Buchumschlag

PGTNet: A Process Graph Transformer Network for Remaining Time Prediction of Business Process Instances

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Elyasi, Keyvan Amiri, van der Aa, Han, Stuckenschmidt, Heiner
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Rethinking BPS: A Utility-Based Evaluation Framework
von: Özdemir, Konrad, et al.
Veröffentlicht: (2025)

A Divide-and-Conquer Approach for Modeling Arrival Times in Business Process Simulation
von: Kirchdorfer, Lukas, et al.
Veröffentlicht: (2025)

AgentSimulator: An Agent-based Approach for Data-driven Business Process Simulation
von: Kirchdorfer, Lukas, et al.
Veröffentlicht: (2024)

Reevaluation of Inductive Link Prediction
von: Ott, Simon, et al.
Veröffentlicht: (2024)

Explaining Neural Networks without Access to Training Data
von: Marton, Sascha, et al.
Veröffentlicht: (2022)

GradTree: Learning Axis-Aligned Decision Trees with Gradient Descent
von: Marton, Sascha, et al.
Veröffentlicht: (2023)

A Data-Centric Perspective on Evaluating Machine Learning Models for Tabular Data
von: Tschalzev, Andrej, et al.
Veröffentlicht: (2024)

An Innovative Next Activity Prediction Using Process Entropy and Dynamic Attribute-Wise-Transformer in Predictive Business Process Monitoring
von: Zare, Hadi, et al.
Veröffentlicht: (2025)

Anomaly Correction of Business Processes Using Transformer Autoencoder
von: Gong, Ziyou, et al.
Veröffentlicht: (2024)

A Framework for Streaming Event-Log Prediction in Business Processes
von: Bollig, Benedikt, et al.
Veröffentlicht: (2024)

A Review of AI and Machine Learning Contribution in Predictive Business Process Management (Process Enhancement and Process Improvement Approaches)
von: Abbasi, Mostafa, et al.
Veröffentlicht: (2024)

Directly Follows Graphs Go Predictive Process Monitoring With Graph Neural Networks
von: Lischka, Attila, et al.
Veröffentlicht: (2025)

A Survey on Graph Neural Networks for Remaining Useful Life Prediction: Methodologies, Evaluation and Future Trends
von: Wang, Yucheng, et al.
Veröffentlicht: (2024)

Reinforcement Learning in Switching Non-Stationary Markov Decision Processes: Algorithms and Convergence Analysis
von: Amiri, Mohsen, et al.
Veröffentlicht: (2025)

A Novel Preprocessing-Driven Approach to Remaining Useful Life (RUL) Prediction Using Temporal Convolutional Networks (TCN)
von: Imbert, Florent, et al.
Veröffentlicht: (2026)

Hybrid Gaussian Process Regression with Temporal Feature Extraction for Partially Interpretable Remaining Useful Life Interval Prediction in Aeroengine Prognostics
von: Niu, Tian, et al.
Veröffentlicht: (2024)

Renaissance of RNNs in Streaming Clinical Time Series: Compact Recurrence Remains Competitive with Transformers
von: Tong, Ran, et al.
Veröffentlicht: (2025)

Predictive Process Monitoring Using Object-centric Graph Embeddings
von: Gherissi, Wissam, et al.
Veröffentlicht: (2025)

Analytical Uncertainty-Based Loss Weighting in Multi-Task Learning
von: Kirchdorfer, Lukas, et al.
Veröffentlicht: (2024)

CountTRuCoLa: Rule Confidence Learning for Temporal Knowledge Graph Forecasting
von: Gastinger, Julia, et al.
Veröffentlicht: (2025)

Markov Process-Based Graph Convolutional Networks for Entity Classification in Knowledge Graphs
von: Mäkelburg, Johannes, et al.
Veröffentlicht: (2024)

Graph and Simplicial Complex Prediction Gaussian Process via the Hodgelet Representations
von: Alain, Mathieu, et al.
Veröffentlicht: (2025)

Automated Machine Learning for Remaining Useful Life Predictions
von: Zöller, Marc-André, et al.
Veröffentlicht: (2023)

Remaining Useful Life Prediction: A Study on Multidimensional Industrial Signal Processing and Efficient Transfer Learning Based on Large Language Models
von: Chen, Yan, et al.
Veröffentlicht: (2024)

Spectral Transformer Neural Processes
von: Chen, Xianhe, et al.
Veröffentlicht: (2026)

Graph Autoencoder for Process Monitoring
von: Zhang, Xiangrui
Veröffentlicht: (2026)

Few-shot Steerable Alignment: Adapting Rewards and LLM Policies with Neural Processes
von: Kobalczyk, Katarzyna, et al.
Veröffentlicht: (2024)

Deep Graph Neural Point Process For Learning Temporal Interactive Networks
von: Chen, Su, et al.
Veröffentlicht: (2025)

A Rollout-Based Algorithm and Reward Function for Resource Allocation in Business Processes
von: Middelhuis, Jeroen, et al.
Veröffentlicht: (2025)

BACE-RUL: A Bi-directional Adversarial Network with Covariate Encoding for Machine Remaining Useful Life Prediction
von: Zhang, Zekai, et al.
Veröffentlicht: (2025)

Graph Spatiotemporal Process for Multivariate Time Series Anomaly Detection with Missing Values
von: Zheng, Yu, et al.
Veröffentlicht: (2024)

Multiscale Dual-path Feature Aggregation Network for Remaining Useful Life Prediction of Lithium-Ion Batteries
von: Lv, Zihao, et al.
Veröffentlicht: (2025)

Meta-Learning and Knowledge Discovery based Physics-Informed Neural Network for Remaining Useful Life Prediction
von: Wang, Yu, et al.
Veröffentlicht: (2025)

Mixup Domain Adaptations for Dynamic Remaining Useful Life Predictions
von: Furqon, Muhammad Tanzil, et al.
Veröffentlicht: (2024)

Generating Realistic Adversarial Examples for Business Processes using Variational Autoencoders
von: Stevens, Alexander, et al.
Veröffentlicht: (2024)

FTT-GRU: A Hybrid Fast Temporal Transformer with GRU for Remaining Useful Life Prediction
von: Chirukiri, Varun Teja, et al.
Veröffentlicht: (2025)

Fine-Grained Graph Generation through Latent Mixture Scheduling
von: Vakil, Nidhi, et al.
Veröffentlicht: (2026)

Transformer Neural Processes - Kernel Regression
von: Jenson, Daniel, et al.
Veröffentlicht: (2024)

Graph-Structured Hyperdimensional Computing for Data-Efficient and Explainable Process-Structure-Property Prediction
von: Ge, Jingzhan, et al.
Veröffentlicht: (2026)

Transferring Graph Neural Networks for Soft Sensor Modeling using Process Topologies
von: Theisen, Maximilian F., et al.
Veröffentlicht: (2025)