Sharif Digital Repository / Sharif University of Technology
    • [Zoom In]
    • [Zoom Out]
  • Page 
     of  0
  • [Previous Page]
  • [Next Page]
  • [Fullscreen view]
  • [Close]
 
نظارت پیشگویانه فرایند کسب و کار با استفاده از الگوریتم های یادگیری ماشین
فیض، رویا Feiz, Roya

Cataloging brief

نظارت پیشگویانه فرایند کسب و کار با استفاده از الگوریتم های یادگیری ماشین
پدیدآور اصلی :   فیض، رویا Feiz, Roya
ناشر :   صنعتی شریف
سال انتشار  :   1402
موضوع ها :   فرایندکاوی Process Mining نظارت پیشگویانه فرایند Predictive Process Monitoring مدیریت...
شماره راهنما :   ‭01-56668

Find in content

sort by

Bookmark

  • چکیده (6)
  • فصل اول: کلیات پژوهش (12)
    • 1 - 1 مقدمه (13)
    • 1 - 2 مبانی نظری (15)
      • 1 - 2 - 1 مدیریت فرآیندهای کسب‌وکار (15)
      • 1 - 2 - 2 فرآیندکاوی (18)
      • 1 - 2 - 3 گزارش رویداد (18)
      • 1 - 2 - 4 پایش فرآیند کسب و کار40F (21)
      • 1 - 2 - 5 نظارت پیشگویانه فرآیند کسب و کار44F (24)
      • 1 - 2 - 6 یادگیری ماشین47F (25)
      • 1 - 2 - 7 یادگیری عمیق53F (25)
      • 1 - 2 - 8 یادگیری چند وظیفه‌‌ای54F (26)
    • 1 - 3 بیان مسئله (26)
    • 1 - 4 ضرورت انجام پژوهش (27)
    • 1 - 5 اهداف پژوهش (29)
    • 1 - 6 سؤالات پژوهش (29)
    • 1 - 7 روش انجام پژوهش (30)
    • 1 - 8 نوآوری پژوهش (31)
    • 1 - 9 مراحل انجام پژوهش (32)
    • 1 - 10 ساختار پژوهش (35)
  • فصل دوم: مبانی نظری و مرور ادبیات (36)
    • 1 -2 (37)
    • 2 - 1 مقدمه (37)
      • 2 - 1 - 1 مبانی نظارت پیشگویانه فرآیند (37)
        • 2 - 1 -1 -1 اهداف رویکردهای نظارت پیشگویانه فرآیند (38)
        • 2 - 1 -1 -2 تعاریف (39)
        • 2 - 1 -1 -3 کدگذاری91F داده‌ها (42)
          • 2 -1 -1 -3 -1 کدگذاری رویداد92F (42)
          • 2 -1 -1 -3 -2 کدگذاری دنباله101F (43)
        • 2 - 1 -1 -4 مدل‌های پیش‌بینی کننده105F (44)
          • 2 -1 -1 -4 -1 شبکه عصبی مصنوعی115F (45)
          • 2 -1 -1 -4 -2 شبکه عصبی بازگشتی138F (49)
    • 2 - 2 مرور ادبیات و پیشینه پژوهش (62)
    • 2 - 3 نتیجه‌گیری (73)
  • فصل سوم: روش تحقیق (74)
    • 1 -3 (75)
    • 3 - 1 مقدمه (75)
    • 3 - 2 دیدگاه کلی تکنیک پیشنهادی (76)
    • 3 - 3 پیش‌بینی رفتار آینده فرآیند به کمک نام فعالیت و مهر زمانی آن (78)
      • 3 - 3 - 1 پیش‌پردازش گزارش‌های رویداد (79)
      • 3 - 3 - 2 کدگذاری رویدادها به روش وان-هات (81)
      • 3 - 3 - 3 پیش‌پردازش دنباله‌ها (82)
        • 3 - 3 -3 -1 ایجاد دنباله‌های پیشوند و پسوند (82)
        • 3 - 3 -3 -2 کدگذاری پیشوند (83)
      • 3 - 3 - 4 پیش‌بینی پسوند188F با استفاده از مکانیزم توجه (84)
        • 3 - 3 -4 -1 مکانیزم توجه190F (84)
      • 3 - 3 - 5 مدل رمزنگار-رمزگشا بر پایه LSTM برای پیش‌بینی پسوند فعالیت‌ و زمان باقی‌مانده تا انتهای یک فرآیند در حال اجرا (88)
        • 3 - 3 -5 -1 تابع هزینه مدل پیشنهادی (93)
        • 3 - 3 -5 -2 مدل رمزنگار-رمزگشا در فاز استنتاج209F (94)
          • 3 -3 -5 -2 -1 جستجوی پرتویی215F (98)
    • 3 - 4 خلاصه فصل (101)
  • فصل چهارم: نتایج پژوهش (102)
    • 1 -4 (103)
    • 4 - 1 مقدمه (103)
    • 4 - 2 توصیف مجموعه داده‌ها (103)
      •  مجموعه داده Help Desk218F (103)
    • 4 - 3 معیارهای ارزیابی (104)
      • 4 - 3 - 1 معیار شباهت Damerau-Levenstein (104)
      • 4 - 3 - 2 معیار میانگین خطای مطلق223F (106)
    • 4 - 4 تنظیمات پیاده‌سازی225F مدل پیشنهادی (106)
    • 4 - 5 پژوهش‌های پایه (107)
    • 4 - 6 نتایج (108)
      • 4 - 6 - 1 ارزیابی عملکرد مدل‌های پیشنهادی در پیش‌بینی پسوند (108)
      • 4 - 6 - 2 ارزیابی عملکرد مدل‌های پیشنهادی در پیش‌بینی زمان باقی‌مانده (110)
      • 4 - 6 - 3 تست‌های آماری (111)
      • 4 - 6 - 4 پیچیدگی زمانی مدل‌های پیشنهادی (113)
      • 4 - 6 - 5 مقایسه استراتژی‌های فاز استنتاج (114)
  • فصل پنجم: نتیجه‌گیری و مطالعات آتی (117)
    • 1 -5 (118)
    • 5 - 1 مقدمه (118)
    • 5 - 2 مروری بر ساختارهای پیشنهادی (118)
    • 5 - 3 پیشنهاد مطالعات آتی (120)
  • مراجع (122)
Loading...