کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5079015 1477523 2017 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Single-hidden layer neural networks for forecasting intermittent demand
ترجمه فارسی عنوان
شبکه های عصبی لایه ی مخفی برای پیش بینی تقاضای متناوب
کلمات کلیدی
ترجمه چکیده
در این مقاله، شبکه های عصبی که توسط ماشین های یادگیری با عقب و ماشین های افراطی آموزش داده می شوند با استفاده از شبکه های عصبی معیار و همچنین روش های پیش بینی استاندارد برای تقاضای متناوب در سری های زمان واقعی با ترکیب الگوهای و معماری ورودی های مختلف مقایسه می شوند. سپس یک تجزیه و تحلیل آماری برای تایید بهترین عملکرد از طریق سطوح مختلف تجمع انجام می شود. در نهایت، برخی از بینش ها برای تمرینکنندگان برای بهبود توانایی شبکه های عصبی برای اجرای در محیط واقعی ارائه شده است.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی صنعتی و تولید
چکیده انگلیسی
In this paper, neural networks trained by back-propagation and extreme learning machines are compared with benchmark neural networks, as well as standard forecasting methods for intermittent demand on real-time series, by combining different input patterns and architectures. A statistical analysis is then conducted to validate the best performance through different aggregation levels. Finally, some insights for practitioners are presented to improve the potential of neural networks for implementation in real environments.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Production Economics - Volume 183, Part A, January 2017, Pages 116-128
نویسندگان
, , , , , ,