Aktive Systeme sind für den Umgang mit dynamischen Ereignissen in verschiedenen Bereichen, einschließlich Geschäftsprozessen, von entscheidender Bedeutung. In der ersten Arbeit wird eine intelligente Methode vorgestellt, die Integer-Codierung für die Protokollvorverarbeitung, Bat-Optimierung für die Merkmalsauswahl und Deep Convolutional Neural Networks für die Erkennung anormaler Ereignisse verwendet, obwohl CNNs keine räumliche Konsistenz aufweisen. Um dieses Problem zu beheben, implementiert die zweite Arbeit Eclat-basiertes Association Rule Mining (EARM) zur Erkennung und...

Les systèmes actifs sont essentiels pour gérer les événements dynamiques dans divers domaines, y compris les processus d'entreprise. Le premier travail introduit une méthode intelligente utilisant le codage des entiers pour le prétraitement des journaux, l'optimisation Bat pour la sélection des caractéristiques et les réseaux neuronaux convolutionnels profonds pour la détection des événements anormaux, bien que les réseaux neuronaux convolutionnels manquent de cohérence spatiale. Pour remédier à ce problème, le deuxième travail met en oeuvre l'extraction de règles...