English
DOI:
https://doi.org/10.5617/nmi.10141Emneord (Nøkkelord):
Predictive process monitoring, LSTM, temporal loss function, temporal consistency, remaining time predictionSammendrag
Nytten av gjenværende syklustidsmodeller for prediktiv og preskriptiv prosessovervåking avhenger ikke bare av den generelle nøyaktigheten til prediksjonene, men også av deres tidlighet: prediksjoner bør være så nøyaktige som mulig, så tidlig som mulig. For å gi dette kriteriet større vekt ved modelltilpasning, evaluerer denne artikkel tre tidsmessig wektede L1-tapsfunksjoner. Alle har egenskapen til å øke vekten av residualer fra de tidlige stadiene av en prosess i forhold til residualer fra senere stadier, men gjør dette i ulik grad. Tapsfunksjonene brukes i LSTM-nettverk for trening av gjenværende syklustidsmodeller av fire forskjellige forretningsprosesser basert på offentlig tilgjengelige hendelsesloggdatasett. Sammenlignet med modeller som er trent med uvektet L1-tapsfunksjon, gir de foreslåtte modifikasjonene små, men betydelige forbedringer i tidlighet på data utenfor prøven. Verken det uvektede L1-tapet eller modifikasjonene førte til modeller med strengt monotont avtagende spådommer for gjenværende tid.
Nedlastinger
Publisert
Versjoner
- 2023-08-06 (2)
- 2023-08-06 (1)
Utgave
Seksjon
Lisens
Opphavsrett 2023 Nordic Machine Intelligence
![Creative Commons License](http://i.creativecommons.org/l/by/4.0/88x31.png)
Dette verket er lisensiert under Creative Commons Attribution 4.0 International License.