Sinteza procesa iz tokova podataka temeljena na induktivnom strojnom učenju (CROSBI ID 434250)
Ocjenski rad | doktorska disertacija
Podaci o odgovornosti
Zakarija, Ivona
Blašković, Bruno
hrvatski
Sinteza procesa iz tokova podataka temeljena na induktivnom strojnom učenju
Tema ove disertacije je istraživanje mogućnosti primjene tehnika dubinske analize procesa na dnevničke podatke kako bi se iz obrazaca ponašanja zabilježenih u dnevniku sintetizirao formalni model procesa. U teorijskom dijelu rada dane su teorijske osnove i formalne definicije najvažnijih pojmova, te su opisane teorijske postavke istraživanja. U radu je dan pregled relevantnih povezanih istraživanja iz područja dubinske analize procesa. U ovoj disertaciji razvijena je metoda za sintezu, analizu i popravak modela procesa. Predložena metoda sastoji se od pripreme podataka, otkrivanja modela procesa, analize i popravka otkrivenog procesnog modela. Metoda za sintezu procesa temelji se na algoritmima i tehnikama iz induktivnog strojnog učenja, a njom se dobiva pregledni model procesa u obliku konačnog automata čiji prijelazi odgovaraju redoslijedu aktivnosti iz dnevničkih datoteka. Pristup opisan u ovoj disertaciji temelji se na induktivnom strojnom učenju koje je realizirano kroz kombinatorni pristup induktivnog programiranja (ILP) i transformacija modela. Vrednovanje metode za analizu, sintezu i popravak procesa provedeno je simulacijama i verifikacijama u alatu za provjeru modela Spin. Kao studijski primjer uzeti su dnevnički podatci iz informacijskog sustava za odmorišnu djelatnost. Verifikacija je provedena nad reprezentativnim procesnim modelom uz šest definiranih različitih specifikacija. Verifikacijom je potvrđeno da dobiveni procesni model zadovoljava postavljene specifikacije. Rezultati vrednovanja otkrivenih procesnih modela potvrđuju da su primjenom predložene metode dobiveni procesni modeli koji dobro odražavaju stvarnost. U ovoj disertaciji predložen je i postupak za provjeru sukladnosti. Primjenom predloženog postupka izvršava se procesni modela tako da se za svaku sekvencu događaja provjerava da li zadani automat (procesni model) sadržava riječ iz testnih podataka (sekvencu događaja). Usklađenost modela s dnevnikom mjeri se sa stajališta klasifikacije te se postavlja u kontekst kvalitete rezultata dubinske analize procesa. Najveći dio istraživanja u području dubinske analize procesa vezan je uz algoritme za otkrivanje procesnih modela, a još uvijek je mali broj tehnika i alata za popravak procesa. Metoda za popravak procesa zasnovana na protuprimjerima predložena je u ovom radu. Proveden je postupak popravka procesa na studijskom primjeru u IoT sustavu Smart Parking, gdje su korišteni dnevnički podatci dobiveni iz dnevnika senzora za parkiranje.
dubinska analiza procesa ; provjera modela ; induktivno strojno učenje ; veliki podatci ; sinteza procesa ; popravak procesa ; provjera sukladnosti ; automatizirana simulacija i verifikacija modela procesa ; IoT
nije evidentirano
engleski
Process synthesis from data streams based on inductive machine learning
nije evidentirano
process mining, model checking ; inductive machine learning ; Big Data, process synthesis ; process repair ; conformance checking ; automated simulation and verification of process models ; IoT
nije evidentirano
Podaci o izdanju
120
24.06.2020.
obranjeno
Podaci o ustanovi koja je dodijelila akademski stupanj
Fakultet elektrotehnike i računarstva
Zagreb