prikaz prve stranice dokumenta PRIMJENA POVRATNIH NEURONSKIH MREŽA ZA OTKRIVANJE TEMELJNE STRUKTURE PROCESNIH MODELA
Access restricted to students and staff of home institution
master's thesis
PRIMJENA POVRATNIH NEURONSKIH MREŽA ZA OTKRIVANJE TEMELJNE STRUKTURE PROCESNIH MODELA
Dubrovnik: University of Dubrovnik, 2023. urn:nbn:hr:155:388746
Jupek, Ante
University of Dubrovnik
Faculty of Electrical Engineering and Applied Computing

Institutional repository: Repository of the University of Dubrovnik

Cite this document

Jupek, A. (2023). PRIMJENA POVRATNIH NEURONSKIH MREŽA ZA OTKRIVANJE TEMELJNE STRUKTURE PROCESNIH MODELA (Master's thesis). Dubrovnik: University of Dubrovnik. Retrieved from https://urn.nsk.hr/urn:nbn:hr:155:388746

Jupek, Ante. "PRIMJENA POVRATNIH NEURONSKIH MREŽA ZA OTKRIVANJE TEMELJNE STRUKTURE PROCESNIH MODELA." Master's thesis, University of Dubrovnik, 2023. https://urn.nsk.hr/urn:nbn:hr:155:388746

Jupek, Ante. "PRIMJENA POVRATNIH NEURONSKIH MREŽA ZA OTKRIVANJE TEMELJNE STRUKTURE PROCESNIH MODELA." Master's thesis, University of Dubrovnik, 2023. https://urn.nsk.hr/urn:nbn:hr:155:388746

Jupek, A. (2023). 'PRIMJENA POVRATNIH NEURONSKIH MREŽA ZA OTKRIVANJE TEMELJNE STRUKTURE PROCESNIH MODELA', Master's thesis, University of Dubrovnik, accessed 30 December 2024, https://urn.nsk.hr/urn:nbn:hr:155:388746

Jupek A. PRIMJENA POVRATNIH NEURONSKIH MREŽA ZA OTKRIVANJE TEMELJNE STRUKTURE PROCESNIH MODELA [Master's thesis]. Dubrovnik: University of Dubrovnik; 2023 [cited 2024 December 30] Available at: https://urn.nsk.hr/urn:nbn:hr:155:388746

A. Jupek, "PRIMJENA POVRATNIH NEURONSKIH MREŽA ZA OTKRIVANJE TEMELJNE STRUKTURE PROCESNIH MODELA", Master's thesis, University of Dubrovnik, Dubrovnik, 2023. Available at: https://urn.nsk.hr/urn:nbn:hr:155:388746

Metadata
TitlePRIMJENA POVRATNIH NEURONSKIH MREŽA ZA OTKRIVANJE TEMELJNE STRUKTURE PROCESNIH MODELA
Title (english)RECURRENT NEURAL NETWORKS APPLICATION FOR DISCOVERING THE STRUCTURE OF PROCESS MODELS
AuthorAnte Jupek
MentorIvona Zakarija (mentor)
Committee memberAdriana Lipovac Vrhovac (predsjednik povjerenstva)
Committee memberIvona Zakarija (član povjerenstva)
Committee memberIvan Grbavac (član povjerenstva)
Committee memberDinka Lale (član povjerenstva)
GranterUniversity of Dubrovnik
(Faculty of Electrical Engineering and Applied Computing)
Dubrovnik
Defense date and country2023-07-07, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Process Computing
Abstract
Ovaj diplomski rad usmjeren je na primjenu tehnika dubinske analize procesa i dubokog učenja za otkrivanje temeljne strukture procesnih modela. U radu se istražuju mogućnosti primjene povratnih neuronskih mreža (RNN), odnosno LSTM modela, za otkrivanje temeljne strukture procesnih modela iz dnevničkih podataka. Za modeliranje procesa korištene su notacije Petrijevih mreža i procesna stabla. Uspostavljen je studijski primjer na temelju dnevničkih podataka koji su dobiveni iz umjetno generiranih procesnih modela. Za izradu rješenja korištena je Python biblioteka PM4PY, alat Disco te razvojni okvir za evaluaciju modela dubokog učenja u kontekstu dubinske analize procesa. Posebna pozornost posvećena je analizi uvjeta i parametara kako bi se postigle bolje performanse modela. Također, provedena je i analiza utjecaja složenosti procesa na performanse modela. Optimizacijom parametara na temelju dobivenih uvida moguće je poboljšati učinkovitost učenja temeljne strukture procesa.
Abstract (english)
This thesis addresses the application of process mining and deep learning techniques to discover the underlying structure of process models. The thesis explores the possibilities of applying recurrent neural networks (RNN) or LSTM models to discover the underlying structure of process models from event log data. Petri net notations and process trees were used for process modeling. A case study was created using log data derived from artificially generated process models. The Python library PM4PY, the tool Disco and the framework for evaluating deep learning models in the context of process mining were used to build the solution. Special attention is given to the analysis of the conditions and parameters in order to achieve a better performance of the model. Also, an analysis of the influence of the complexity of the process on the performance of the model has been performed. By optimizing the parameters based on the obtained knowledge, it is possible to improve the efficiency of learning the basic structure of the process.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:155:388746
Study programmeTitle: Business Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsAccess restricted to students and staff of home institution
Terms of useLicence In copyright icon
Created on2023-08-22 08:21:19