2019年3月21日 文章借鉴了可解释神经网络(XNN),一种专门用于学习可解释特征的结构化神经网络, 来进行供应链的库存需求预测.与完全连接的神经网络不同,XNN 在需求随机并服从正态分布的假设下, 本文提出了两个简洁实用的安全库存计算公式 , 并. 通过算例 基于神经网络的供应链安全库存预测模型. [J]. 管理现代化, 2006 2017年11月15日 一家纸制品品牌需要知道自己库存中的哪些商品更适合促销活动，是刚需 到现在， 机器学习正在越来越多的进入销售预测领域，神经网络、决策树、 和趋势分析、降低库存成本是零售行业亟待解决的问题。在传统的零售业需求预测 模型——Holt-Winter模型中应用神经网络方. 法，使得需求预测不依赖于数学模型的
摘要： 本文指出了传统库存控制存在的问题;阐述了相关技术(包括数据挖掘、人工神经网络和BP人工神经网络)及其在库存控制中的应用;并以CQDP医院的库存控制为应用背景,筛选出影响医院17GY头皮式留置针使用量的主要因素,进行了数据收集与处理;提出了同时对网络的权值W和单个神经元的更一般形式 基于BP神经网络的库存动态预测及其应用.pdf - 豆丁网 神经网络技术在供应链管理中的应用[ 工业工程与管理,2000, 41-44. 神经网络模型预测erp的安全供货库存 计算机应用,2001, 21( 53-55. 神经网络技术在库存管理中的应用[ 计算机工程与应用,2002, 38: 182- 184.
预测性维护，根据系统过去和现在的状态，采用时间序列预测、神经网络预测和回归分析等预测推理方法，预测系统将来是否会发生故障，何时发生故障，发生故障类型，可以提升服务运维效率，降低设备非计划停机时间，节约现场服务人力成本 为建立库存烟叶香型预测模型,采用rbf神经网络方法,对川渝中烟2009—2011年库存烟叶样品的香型特征进行了分析建模.结果表明,不同香型烟叶在化学成分含量上存在差异,清香型烟叶糖含量明显高于其他香型,氯含量远低于浓香型;采用主成分分析消除各化学指标共线问题,并建立基于rbf神经网络的库存 预测函数f用神经网络实现。因此，输入层有9个神经元。而网络的输出即是神经网络预测器对当前像素的预测值，因此输出层有1个神经元。 实际上，隐含层神经元数取决于训练样本数的多少、噪声量的大小及网络学习的输入一输出函数关系或分类关系的复杂程度。 本文关键词：基于统计方法的神经网络预测模型研究 更多相关文章： 统计推断 神经网络 自回归单整移动平均季节模型 支持向量回归 【摘要】：与现有网络结构设计方法不同,本文将rbf网络解释为解释变量和被解释变量之间的一个非线性函数,基于rbf网络的学习动态特性提出2种修剪模型wrbf和trbf。 对预测的准确性、智能性要求越来越高，因此，如何通过智能 分析方法从海量数据中提取知识、建立预测模型是一个长期 的、非常有发展前景的研究领域[3-4]。基于此，本文介绍了一种 在零售业需求预测中应用神经网络进行数据分析并建模的方法。 2 预测模型 基于神经网络的烟丝填充值预测模型研究[J]. 中国烟草科学, 2016, 37(5): 82-86. LU Yuhao, WANG Binbin, WAN Yunfei, WANG Guangchao, NIU Ruping, ZHANG Juan, YANG Ying, JI Haibo. Study on the Forecasting Model of Cut Tobacco Filling Value Based on the Neural Network[J]. CHINESE TOBACCO SCIENCE, 2016, 37(5): 82-86.
基于改进神经网络的智能库存管理应用研究--《电脑知识与技术 … 该文将改进的粒子群算法优化bp神经网络应用于库存管理系统中,建立库存预测模型为库存管理智能化提供辅助决策。从而使企业生产库存管理可以有效的对库存量进行控制,使库存量维持在一个比较合理的水平,将给企业带来巨大利益,因此对该方法的研究具有非常 使用keras的LSTM进行预测----实战练习 - 罗兵 - 博客园
基于BP神经网络的空调物料库存预测研究-《信息与电脑(理论版) … 基于bp神经网络的空调物料库存预测研究，王美洁;姜同强;-信息与电脑(理论版)2019年第04期杂志在线阅读、文章下载。<正>0引言库存管理问题越来越受人们的重视,也取得了许多重要的研究成果[1]。合理的库存控制模式可优化企业自身的运作,能保障公司的生产运营,可减少浪费和不必要的资金占..