【摘 要】
：
[目的]预测正在执行中的业务流程实例的剩余执行时间,为业务流程优化提供决策支持.[方法]提出一个业务流程实例剩余执行时间预测的深度迁移学习框架,该框架使用多层循环神经
【机 构】
：
山东科技大学计算机科学与工程学院 青岛266510;
论文部分内容阅读
[目的]预测正在执行中的业务流程实例的剩余执行时间,为业务流程优化提供决策支持.[方法]提出一个业务流程实例剩余执行时间预测的深度迁移学习框架,该框架使用多层循环神经网络构建预测模型,并设计事件表示学习方法为神经网络提供预训练输入.[结果]在5个公开真实数据集上进行实验,结果表明本文方法与现有最优的基于流程模型和深度学习的方法相比,预测误差平均降低约11％.[局限]本文方法可解释性较差,这在一定程度上制约其现实应用场景.[结论]本文提出的深度迁移学习框架和事件表示学习方法能有效提升业务流程实例剩余执行时间预测的准确性.
其他文献
[目的]设计基于可视化的基金资助热点发现方法,用于分析科研立项重点以及发现其演化过程.[方法]基于NASA小企业研发计划基金申请书的文本特征,绘制连续时间窗口下基金资助图
[目的]对广东省刀剪专利数据进行演化规律分析.[方法]提出一种新“体用”归类体系,建立基于LDA的TRIZ特征主题模型,计算不同年份、主题下概率高的前n个词汇,并预测未来三年的
[目的]探索同类突发公共卫生事件中微博用户在各话题类型上的共振规律.[方法]以朗之万方程为基础构建突发公共卫生事件子话题的随机共振模型,以新浪微博上关于山东问题疫苗事
[目的]挖掘网络话题的地域分布,为舆情管控和社会管理提供决策依据.[方法]通过引入网络签到功能,将用户评论的位置参数引入到LDA模型中,提出一种面向地域的网络话题识别模型(