文献

J-GLOBAL ID：202002241159038628   整理番号：20A2473165

深層整流器ネットワークを用いた販売予測【JST・京大機械翻訳】

Sales Forecast by Using Deep Rectifier Network

著者 (5件)： Chang Oscar (School of Mathematical and Computational Sciences, Yachay Tech University, Urcuqui, Ecuador) ,  Mosquera Galo (Colegio de Ciencias e Ingenieria, Universidad San Francisco de Quito, Quito, Ecuador) ,  Castillo Zenaida (Escuela Superior Politecnica del Chimborazo, Riobamba, Ecuador) ,  Zhinin-Vera Luis (School of Mathematical and Computational Sciences, Yachay Tech University, Urcuqui, Ecuador) ,  Zhinin-Vera Luis (MIND Research Group - Model Intelligent Networks Development, Urcuqui, Ecuador)
資料名： Advances in Intelligent Systems and Computing  (Advances in Intelligent Systems and Computing)
巻： 1288  ページ： 378-389  発行年： 2020年 
JST資料番号： W5075A  ISSN： 2194-5357  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 販売予測は,薬局卸売における重要課題であり,在庫コストに直接影響し,また,それは,促進,価格変化,および季節選好のような因子によって影響を受ける,難しい問題である。従来の販売予測技術は,歴史的販売データと再帰的公式を使用して,それらの精度を制限する。より最近学習ベースの方法は,データ特徴捕捉能力を拡張した。本論文では,数年間の毎週の販売データを調査し,そして,推定予測を行うための学習を学習する,深いアーキテクチャを提示した。システムはReLUニューロンで組み立てられ,その学習挙動はスパース符号化深いサブネットの有効な訓練を可能にする。開発した学習アルゴリズムは,2つの学習段階を使用し,そこでは,最初に,研究した時系列のスパース表現と,このスパースデータを用いた予測の1週間先の2番目の収穫を行う。両事例において,報酬システムは,将来の能力のための将来焦点であり,探索に有利であった。成功したネットワーク訓練を達成するために,ReLUネットワークに典型的な,爆発勾配問題を扱うアルゴリズムを開発した。完全に組み立てられた予測子は,構造化データから特徴を自動的に学習し,改善されたドラーコストでインベントリを生成する。システムを実データで実時間で試験した。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  アルゴリズム ,  学習 ,  在庫管理費 ,  *ネットワーク ,  ニューロン ,  薬局 ,  卸売 ,  在庫量 ,  計算機アーキテクチャ ,  学習アルゴリズム
準シソーラス用語： 予測子 ,  スパースコーディング ,  スパース表現 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： 販売予測 ,  深層学習 ,  ReLUニューロン

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 深層 ,  整流器 ,  販売 ,  予測