- Комбинированный подход к анализу процессов и искусственному интеллекту на основе правил для планирования и мониторинга обучения в высшем образовании(arXiv)
Автор: Мириам Вагнер, Хайян Хелал, Рене Рёпке, Свен Юдель, Йенс Доверен, Сергей Гёрцен, Пуя Судман, Герхард Лейкмейер, Ульрик Шредер, Уил ван дер Алст
Аннотация: в этом документе представлен подход к использованию методов анализа процессов и искусственного интеллекта на основе правил для анализа и понимания путей обучения студентов на основе данных системы управления кампусом и моделей учебных программ. Методы интеллектуального анализа процессов используются для характеристики успешных путей исследования, а также для обнаружения и визуализации отклонений от ожидаемых планов. Эти идеи сочетаются с рекомендациями и требованиями соответствующих учебных программ, извлеченными из экзаменационных правил. Здесь исчисление событий и программирование набора ответов используются для предоставления моделей учебных программ, которые поддерживают планирование и проверку соответствия, обеспечивая при этом обратную связь о возможных нарушениях учебного плана. В своей комбинации интеллектуальный анализ процессов и искусственный интеллект на основе правил используются для поддержки планирования и мониторинга обучения путем получения правил и рекомендаций для направления студентов на более подходящие пути обучения с более высокими показателями успеха. Будут реализованы два приложения: одно для студентов и одно для разработчиков учебных программ.
2.TraVaS: выбор дифференциального частного варианта трассировки для интеллектуального анализа процессов(arXiv)
Автор: Маджид Рафией, Фредерик Вангелик, Вил М. П. ван дер Алст
Аннотация:В области интеллектуального анализа данных промышленных процессов публикация данных о событиях с сохранением конфиденциальности становится все более актуальной. Следовательно, компромисс между высокой полезностью данных и измеримой конфиденциальностью ставит новые задачи. Современные исследования в основном сосредоточены на построении дифференциально-частных вариантов трассировки на основе методов префиксного расширения. Однако эти алгоритмы сталкиваются с несколькими практическими ограничениями, такими как высокая вычислительная сложность, введение поддельных вариантов, удаление частых вариантов и ограниченная длина варианта. В этой статье мы представляем новый подход к прямому дифференциально-приватному выпуску вариантов трассировки, который использует анонимные стратегии \textit{partition selection} для преодоления вышеупомянутых ограничений. Экспериментальные результаты на данных о реальных событиях показывают, что наш алгоритм превосходит современные методы с точки зрения как полезности простых данных, так и сохранения полезности результата. △
3.Журнал событий, дополненный IoT, для интеллектуального анализа процессов на умных фабриках(arXiv)
Автор:Лукас Мальбург, Йоша Грюгер, Ральф Бергманн
Аннотация. Современные технологии, такие как Интернет вещей (IoT), приобретают все большее значение в различных областях, включая исследования в области управления бизнес-процессами (BPM). Одной из основных областей исследований в области BPM является анализ процессов, который можно использовать для анализа журналов событий, например, для проверки соответствия запущенных процессов. Однако существует лишь несколько журналов событий на основе IoT, доступных для исследовательских целей. Некоторые из них создаются искусственно, и проблема заключается в том, что они не всегда полностью отражают реальные физические свойства умных сред. В этой статье мы представляем расширенный IoT журнал событий XES, созданный физической интеллектуальной фабрикой. Для этого мы создаем расширение SensorStream XES для представления IoT-данных в журналах событий. Наконец, мы представляем некоторый предварительный анализ и свойства журнала.
