基于随机已知日志的符合性检查
本文介绍了一种基于概率事件日志的对齐式符合性检查算法,使用传感器、物联网技术、统计学和人工智能等现代监测和活动识别技术来产生事件数据,并通过自定义阈值参数控制事件数据与过程模型的信任水平,展示该算法在理论例子中的功能,从而减少假阳性偏差。
Sep, 2022
本文提出了一种从随机已知日志中恢复跟踪的算法,该方法基于过程模型计算跟踪与日志的符合度,并利用产品多图比较替代的跟踪恢复方案。在两个公开数据集上的平均精度为 90-97%,在这些不确定性数据的不确定环境中提供了正确轨迹恢复的有效算法。
Jun, 2022
本研究提出了一种新颖的滑动窗口方法,以解决大规模过程挖掘应用中的符合性检查问题,并在保持基于对齐方法的可解释性的同时,显著降低搜索空间。该方法利用捕获跟踪信息和过程模型的结构特性的全局信息,做出明智的对齐决策,从而提高了结果的整体准确性。实验评估结果显示该方法在大多数情况下能够稳定地找到最优对齐,并展示了其可扩展性。理论复杂性分析进一步表明与其他常见的符合性检查方法相比,该方法搜索空间的增长较小。这项研究为大规模过程挖掘应用的高效符合性检查提供了宝贵的贡献。
Jun, 2024
论文介绍了如何通过应用 SMT 编码来检验具有不确定性的记录信息与数据感知型参考过程的一致性,且作者设计的方法具有模块化和可扩展性为不同类型的不确定性提供适当的成本函数以应对不同的一致性检验任务,并通过实际实现验证了其正确性和可行性。
Jun, 2022
传统的一致性检查任务假设事件数据提供了实际流程执行的准确和完整的表示。然而,由于日益普遍的事件识别管道所导致的不确定性,事件不再以明确的方式被跟踪,而是间接地得到。本文提出了一个新的模糊语义的模型,用于检查模糊事件数据是否符合声明模式或线性时间逻辑的要求。通过放宽假设并重新定义模糊语义的布尔运算符,我们能够检查多个模糊跟踪的一致性,以解决这一问题。
Jun, 2024
该研究论文提出了一种新的形式主义,结合了现有方法的关键建模特性,特别是以对象为中心的 Petri 网捕捉一对多的关系,以及具有标识符的 Petri 网根据对象的身份比较和同步。我们称之为 ' 具有标识符的以对象为中心的 Petri 网 ',并定义了此设置的对齐和符合性检查任务。我们提出了一种基于在满足性模理论中的编码的形式主义进行的一致性检查方法,并说明了如何有效地克服先前工作的缺点。为了评估其实用性,我们对文献中的数据进行了评估。
Dec, 2023
本文提出了一种基于描述性模型的符合性检查方法,不仅能够离线地分析数据,还能够在线提供实时反馈,并且不依赖于过程控制流,可以基于工作交接的社交网络等其他角度进行分析。该方法在 ProM 中实现,经过将真实数据与合成数据进行的三次实验,得到了实验结果。
Jan, 2022
使用符合推断进行基于数据驱动的离散时间随机动态系统的可达性分析,将数据集转化为代理预测模型,通过符合推断量化预测模型的误差,从而提供概率可达性保证。该方法适用于复杂闭环动态难以使用符号模型建模的学习增强控制系统。
Sep, 2023
该论文提出了一种基于符合度检查度量的算法,用于自动检测渐进漂移的变化,并对这些变化进行自动分类,通过合成数据集验证了该算法的准确性和延迟,并得到了更好的结果。
Jul, 2022
提出了一种新颖的框架,用于分析安全关键的网络物理系统的操作输出特征的随机一致性,并可以发现未知的操作场景和评估潜在的安全隐患。
Sep, 2023