Jun, 2024

模糊日志的一致性检查与声明性时间规范

PDF
TL;DR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。
conformance checkingevent datauncertaintyfuzzy semanticstemporal rules
发现论文，激发创造
  • 基于规则的 LTLf 过程规范的测量：一种基于概率的数据驱动方法

    本文介绍了一种为声明性流程规范设计概率测量的框架。提出了一种测量事件日志上规范满足度的技术，并使用真实数据进行了评估，证明了它在发现、检查和漂移检测方面的适用性。

    May, 2023

  • 基于对齐的概率事件一致性检查

    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

  • 基于 SMT 的带有不确定性的一致性检查 (扩展版)

    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

  • 基于随机已知日志的符合性检查

    本文提出了一种基于随机过程观察的过程挖掘和确认方法，使用概率数据分类模型和算法来比较一个过程模型和事件日志，以发现最优匹配。

    Mar, 2022

  • 关于带不确定性有限轨迹的时间逻辑（技术报告）

    提出了一种新的基于超定理解的概率时态逻辑，用于处理现实动态系统中的不确定性，探讨了逻辑的特性并提供了基于自动机的推断机制。同时，研究了具有更好计算性质的逻辑片段，可以通过现有的声明性流程发现技术从事件日志数据中发现公式。

    Mar, 2019

  • 测量声明式流程规范中的不一致性

    这篇研究论文解决了测量申明性进程规范不一致性的问题，重点介绍了固定跟踪（LTLff）的线性时间逻辑的不一致性，提出了一种新的不完全一致语义作为不一致性测量的框架。提出两种基于这些语义的不一致性度量，并研究了引入方法的计算复杂性。

    Jun, 2022

  • 通过定理证明对神经网络进行受限训练

    本文提出了一种基于定理证明的方法，在神经网络的训练中规范和生成时间逻辑约束。通过 Isabelle 定理证明器的高阶逻辑，形式化嵌入线性时间逻辑，提出了一个损失函数，并使用 OCaml 版本制作的 PyTorch 模型进行了训练。结果表明，该算法在动态运动中达到预期效果，且避免了直接在 Python 这种编程语言中实现逻辑方面带来的许多风险。

    Jul, 2022

  • 概率逻辑编程事件演算

    基于符号表示的视频内容，我们提出了一个识别人类活动的系统：以时间戳的短期活动 (STA) 为输入，输出由预定义的 STA 时间组合的长期活动 (LTA)，这些 STA 限制已经通过事件演算的方言表达，并适应了最新的概率逻辑编程框架，通过对人类监控视频的基准数据集的实验来进行详细评估和比较。

    Apr, 2012

  • 实时和概率时态逻辑：一概述

    该论文分析了用于真实时间系统的逻辑规范和验证的逻辑符号，分别比较了它们的决策性，公理化程度，表达能力和模型检查等特征。

    May, 2010

  • 线性时态逻辑规则的基于点的时间解释

    这项工作介绍了一种在给定路径规划中评估单个线性时间逻辑（LTL）约束在特定时间的相关性的框架，这是一项我们称之为 “点时解释” 的任务。

    Jun, 2023