关键词prescriptive process monitoring
搜索结果 - 9
- 使用强化学习优化护理过程中的响应:关于攻击事件的案例研究
本文通过应用增强学习算法 Q-learning 和 SARSA,使用护理流程中的事件数据,训练马尔可夫决策过程,以寻找在客户出现任何类型的攻击性行为时,员工的最佳策略。结果显示,这些算法得出的策略与目前最常用的行为相似,但在某些情况下为员工 - 资源约束下的处方流程监控:一种强化学习方法
本文提出了一种使用强化学习方法和符合预测技术的过程监控方法,以考虑干预决策基于预测的不确定性和资源利用级别的不确定性来避免资源浪费和提高干预效果。
- 利用因果推断和增强学习进行时间过程干预
通过对合成数据进行实验,证明了强化学习在流程优化中的优势,其策略的表现优于因果推断方法,并且在相同的条件下更加稳健,可应用于许多总结性过程监控问题,但在线学习不是一个好的选择时,因果推断则具有优势。
- 从时间数据中学习行动,推荐最佳策略
本文提出了一个基于强化学习的方法来学习,通过观察过去的执行来推荐最佳活动以优化感兴趣的 KPI,首先通过学习特定 KPI 的马尔可夫决策过程,然后使用 RL 训练来学习最优策略,该方法通过在真实和合成数据集上的验证,并与异策略深度 RL 方 - IJCAI聊天机器人编排在智能流程自动化中的处方式流程监控
介绍了使用具有 AI 动力的自动化技术的业务流程,其中包括了经典业务流程管理、目标驱动的聊天机器人、对话式推荐系统和机器人流程自动化,探讨了这一新领域中最主要的挑战,并引入合成数据集,演示了众包和目标驱动方法来进行过程监控。
- 自信干预:业务流程的符合规范处方监测
该研究提出了一种利用可信度预测方法来增强运行时介入决策的新方法,实证结果表明,这种方法在资源受限条件下可以提高迎合预测值的介入策略的效益。
- 基于时间逻辑模式的面向结果的处方式过程监控
提出了一种基于结果导向的 Prescriptive Process Monitoring 系统,该系统使用线性时间逻辑来定义活动之间的时间关系,通过训练机器学习分类器来预测目标结果,并在运行时返回最显著的时间模式。
- 何时干预?资源受限和不确定性下的规定性过程监控
本研究提出了一种基于预测得分、预测不确定性和干预因果效应来过滤和排名进行中案例的规定性流程监测方法,以最大化利益函数触发干预,考虑可用资源,在真实事件日志的评估中表现出比现有基线更好的总利益。
- 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