用于业务过程模型后缀生成与剩余时间预测的编码器-解码器生成对抗网络
机器学习
2020-10-20 v2 机器学习
摘要
本文提出了一种基于生成对抗网络（GANs）的编码器-解码器架构，以端到端方式生成活动序列及其时间戳。GANs 在图像等可微数据上表现良好。然而，后缀是类别项的序列。为此，我们使用 Gumbel-Softmax 分布来获得可微的连续近似。训练通过将一个神经网络与另一个置于双人博弈中（即“对抗”性质）来进行，从而生成接近真实值的后缀。实验评估表明，尽管使用了朴素的特征编码且仅基于控制流和事件完成时间构造特征，该方法在预测后缀及相应剩余时间的准确性上优于基线方法。
引用
@article{arxiv.2007.16030,
title = {Encoder-Decoder Generative Adversarial Nets for Suffix Generation and Remaining Time Prediction of Business Process Models},
author = {Farbod Taymouri and Marcello La Rosa},
journal= {arXiv preprint arXiv:2007.16030},
year = {2020}
}
备注
arXiv admin note: substantial text overlap with arXiv:2003.11268