Benutzer: Gast  Login
Originaltitel:
Machine Learning of Timed Automata 
Übersetzter Titel:
Maschinelles Lernen von Zeitannotierten Automaten 
Jahr:
2013 
Dokumenttyp:
Dissertation 
Institution:
Fakultät für Informatik 
Betreuer:
Rost, Burkhard (Prof. Dr.) 
Gutachter:
Rost, Burkhard (Prof. Dr.); Kramer, Stefan (Prof. Dr.) 
Sprache:
en 
Fachgebiet:
DAT Datenverarbeitung, Informatik 
Stichworte:
timed automata, process mining, incremental clustering, frequent pattern mining 
Übersetzte Stichworte:
Prozessmining, zeitgelabelte Automaten, Inkrementelles Clustering 
Schlagworte (SWD):
Maschinelles Lernen; Zeitbehafteter Automat 
TU-Systematik:
DAT 552d; DAT 708d 
Kurzfassung:
This dissertation investigates the applicability of timed automata in the domain of biological process mining. A new type of automata models the change of the variables' values without explicitly assuming the inter-dependencies. Thus, a method which automatically identifies states and transitions of the given process is established. A subsequent problem is the scalability of the approach for large data sets. Therefore, two methods that use online maximum frequent pattern based clustering are pre...    »
 
Übersetzte Kurzfassung:
Diese Dissertation untersucht die Anwendbarkeit von zeitannotierten Automaten für das biologische Prozess-Mining. Ein neuer Automatentyp modelliert die Änderung der Variablen ohne deren Abhängigkeiten vorher zu bestimmen. Dafür wird eine Methode vorgestellt, die die Zustände und Transitionen des Prozesses automatisch erkennt. Ein weiteres Problem ist die Skalierbarkeit auf großen Daten, weshalb zwei inkrementelle Methoden vorgestellt werden. Hintergrundwissen kann ebenfalls durch einen neuen Con...    »
 
Mündliche Prüfung:
16.12.2013 
Dateigröße:
8219957 bytes 
Seiten:
191 
Letzte Änderung:
20.05.2014