随机已知日志的迹线恢复
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
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
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
本研究提出了一种从事件日志中发现模式并将其与流程模型中的控制流结构进行比较的通用性度量框架,并使用串联重复和并发神谕等方法实例化框架以更好地解决流程挖掘中存在的一些问题。
Mar, 2022
本文提出了一种基于 MAX-SAT 框架的方法,用于自动学习规划系统的领域模型,通过输入一组含有无序动作和噪声的计划迹线来输出最佳的动作模型,并通过系统实证评估证明了该方法的有效性
Aug, 2019
基于进程追踪的过程发现中,我们提出了一种基于语法推理的新方法来发现准确描述输入追踪的小图模型,通过设计和评估一种遗传算法,支持推理参数收敛至发现有趣模型的区域。实验证实我们的新方法可以构建更小的模型,准确地表示输入追踪及其频率,并首次将行动图解释为描述行动迹线的随机语言模型。
Dec, 2023