Petri Nets and Performance Models
PulseAugur coverage of Petri Nets and Performance Models — every cluster mentioning Petri Nets and Performance Models across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新研究提出使用Petri网来处理个体化因果效应
一篇新研究论文提出，在个体标记哲学下使用Petri网作为标记级别因果结构的自然表示，超越了结构因果模型和贝叶斯网络等传统的类型级别形式主义。作者认为，现有框架难以处理治疗效果中无限的异质性，而他们提出的方法提供了一种独立于分布假设的因果机制的结构表示。这种方法与保形预测层相结合，旨在提供具有有限样本覆盖保证的个体因果效应的完整描述。
-
新方法改进AI对流程模型的分析
研究人员开发了新的方法来增强用于分析Petri网的消息传递图神经网络，Petri网用于建模流程。所提出的技术PNRWPE和DA-PNGNN结合了定向循环和关联矩阵信息。这些方法显著提高了预测流程发现模型的生成因素的准确性，并增强了流程模型的检索能力。
-
神经彼得流架构通过硬编码约束模拟化学反应
研究人员推出了一种新颖的神经彼得流（NPF）架构，该架构将彼得网的原理硬编码到神经网络中，用于模拟化学反应。这种方法确保网络在无需显式训练这些约束的情况下，固有地遵守化学语义，例如键的形成/断裂和价键规则。NPF学习转换的速率定律，能够准确预测各种数据集中的反应产物、EC编号和基本步骤，性能优于现有方法。
-
新的SPECpp框架自动化流程挖掘中的Petri网发现
研究人员推出SPECpp，一个用于发现Petri网的新框架，Petri网用于建模复杂流程。与依赖预定义结构的传统自上而下方法不同，SPECpp采用自下而上的方法，允许并发和自由选择结构等复杂行为有机地出现。该框架通过实施策略来高效生成高质量模型，解决了候选节点数量呈指数级增长的挑战，并通过合成和真实数据实验进行了验证。