Akademik Künye
Bu yazı, aşağıda künyesi verilen hakemli çalışmanın özetidir.
- Makale
- Benchmarking xLSTM Architecture for Business Process Anomaly Detection
- Yazarlar
- Teoman Berkay Ayaz; Alper Özcan; Akhan Akbulut
- Yayın
- Kocaeli Journal of Science and Engineering (ISSN 2667-484X)
- Cilt / Sayı / Sayfa
- 2026 / 17 / 93–103
- Yayın tarihi
- 29.06.2026
- Yayıncı sayfası
- dergipark.org.tr — Kocaeli Journal of Science and Engineering
İş süreci anomali tespiti, kurumların süreçlerindeki sapmaları ortaya çıkarmasına yardımcı olur; bu sapmalar çoğu zaman ciddi verimsizliklere ya da kötü niyetli etkinliklere işaret eder. Teoman Berkay Ayaz, Alper Özcan ve Akhan Akbulut'un makalesi, bu alanda yeni bir tekrarlayan sinir ağı türünü, xLSTM'i (Extended Long-Short Term Memory) sınıyor.
Çalışmada xLSTM, iş süreci anomali tespiti için denetimsiz otokodlayıcılar (autoencoder) kurmak üzere kullanılıyor ve yaygın üç mimariyle karşılaştırılıyor: LSTM, GRU ve Transformer. Karşılaştırmanın adil olması için her model aynı yapı ve aynı hiperparametrelerle kuruluyor; modeller yalnızca çekirdek tekrarlayan ya da öz-dikkat bloklarında ayrışıyor. Modeller ayrıca çift yönlülük ve uygun olduğu yerde çok başlı dikkat mekanizmasıyla ve bunlar olmadan da değerlendiriliyor.
Deneysel sonuçlara göre xLSTM tabanlı otokodlayıcı, yedi veri kümesinde en tutarlı ve en dayanıklı mimari oldu; iz (trace) düzeyinde 0,476, olay (event) düzeyinde 0,258 ile en yüksek ortalama F1 skorlarına ulaştı.
Makale, Kocaeli Üniversitesi'nin yayımladığı Kocaeli Journal of Science and Engineering dergisinin 2026 yılı 17. sayısında (s. 93-103) 29 Haziran 2026'da yayımlandı. Tam metin derginin DergiPark sayfasında açık erişimlidir. İş süreci anomali tespiti üzerine diğer çalışmalarımız arasında SPECTRE ve AnomalyNet yer alıyor.