prikaz prve stranice dokumenta Automated Decision Modeling with DMN and BPMN: A Model Ensemble Approach
  Preuzmi
PDF 1.81 MB
završni rad
Automated Decision Modeling with DMN and BPMN: A Model Ensemble Approach
2019. urn:nbn:hr:137:259944
Simić, Srđan Daniel
Sveučilište Jurja Dobrile u Puli
Fakultet informatike u Puli

Citirajte ovaj rad

Simić, S. D. (2019). Automated Decision Modeling with DMN and BPMN: A Model Ensemble Approach (Završni rad). Pula: Sveučilište Jurja Dobrile u Puli. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:137:259944

Simić, Srđan Daniel. "Automated Decision Modeling with DMN and BPMN: A Model Ensemble Approach." Završni rad, Sveučilište Jurja Dobrile u Puli, 2019. https://urn.nsk.hr/urn:nbn:hr:137:259944

Simić, Srđan Daniel. "Automated Decision Modeling with DMN and BPMN: A Model Ensemble Approach." Završni rad, Sveučilište Jurja Dobrile u Puli, 2019. https://urn.nsk.hr/urn:nbn:hr:137:259944

Simić, S. D. (2019). 'Automated Decision Modeling with DMN and BPMN: A Model Ensemble Approach', Završni rad, Sveučilište Jurja Dobrile u Puli, citirano: 27.11.2024., https://urn.nsk.hr/urn:nbn:hr:137:259944

Simić SD. Automated Decision Modeling with DMN and BPMN: A Model Ensemble Approach [Završni rad]. Pula: Sveučilište Jurja Dobrile u Puli; 2019 [pristupljeno 27.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:137:259944

S. D. Simić, "Automated Decision Modeling with DMN and BPMN: A Model Ensemble Approach", Završni rad, Sveučilište Jurja Dobrile u Puli, Pula, 2019. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:137:259944

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:137:259944
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovAutomated Decision Modeling with DMN and BPMN: A Model Ensemble Approach
Naslov (engleski)Automated Decision Modeling with DMN and BPMN: A Model Ensemble Approach
AutorSrđan Daniel Simić
MentorDarko Etinger (mentor)
MentorNikola Tanković (komentor)
Član povjerenstvaGiorgio Sinković (predsjednik povjerenstva)
Član povjerenstvaDarko Etinger (član povjerenstva)
Član povjerenstvaNikola Tanković (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Jurja Dobrile u Puli
(Fakultet informatike u Puli)
Pula
Datum i država obrane2019-09-27, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		DRUŠTVENE ZNANOSTI
Informacijske i komunikacijske znanosti
Informacijski sustavi i informatologija
Sažetak
Pregršt dostupnih heterogenih tranzakcijskih podataka te nepredak unutar područja strojnog učenja služe kao ključne sile za razvoj kompleksnih algoritama koji uspijevaju postići preformanse ljudske razine na sve većem broju zadataka. Zbog svoje ne linearne strukture sastavljene od mnogo slojeva kompjutacije, ti modeli visoke preciznosti obično su primjenjeni kao crne kutije; bez dubljeg razumjevanja o njihovim unutarnjim mehanizmima. To smanjuje transparentost procesa donošenja odluka i često može sadržati skrivene predrasude koji su potencijalno skriveni u podacima. Unutar ovog rada predlažemo alat za generiranje modela za donošenje odluka koji je u skladu s Decision Model & Notation (DMN) standardom baziran na tehnikama smanjivanja kompleksnosti. Ansambl klasifikatora stabla odlučivanja slojevite arhitekture je predložen kako bi kontrolirao "bias-variance trade-off". Evaluirali smo preformanse predložene metode na nekoliko javno dostupnih setova podataka usko vezanih za socijalno osjetljivo odlučivanje. Unutar ovog rada zanima nas automatizacija donošenja odluka koristeči DMN zajedno sa poznatim BPMN alatom za automatizaciju procesa. Primarnih ishod ovog istraživanja je okvir za modeliranje procesa odlučivanja baziranog na prijašnjim ishodima odluka primjenom tehnika strojnog učenja na način bijele kutije. Razumjevanje izlaza modela i zašto je do tog izlaza došlo ključno je za izbjegavanje slučajnih predrasuda. Naši doprinosi su sljedeći: (1) ansambl metoda strojnog učenja koja je semantički kompatibilna s DMN specifikacijama, time i razumljiva čovjeku, (2) okvir za primjenu ove nove metode na već postojećim zapisima odluka, (3) algoritam za automatsku pretvorbu predloženih modela u DMN artefakte.
Sažetak (engleski)
Plethora of available heterogeneous transactional data and recent advancements in machine learning are the key forces that enable the development of complex algorithms that can reach human-level performance on an increasing number of tasks. Given the non-linear structure composed of many layers of computation, these highly accurate models are usually applied in a black-box manner: without a deeper understanding of their inner mechanisms. This hinders the transparency of the decision-making process and can often incorporate hidden decision biases that are potentially present in the data. We propose a framework for generating decision-making models conforming to Decision Model & Notation standard based on complexity-reducing techniques. An ensemble of decision-tree classifiers in a layered architecture is proposed to control the bias-variance trade-off. We have evaluated the performance of the proposed method on several publicly available data-sets tightly related to socially sensitive decision-making.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
Jezikengleski
URN:NBNurn:nbn:hr:137:259944
Studijski programNaziv: Informatika
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) informatike (univ.bacc inf.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2019-10-01 10:59:51