بهبود دقت پیش بینی فرآیندها در مدیریت فرآیندهای کسب وکار با به کارگیری معماری LSTM
عنوان مقاله: بهبود دقت پیش بینی فرآیندها در مدیریت فرآیندهای کسب وکار با به کارگیری معماری LSTM
شناسه ملی مقاله: JR_INDU-10-3_004
منتشر شده در در سال 1399
شناسه ملی مقاله: JR_INDU-10-3_004
منتشر شده در در سال 1399
مشخصات نویسندگان مقاله:
محمد حسن عدالت - دانشجوی دکتری، دانشکده فنی مهندسی، دانشگاه آزاد اسلامی قم.
رضا عزمی - دانشیار، دانشگاه الزهرا.
جعفر باقری نژاد - دانشیار، دانشگاه الزهرا.
خلاصه مقاله:
محمد حسن عدالت - دانشجوی دکتری، دانشکده فنی مهندسی، دانشگاه آزاد اسلامی قم.
رضا عزمی - دانشیار، دانشگاه الزهرا.
جعفر باقری نژاد - دانشیار، دانشگاه الزهرا.
پیشبینی رفتار فرآیندهای سازمانی، نقش مهمی در مدیریت فرآیندهای کسب وکار ایفا می کند. این مهم با توسعه به کارگیری الگوریتم های یادگیری ماشین در جنبه های مختلف آیند ه پژوهی افق های نوینی در برابر پیشبینی رویدادها و فرآیندها در فضای کسب وکار گشوده است. یکی از رو ش های یادگیری ماشین، به کارگیری الگوریتم های یادگیری عمیق به عنوان شاخه ای از شبکه های عصبی است که توانسته دقت پیشبینی را به میزان زیادی افزایش دهد؛ ازاین رو در پژوهش حاضر از معماری LSTM (حافظه طولانی کوتاه مدت) شبکه عصبی برای پیشبینی فرآیندهای کسبوکار استفاده شده است. برای انجام آزمایش، الگوریتم LSTM بر روی مجموعه داده BPI۲۰۱۲ و BPI۲۰۱۷ اعمال شد. نتایج حاصل از ساخت ۳۰۰ مدل پیشبینی نشان داد که در مجموعه داده BPI۲۰۱۷ از مجموع آزمایش های انجام شده بیشترین دقت ۹۰۷/۰ است که این مقدار دقت از مقادیر دقت به دست آمده در پژوهش های مشابه بالاتر است. این دقت با اجرای الگوریتم LSTM با معماری یک لایه و مدل داده بزرگ و بدون بازخورد به دست آمده است.
کلمات کلیدی: مدیریت فرآیندها, مدل پیش بینی, یادگیری ماشین, معماری LSTM
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1271126/