文献

J-GLOBAL ID：201802231338335803   整理番号：18A2037188

逸脱ビジネスプロセスインスタンスの検出のためのアンサンブルベースP2Pフレームワーク【JST・京大機械翻訳】

An Ensemble-Based P2P Framework for the Detection of Deviant Business Process Instances

著者 (3件)： Folino Francesco ,  Folino Gianluigi ,  Pontieri Luigi
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： HPCS  ページ： 122-129  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： いくつかの適切な特徴空間上にマッピングした後に,ビジネスプロセスの実行ログにおける「異常」トレース(例えば,通常/望ましい結果からのトレース発散,故障など)を識別する問題は,トレースのための分類モデルを抽出することによって直面することができる。集合学習アプローチは,与えられたログの異なるベクトル空間ビュー上で複数のベース学習者を訓練し,発見されたベース分類器の予測を結合する確率的メタモデルを提案した。しかしながら,この学習手法の逐次集中化実装は,大量のトレースが連続的に生成される実応用に適さない。一方,偏差と正常な挙動の両方が時間とともに変化する傾向がある。ここでは,トレースストリームの異なるチャンクから異なるベースモデルを抽出し,それらをアンサンブルモデルに動的に結合する,新しい増分学習方式を活用するオンライン偏差検出フレームワークを提案した。特に,システムはp2pアーキテクチャに基づいており,多重ノード間の全学習手順を配布し,HPC資源(例えばクラウドコンピューティング環境)の電力を利用することを可能にする。現実のログに関する予備試験は,有効性と効率の両方に関して,このアプローチの妥当性を確認した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 多重化 ,  集中化 ,  計算機アーキテクチャ ,  ベクトル空間 ,  電力 ,  *学習
準シソーラス用語： クラウドコンピューティング ,  オンライン ,  チャンク ,  メタモデル ,  学習者 ,  分類モデル ,  特徴空間 ,  ピアツーピア ,  *ビジネスプロセス , 【Automatic Indexing@JST】

分類 (3件)： 音声処理  (JE05000E) ,  符号理論  (ND02030R) ,  専用演算制御装置  (JC04030Y)

タイトルに関連する用語 (6件)： 逸脱 ,  ビジネスプロセス ,  インスタンス ,  アンサンブル ,  P2P ,  フレームワーク