实体
Sjoerd Straten Van
Sjoerd Straten Van
PulseAugur coverage of Sjoerd Straten Van — every cluster mentioning Sjoerd Straten Van across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的自监督框架通过数据增强提升过程预测能力
研究人员开发了SiamSA-PPM，一个新颖的自监督框架，旨在改善在标记数据有限情况下的预测性过程监控（PPM）。该框架结合了Siamese学习和基于统计的数据增强，采用了考虑控制流语义和常见行为模式的独特转换方法。该方法生成逼真且语义有效的轨迹变体，无需标记监督即可学习可泛化的前缀表示。在真实事件日志上的实验表明，与现有的最先进基线相比，SiamSA-PPM在预测下一个活动和最终结果方面均取得了具有竞争力或更优的性能。
-
新框架支持预测性流程监控的基础模型持续微调
研究人员推出 COMPASS，一个新颖的框架，专为预测性流程监控 (PPM) 的基础模型 (FM) 在线持续微调而设计。该方法解决了现有从头开始训练特定任务网络的方法中固有的冷启动问题。COMPASS 采用损失平台漂移检测来识别事件流中的任务边界，并维护统一的知识子空间，在各种漂移场景下均优于最先进的非 FM 竞争对手。
-
新的D-TAIA框架适配大语言模型用于预测性流程监控
研究人员开发了D-TAIA，一个用于将基础模型（特别是大语言模型LLMs）适配到多任务预测性流程监控（PPM）的新框架。该方法通过结合领域感知预训练和基于FAISS的检索机制来预测剩余时间，解决了数据稀缺和分布偏移等挑战。在四个真实事件日志上进行评估，D-TAIA在与现有LLM和RNN基线相比时，表现出最先进或有竞争力的性能，证明了将NLP和计算机视觉技术迁移到PPM的有效性。