文献

J-GLOBAL ID：202202250607253676   整理番号：22A1165185

CNN-LSTMモデルを用いた小売需要予測【JST・京大機械翻訳】

Retail Demand Forecasting using CNN-LSTM Model

著者 (5件)： Nithin Soundar S J (Sri Ramakrishna Engineering College,Electronics and Communication Engineering,Coimbatore,India) ,  Rajasekar T (Sri Ramakrishna Engineering College,Electronics and Communication Engineering,Coimbatore,India) ,  Jayanthy S (Sri Ramakrishna Engineering College,Electronics and Communication Engineering,Coimbatore,India) ,  Karthik K (Sri Ramakrishna Engineering College,Electronics and Communication Engineering,Coimbatore,India) ,  Rithick Roshan R (Sri Ramakrishna Engineering College,Electronics and Communication Engineering,Coimbatore,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICEARS  ページ： 1751-1756  発行年： 2022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： 本論文は,過去の販売のような歴史的情報の助けを借りて,特定の期間における店舗によって必要とされるストックを予測するために,深い学習モデルを提案した。このタスクは,ビジネスがスムーズに実行され,音決定を行うのに役立つが,正確に予測することは困難であった。CNN-LSTM(畳み込みニューラルネットワーク-Long Short-Termメモリネットワーク)モデルを提案し,小売需要を予測した。このモデルは,Swish活性化機能に等しかった。これは,伝統的および最も成功した活性化関数ReLU(線形ユニット)より良好に機能した。50項目から成る10店からのデータを入力とした。この提案した作業は,販売を予測するために,多層パーセプトロン,Long Short-Termメモリセル,畳込みニューラルネットワークのような様々な他のモデルを実行した。実験結果は,CNN-LSTMモデルを用いて,かなり低いRMSE(Root Mean-Squared誤差)を持つことを示唆した。Copyright 2022 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： 学習モデル ,  音響 ,  記憶素子 ,  *小売 ,  *需要予測 ,  商店建築 ,  線形性 ,  多層パーセプトロン
準シソーラス用語： 活性化関数 ,  畳込みニューラルネットワーク ,  長短期記憶 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： CNN ,  LSTM ,  モデル ,  小売 ,  需要予測