Deep learning transformer architecture for predictive business processes monitoring and anomaly detection

A lo largo de los años, el aprendizaje profundo y las redes neuronales se han aplicado en diferentes campos, como el procesamiento del lenguaje natural (PLN), la atención médica, la visión por computadora, el reconocimiento de voz, etc. Incluso si el PLN es el foco de aplicación de las redes neurona...

Full description

Autores:: Díaz Torres, Mauricio

Tipo de recurso:: Trabajo de grado de pregrado

Fecha de publicación:: 2020

Institución:: Universidad de los Andes

Repositorio:: Séneca: repositorio Uniandes

Idioma:: eng

Description
Summary:	A lo largo de los años, el aprendizaje profundo y las redes neuronales se han aplicado en diferentes campos, como el procesamiento del lenguaje natural (PLN), la atención médica, la visión por computadora, el reconocimiento de voz, etc. Incluso si el PLN es el foco de aplicación de las redes neuronales, se han realizado varias investigaciones en el monitoreo predictivo de procesos. Esta área tiene como objetivo predecir cómo se pueden anticipar las características de los eventos del proceso en ejecución. Se han utilizado diferentes métodos y arquitecturas para abordar este problema y obtener la mejor precisión de predicción de diferentes características en un caso. Estas arquitecturas se abordarán más adelante. El objetivo de este trabajo es implementar un método de monitoreo predictivo en procesos de negocios utilizando la arquitectura de aprendizaje profundo de transformadores para evaluar su desempeño en la predicción de próximos eventos anómalos. Considerando que, para detectar si el siguiente evento es anómalo o no, solo se utilizarán los resultados de la predicción y métodos estadísticos, y no un método especial para la detección de anomalías, como en los trabajos DeepAlign y BiNet. Además, abordaremos los eventos anómalos como un evento fuera de lo común y no necesariamente algo malo. Por esta razón, revisaremos diferentes técnicas para la predicción del siguiente evento que se utilizan en trabajos relacionados, luego explicaré la arquitectura seleccionada y la implementaré considerando solo la predicción del siguiente evento. Y finalmente, procederemos a la validación de esta técnica con varios conjuntos de datos y la comparación de los resultados con otros trabajos.

Deep learning transformer architecture for predictive business processes monitoring and anomaly detection

Publicaciones similares