文献

J-GLOBAL ID：201802231693297031   整理番号：18A0824370

深いニューラルネットワークによるロジスティックス配送需要の予測【JST・京大機械翻訳】

Predicting logistics delivery demand with deep neural networks

著者 (4件)： Lin Yao-San (Collaborative Innovation Center of China Pilot Reform, Exploration and Assessment-Hubei Sub-Center, Hubei University of Economics, Wuhan, China) ,  Zhang Yaofeng (Collaborative Innovation Center of China Pilot Reform, Exploration and Assessment-Hubei Sub-Center, Hubei University of Economics, Wuhan, China) ,  Lin I-Ching (School of Logistics and Engineering Management, Hubei University of Economics, Wuhan, China) ,  Chang Che-Jung (Department of Management Science and Engineering, Business School, Ningbo University, Ningbo, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICITM  ページ： 294-297  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 配送時間は,場所と量の必要性に依存して,ロジスティックス経路に影響を及ぼす。配送需要の効率的予測は,ロジスティックスモデルの構築を助ける。配送需要に関するデータは時間依存性と空間相関である。多次元シーケンスをモデル化するか,あるいはそれに基づく予測を作ることは,計算消費作業である。著者らの研究は,配送需要を予測するための効率的な手順を提案するための深い学習に基づいている。シミュレーション研究で,提案した手順の予測性能は許容できる。これはロジスティックス意思決定の更なる研究に役立つ。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 高次元 ,  *予測 ,  シミュレーション ,  *ニューラルネットワーク ,  *ロジスティックス ,  時間依存性 ,  意思決定 ,  モデリング
準シソーラス用語： 予測性能 ,  空間相関 , 【Automatic Indexing@JST】

分類 (2件)： 固体デバイス製造技術一般  (NC03030V) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： ニューラルネットワーク ,  ロジスティックス ,  配送 ,  需要 ,  予測