新的GGATN模型生成完整的事件序列用于预测性过程监控

研究人员开发了一种名为图基础交叉注意力Transformer神经网络（GGATN）的新型神经网络架构，用于预测性过程监控。该模型旨在生成完整的事件序列，同时确保结构可行性、时间顺序和属性一致性。与之前专注于单个预测任务的方法不同，GGATN一次性生成活动、时间戳和属性，然后进行约束解码以确保有效路径。在基准事件日志上的实验表明，与LLM基线相比，GGATN在序列相似性和控制流准确性方面表现更优，没有出现虚构的活动或属性不一致的情况。 AI

影响 通过生成更真实的事件序列，这种新模型可以提高预测性过程监控系统的准确性和可靠性。

排序理由 该集群包含一篇详细介绍用于特定AI任务的新神经网络架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• Damerau Levenshtein similarity
• Fang Wang
• GGATN
• Graph Grounded Cross Attention Transformer Neural Network
• Predictive Process Monitoring
• transformer
• Viterbi

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →