- HOEG：一种面向对象的预测性流程监控新方法
通过将事件和对象编码成图结构，提出了一种集成多样节点类型的异构对象事件图编码（HOEG）方法，然后采用异构图神经网络体系结构，在预测任务中利用这些多样的对象特征；评估了 HOEG 在预测剩余时间方面的性能和可扩展性，并与两种已建立的基于图的 - 通过临床背景知识指导预测流程监控的逆事实解释生成
通过使用基因算法技术，考虑运行时的一系列时间约束条件，我们在预测性过程监控的解释性领域中，为反事实在生成方面进行了改进，以保持时间背景知识的满意度，以及遵循反事实的传统质量指标。
- 基于 Transformer 的医疗过程监测中的结构位置编码
基于 transformer 和本体领域特定知识的预测性流程监控方法， 在中风管理领域取得了有希望的实验结果。
- 基于知识驱动的具有注意机制的神经网络调制方法用于下一步活动预测
预测性过程监控 (PPM) 旨在利用历史过程执行数据预测正在进行的执行将如何持续到完成。本文介绍了一种基于符号化过程模型的背景知识的 Symbolic [Neuro] 系统，以解决训练数据下采样的问题，并使用关注机制的神经网络进行预测，该系 - 提高商业流程活动序列预测器的准确性
通过引入一种采样方法，本文增强了一个深度学习方法，实验证明增强方法在控制流准确度方面优于未增强方法，并用于预测案例后缀活动顺序、估计短期工作量和执行时间。
- 在在线环境中测量流程结果预测的稳定性
提出了一个用于评估在线预测性流程监控模型稳定性的评估框架，并验证了该框架对不同风险场景下的预测模型比较和选择的有效性。
- 基于 LSTM 的时间变化可变性数据的预测监控方法
该论文研究了循环神经网络和其变体在处理序列方面的强大性能，并提出了一种基于长短期记忆（LSTM）预测区间的控制图方法，用于监测具有时间变动性的数据，并表明该方法优于其他基于神经网络的预测监测方法，特别适用于检测平均值突变的异常情况。
- 基于跨案例的预测过程监控：量子机器学习的候选方案？
本文利用最新的机器学习技术，综合分析了 Inter-case Predictive Process Monitoring (PPM) 对预测准确性的影响，研究表明多个 instance 之间的特征提取能够提高预测准确性，并且在少量特征配置下 - 预测性流程监控中机器学习不确定性的量化和解释：运筹学视角
本文介绍了一个多阶段综合的机器学习方法，有效地将信息系统和人工智能相结合，以增强操作研究领域内的决策过程的效力。该方法能够解决现有解决方案的常见限制，例如忽略关键生产参数的数据驱动估计、仅生成点预测而不考虑模型不确定性以及缺乏关于不确定性来 - 机器学习解释中的不确定性传达：用可视化分析方法进行预测过程监控
本研究探讨了如何在可靠和透明的决策机制中集成不确定性量化和模型可解释性方法，以促进可信的业务和运营过程分析。研究了如何在全局和本地后验解释方法中有效地传达模型不确定性，并检查了适当的可视化分析方法以促进方法论的集成。所提出的方法和界面也得到 - 解释，适应和重新训练：如何通过不同的解释风格提高 PPM 分类器的准确性
本研究介绍了一种新的方法来解释为什么预测性过程监控 (PPM) 模型提供错误预测，并通过使用最先进的后期解释器获得的解释来在半自动化方式下识别导致预测产品出错的最常见特征，并减少这些特征的影响，提高预测模型的准确性，主要包括预测性过程监控、 - 预测性监控的性能维持事件日志采样
本研究提出了一种选择实例的程序，可以提高训练速度，同时保持可靠的预测准确度，用于预测活动和剩余时间等信息，适用于预测过程挖掘的研究领域。
- Nirdizati: 一个高级预测性过程监控工具箱
本文介绍了一个名为 Nirdizati 的预测性流程监测工具，它帮助用户建立、比较、分析和解释预测模型，并提供了一组不同的先进方法，以帮助 BPM 研究者和实践者研究和比较预测流程监测技术。Nirdizati 工具的功能丰富，可以支持研究者 - 利用人工神经网络学习不确定性以改进预测性流程监控
研究了使用贝叶斯神经网络中的可学习不确定性来训练预测过程监控模型，以预测剩余时间和结果，并得出结论认为这种不确定性估计可以区分更精确和不太精确的预测，从而提高了用户对于这种预测系统的信心，在合作和以较小的数据集进行更早的实施方面具有潜在的可 - 面向流程信息系统的预测性合规监控：现状、功能和研究方向
分析现有的合规性监测方法和预测性过程监测方法并提供一个更新的合规性监测功能框架，探讨了将 PMM 与 PCM 相结合实现下一个活动或剩余时间预测，并将预测结果映射到给定的合规性约束集的完整预测合规性监测系统。
- 预测性监控的事件日志抽样
本文提出了一种实例选择程序，可以对采样进行培训，以预测下一步的活动，从而使训练速度显著提高，同时保持可靠的预测准确性。
- 流程结果预测中的可解释性：获取可解释和忠实模型的指南
本文提出了一种解释性度量方式并应用于基于过程的结果预测领域，然后通过对 13 个现实事件日志的实验测试七个分类器和可解释技术，提供了一个名为 X-MOP 的指南，以选择合适的模型。
- 可解释的预测过程监控：用户评估
本研究在预测过程监测领域进行用户评估，旨在探究模型解释是否可理解、在决策制定任务中是否有用以及如何使其更适合过程分析师，结果表明，说明套装总体上对业务流程管理用户具有可理解性和对决策制定任务有用，但不同绘图方式的理解和使用存在差异，不同机器 - 预测性流程监控方法：哪一种最适合我？
本文旨在开发一个价值驱动的框架来分类现有的预测过程监控工作，通过系统地识别、分类和分析现有的预测过程监控方法，开发一个价值驱动的框架，以帮助组织在预测过程监控领域中找到价值并利用这些分析技术的机会。
- 基于告警的处方式过程监控
本文提出了扩展预测性流程监控方法的实用性流程监控框架，该框架在预测性监控的基础上引入了警报、干预、补偿和缓解影响等概念，并且具有可参数化的成本模型来评估在特定情况下应用实用性流程监控的成本效益权衡。作者还概述了一个优化警报生成的方法，并使用