Buchumschlag

Generating Realistic Adversarial Examples for Business Processes using Variational Autoencoders

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Stevens, Alexander, Peeperkorn, Jari, De Smedt, Johannes, De Weerdt, Jochen
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

Time Series Foundation Models for Process Model Forecasting
von: Yu, Yongbo, et al.
Veröffentlicht: (2025)

Model-driven Stochastic Trace Clustering
von: Peeperkorn, Jari, et al.
Veröffentlicht: (2025)

Domain Adaptation of LLMs for Process Data
von: Oyamada, Rafael Seidi, et al.
Veröffentlicht: (2025)

SCOPE: Sequential Causal Optimization of Process Interventions
von: De Moor, Jakob, et al.
Veröffentlicht: (2025)

Crafting Imperceptible On-Manifold Adversarial Attacks for Tabular Data
von: He, Zhipeng, et al.
Veröffentlicht: (2025)

ProCause: Generating Counterfactual Outcomes to Evaluate Prescriptive Process Monitoring Methods
von: De Moor, Jakob, et al.
Veröffentlicht: (2025)

Generating Feasible and Plausible Counterfactual Explanations for Outcome Prediction of Business Processes
von: Stevens, Alexander, et al.
Veröffentlicht: (2024)

SimBank: from Simulation to Solution in Prescriptive Process Monitoring
von: De Moor, Jakob, et al.
Veröffentlicht: (2025)

Achieving Group Fairness through Independence in Predictive Process Monitoring
von: Peeperkorn, Jari, et al.
Veröffentlicht: (2024)

Dynamic and Scalable Data Preparation for Object-Centric Process Mining
von: Bosmans, Lien, et al.
Veröffentlicht: (2024)

Actor-Enriched Time Series Forecasting of Process Performance
von: Leribaux, Aurelie, et al.
Veröffentlicht: (2025)

Linking Actor Behavior to Process Performance Over Time
von: Leribaux, Aurélie, et al.
Veröffentlicht: (2025)

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

On the Performance of LLMs for Real Estate Appraisal
von: Geerts, Margot, et al.
Veröffentlicht: (2025)

Generalized Graph Transformer Variational Autoencoder
von: Karki, Siddhant
Veröffentlicht: (2025)

Bidirectional Variational Autoencoders
von: Kosko, Bart, et al.
Veröffentlicht: (2025)

Variational Rank Reduction Autoencoders for Generative Thermal Design
von: Tierz, Alicia, et al.
Veröffentlicht: (2025)

GraViti: Graph-Level Variational Autoencoders with Relaxed Permutation Invariance
von: Bresson, Roman, et al.
Veröffentlicht: (2026)

AVATAR: Adversarial Autoencoders with Autoregressive Refinement for Time Series Generation
von: EskandariNasab, MohammadReza, et al.
Veröffentlicht: (2025)

MemLoss: Enhancing Adversarial Training with Recycling Adversarial Examples
von: Mahdi, Soroush, et al.
Veröffentlicht: (2025)

Towards Interpretable Adversarial Examples via Sparse Adversarial Attack
von: Lin, Fudong, et al.
Veröffentlicht: (2025)

Exploring Transformer Placement in Variational Autoencoders for Tabular Data Generation
von: Silva, Aníbal, et al.
Veröffentlicht: (2026)

Hellinger Multimodal Variational Autoencoders
von: Vo, Huyen, et al.
Veröffentlicht: (2026)

CasTGAN: Cascaded Generative Adversarial Network for Realistic Tabular Data Synthesis
von: Alshantti, Abdallah, et al.
Veröffentlicht: (2023)

SynthSAEBench: Evaluating Sparse Autoencoders on Scalable Realistic Synthetic Data
von: Chanin, David, et al.
Veröffentlicht: (2026)

Adversarial Examples Might be Avoidable: The Role of Data Concentration in Adversarial Robustness
von: Pal, Ambar, et al.
Veröffentlicht: (2023)

Purify Unlearnable Examples via Rate-Constrained Variational Autoencoders
von: Yu, Yi, et al.
Veröffentlicht: (2024)

A New Type of Adversarial Examples
von: Nie, Xingyang, et al.
Veröffentlicht: (2025)

Uncertainty-Aware Generative Oversampling Using an Entropy-Guided Conditional Variational Autoencoder
von: Zare, Amirhossein, et al.
Veröffentlicht: (2025)

Analyzing the Impact of Adversarial Examples on Explainable Machine Learning
von: Devabhakthini, Prathyusha, et al.
Veröffentlicht: (2023)

Variational Autoencoders for Efficient Simulation-Based Inference
von: Nautiyal, Mayank, et al.
Veröffentlicht: (2024)

Adaptive Compression of the Latent Space in Variational Autoencoders
von: Sejnova, Gabriela, et al.
Veröffentlicht: (2023)

Poisson Variational Autoencoder
von: Vafaii, Hadi, et al.
Veröffentlicht: (2024)

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

Towards a Novel Perspective on Adversarial Examples Driven by Frequency
von: Zhang, Zhun, et al.
Veröffentlicht: (2024)

ED-VAE: Entropy Decomposition of ELBO in Variational Autoencoders
von: Lygerakis, Fotios, et al.
Veröffentlicht: (2024)

Heteroscedastic Temporal Variational Autoencoder For Irregular Time Series
von: Shukla, Satya Narayan, et al.
Veröffentlicht: (2021)

Model Mimic Attack: Knowledge Distillation for Provably Transferable Adversarial Examples
von: Lukyanov, Kirill, et al.
Veröffentlicht: (2024)

A Simplex Witness Certificate for Constant Collapse in Variational Autoencoders
von: Zhang, Zegu, et al.
Veröffentlicht: (2026)

Discrete Variational Autoencoding via Policy Search
von: Drolet, Michael, et al.
Veröffentlicht: (2025)