Logo des Repositoriums
 

Vergleich und Kombination von Techniken des Predictive Business Process Monitoring

Kurzanzeige
dc.contributor.authorMetzger, Andreas
dc.contributor.authorLeitner, Philipp
dc.contributor.authorIvanovic, Dragan
dc.contributor.authorSchmieders, Eric
dc.contributor.authorFranklin, Rod
dc.contributor.authorCarro, Manuel
dc.contributor.authorDustdar, Schahram
dc.contributor.authorPohl, Klaus
dc.contributor.editorJürjens, Jan
dc.contributor.editorSchneider, Kurt
dc.date.accessioned2017-06-21T19:18:05Z
dc.date.available2017-06-21T19:18:05Z
dc.date.issued2017
dc.description.abstractWir stellen einen experimentellen Vergleich von Prognosetechniken für das Predictive Business Process Monitoring vor. Ausgehen von unseren Experimentergebnissen schlagen wir eine geeignete Kombination von Prognosetechniken vor.de
dc.identifier.isbn978-3-88579-661-9
dc.identifier.pissn1617-5468
dc.language.isode
dc.publisherGesellschaft für Informatik e.V.
dc.relation.ispartofSoftware Engineering 2017
dc.relation.ispartofseriesLecture Notes in Informatics (LNI) - Proceedings, Volume P-267
dc.subjectPrognose
dc.subjectMachine Learning
dc.subjectBusiness Process Management
dc.titleVergleich und Kombination von Techniken des Predictive Business Process Monitoringde
dc.typeText/Conference Paper
gi.citation.publisherPlaceBonn
gi.citation.startPage79
gi.conference.date21.-24. Februar 2017
gi.conference.locationHannover
gi.conference.sessiontitleComponent and Service Oriented Software Engineering

Dateien

Originalbündel
1 - 1 von 1
Vorschaubild
Name:
paper28.pdf
Größe:
471.01 KB
Format:
Adobe Portable Document Format
Herunterladen

Sammlungen

P267 - Software Engineering 2017