文献

J-GLOBAL ID：202002285375291318   整理番号：20A2552009

プロセスモデル一般化を定量化するための敵対システム変数近似【JST・京大機械翻訳】

Adversarial System Variant Approximation to Quantify Process Model Generalization

著者 (2件)： Theis Julian (Mechanical and Industrial Engineering Department, University of Illinois at Chicago, Chicago, IL, USA) ,  Darabi Houshang (Mechanical and Industrial Engineering Department, University of Illinois at Chicago, Chicago, IL, USA)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 194410-194427  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： プロセスマイニングでは,プロセス発見アルゴリズムを用いてイベントログからプロセスモデルを抽出し,多重品質メトリックを用いて一般的に評価する。そのイベントログに対する抽出プロセスモデルの関係を測定する計量はよく研究されているが,プロセスモデルがその根底にあるシステムの観測されない挙動を記述することができるレベルの定量化は,文献において短くなる。本論文では,この問題を克服するために,Adversarial System Variant Approximation(AVATAR)と呼ばれる新しい深層学習ベース方法論を提案した。システム挙動の根底にあるバリアント分布を近似する意図で,イベントログに含まれる変異体上でシーケンス生成敵対ネットワークを訓練した。観測されない現実的変異体を,配列生成敵対ネットワークから直接,または,Metroolis-Hastingsアルゴリズムを活用することによって,サンプリングした。プロセスモデルがその基礎となる未知システム挙動に関係する程度を,確立されたプロセスモデル品質計量を用いて,現実的観察および推定非観察変異体に基づいて定量化した。15のグランドトルースシステムに関する制御された実験で,現実的な観察されないバリアントを明らかにする際の顕著な性能改善を実証した。さらに,提案方法論を実験的に試験し,それらのシステムに関して60の発見されたプロセスモデルの一般化を定量化するために評価した。Copyright 2020 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： アルゴリズム ,  ネットワーク ,  *近似法 ,  多重化
準シソーラス用語： *プロセスモデル ,  ホップ数 ,  グランドトゥルース ,  プロセスマイニング ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： プロセスモデル ,  一般化 ,  定量化 ,  敵対 ,  変数 ,  近似