Behavior Learning Engines (BLE):
Mesin pembelajaran perilaku (BLE) adalah platform yang dimaksudkan untuk memungkinkan penemuan, visualisasi, dan analisis pola multiperiode yang berulang, kompleks, dalam kumpulan data kinerja operasional yang besar. Jika mesin tersebut ingin mewujudkan niatnya, mereka harus mendukung empat lapisan fungsionalitas kumulatif:
- Penunjukan variabel—ini mendukung pemilihan properti sistem yang akan dilacak oleh platform dan bagaimana properti tersebut diukur
- Normalisasi nilai variabel&mdahs;ini adalah kemampuan otomatis untuk menentukan (biasanya dengan algoritme yang meregresi pengukuran) apa yang merupakan nilai normal atau biasa yang diasumsikan oleh variabel pengukuran properti sistem
- Pecaralan ketergantungan observasional—ini adalah seperangkat alat untuk menghubungkan variabel pengukuran properti individu satu sama lain, di mana tautan mewakili semacam ketergantungan di antara nilai-nilai yang diambil oleh variabel terkait; BLE yang tersedia secara komersial berbeda secara signifikan sehubungan dengan sejauh mana dependensi harus ditetapkan sebelumnya oleh vendor atau pengguna dan sejauh mana dependensi itu sendiri ditemukan oleh algoritma BLE yang bekerja pada kumpulan data kinerja yang sedang dipertimbangkan.
- Penilaian—cara dimana, setelah nilai-nilai yang dinormalisasi dan peta ketergantungan ditentukan, konstruk yang dihasilkan dapat digunakan untuk menjawab pertanyaan tentang nilai-nilai yang diasumsikan oleh beberapa variabel, berdasarkan nilai-nilai yang diasumsikan oleh yang lain.