年間に人気が高まっている。このような現象が実際にCERエンジンによって検出される前に、パターンがいつ発生するかを予測する方法が不足している。複雑なイベント予測の問題に対処しようとする形式的なフレームワークを提案する。
論文参考訳（メタデータ） (2021-09-01T09:52:31Z)
Predictive process mining by network of classifiers and clusterers: the PEDF model [0.0]
PEDFモデルは、イベントのシーケンス、期間、追加機能に基づいて学習する。このモデルはログファイルから2つのデータセットを抽出する必要がある。
論文参考訳（メタデータ） (2020-11-22T23:27:19Z)

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。