Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "hierarchical forecasting" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Hierarchical Sales Forecasting System for Apparel Companies and Supply Chains
Hierarchiczny system prognozowania sprzedaży dla firm odzieżowych i łańcuchów dostaw
Autorzy:
Lenort, R.
Besta, P.
Powiązania:
https://bibliotekanauki.pl/articles/232705.pdf
Data publikacji:
2013
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
Tematy:
apparel company
hierarchical forecasting
sales forecasting
top-down approach
forecasting system
firma odzieżowa
hierarchiczna prognozowanie
prognozowanie sprzedaży
podejście odgórne
system prognozowania
Opis:
The typical problems facing with apparel companies and supply chains are forecasting errors, because fashion markets are volatile and difficult to predict. For that reason, the ability to develop accurate sales forecasts is critical in the industry. There are several research studies related to forecasting apparel goods, but very often only for one level. However, apparel companies and supply chains deal with a number of levels at which the forecasts could exist and require consistent forecasts at all of them. The paper presents a hierarchical middle-term forecasting system designed for this purpose on the basis of a literature review. The system is built by the top-down forecasting approach and verified by means of a case study in a particular apparel company. The weaknesses of the system are identified during discussion of the results acquired. A generalised concept of the ANN forecasting model is designed for elimination these weaknesses.
Rynki mody są niestabilne i trudne do przewidzenia, dlatego typowym problemem, z którym muszą się uporać firmy odzieżowe dla konstrukcji odpowiednich łańcuchów dostaw to przewidywanie błędów. Z tego powodu, możliwość opracowania dokładnej prognozy sprzedaży jest bardzo istotna w przemyśle. Istnieje wiele badań naukowych dotyczących prognozowania dla towarów odzieżowych, ale bardzo często dotyczą tylko jednego poziomu. Jednak firmy odzieżowe i łańcuchy dostaw mają do czynienia z dużą liczbą poziomów i wymagają spójnych prognoz na wszystkie z nich. Przedstawiono hierarchiczny system średnioterminowego prognozowania przeznaczony do tego celu. System zbudowano przez odgórne podejście prognozowania i zweryfikowano poprzez studium przypadku w danej firmie odzieżowej. Słabości systemu zostały określone podczas dyskusji uzyskanych wyników. Uogólnione pojęcie modelu prognozowania przeznaczone jest do eliminacji słabości.
Źródło:
Fibres & Textiles in Eastern Europe; 2013, 6 (102); 7-11
1230-3666
2300-7354
Pojawia się w:
Fibres & Textiles in Eastern Europe
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Intelligent financial time series forecasting: A complex neuro-fuzzy approach with multi-swarm intelligence
Autorzy:
Li, C.
Chiang, T. W.
Powiązania:
https://bibliotekanauki.pl/articles/331280.pdf
Data publikacji:
2012
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
zbiór rozmyty
system neuronowo-rozmyty
optymalizacja rojem cząstek
szereg czasowy
complex fuzzy set
complex neuro fuzzy system
hierarchical multi swarm
particle swarm optimization (PSO)
recursive least squares estimator
time series forecasting
Opis:
Financial investors often face an urgent need to predict the future. Accurate forecasting may allow investors to be aware of changes in financial markets in the future, so that they can reduce the risk of investment. In this paper, we present an intelligent computing paradigm, called the Complex Neuro-Fuzzy System (CNFS), applied to the problem of financial time series forecasting. The CNFS is an adaptive system, which is designed using Complex Fuzzy Sets (CFSs) whose membership functions are complex-valued and characterized within the unit disc of the complex plane. The application of CFSs to the CNFS can augment the adaptive capability of nonlinear functional mapping, which is valuable for nonlinear forecasting. Moreover, to optimize the CNFS for accurate forecasting, we devised a new hybrid learning method, called the HMSPSO-RLSE, which integrates in a hybrid way the so-called Hierarchical Multi-Swarm PSO (HMSPSO) and the well known Recursive Least Squares Estimator (RLSE). Three examples of financial time series are used to test the proposed approach, whose experimental results outperform those of other methods.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2012, 22, 4; 787-800
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies