文献

J-GLOBAL ID：201702290519920481   整理番号：17A0357685

離散灰色予測モデルと人工ニューラルネットワークのハイブリッドインテリジェントモデルに基づくファッション販売予測【JST・京大機械翻訳】

Hybrid intelligent model for fashion sales forecasting based on discrete grey forecasting model and artificial neural network

著者 (1件)： Liu Weixiao (Laboratory of Intelligent Computing and Software Engineering, Zhejiang Sci-Tech University)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 36  号： 12  ページ： 3378-3384  発行年： 2016年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： ファッション販売予測は小売領域にとって非常に重要であり、正確な販売状況予測は最終的にファッション販売利益を向上させるのに役立つ。現在のファッション販売予測データ量が限られ、データ変動が大きいため、正確な予測が困難であるという問題に対して、人工ニューラルネットワーク(ANN)アルゴリズムと離散灰色予測モデル(DGM(1,1))アルゴリズムを結合したハイブリッド知能予測アルゴリズムを提案した。このアルゴリズムは,関連度解析によって関連度の大きな影響変数を得て,次に,DGM(1,1)+ANNによって予測した後に,二次残差のアイデアを導入した。実際の販売データとDGM(1,1)+ANN予測結果の残差を変数としてANNを用いて第二次残差予測を行った。最終的に,実際のファッション販売データによって,このアルゴリズムの実現可能性と精度を予測した。実験結果は,提案したアルゴリズムが,ファッション販売データの予測において,平均絶対誤差(MAPE)が約25%であることを示した。予測性能は自己回帰積分スライディング平均モデル(ARIMA),拡張限界学習マシン(EELM),DGM(1,1),DGM(1,1)+ANNアルゴリズムよりも優れており,これらのアルゴリズムの平均予測精度は約8ポイント向上した。提案したハイブリッドインテリジェントアルゴリズムは,ファッション販売の実時間予測に用いることができ,販売の便益を大幅に向上させることができる。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *ニューラルネットワーク ,  アルゴリズム ,  *ファッション ,  小売 ,  残差 ,  *予測モデル ,  積分
準シソーラス用語： 実時間 ,  予測精度 ,  ARIMAモデル ,  自己回帰 ,  予測性能 ,  絶対誤差 ,  予測アルゴリズム ,  データ量 , 【Automatic Indexing@JST】

著者キーワード (5件)： fashion sales forecasting ,  neural network algorithm ,  Discrete Grey forecasting Model (DGM) ,  Correlation Analysis (CA) ,  AutoregRessive Integrated Moving Average model (ARIMA)

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 灰色 ,  予測モデル ,  人工ニューラルネットワーク ,  ファッション ,  販売 ,  予測