专栏首页arxiv.org翻译专栏一种改进新产品销售预测的网络转移学习方法(CS LG)
原创

一种改进新产品销售预测的网络转移学习方法(CS LG)

数据驱动方法——例如机器学习和时间序列预测——被广泛用于食品零售领域的销售预测。 然而,对于新推出的产品,缺乏足够的训练数据来训练准确的模型。 在这种情况下,实现人类专家系统,以提高预测性能。 人类专家依靠他们的隐性和显性领域知识和传递相似产品的历史销售知识来预测新产品的销售。 运用转移学习的概念,提出了一种新产品与上市股票产品之间知识转移的分析方法。 设计了一种基于网络的深层神经网络迁移学习方法,用于研究食品销售预测领域的迁移学习效率。 此外,我们还研究了如何在不同的产品之间分享知识,以及如何确定最适合转移的产品。 为了测试这种方法,我们根据一家奥地利食品零售公司的数据,对一种新推出的产品进行了全面的案例研究。 实验结果表明,该方法可以有效地提高深层神经网络在食品销售预测中的预测精度。

原文题目:A network-based transfer learning approach to improve sales forecasting of new products

原文:Data-driven methods -- such as machine learning and time series forecasting -- are widely used for sales forecasting in the food retail domain. However, for newly introduced products insufficient training data is available to train accurate models. In this case, human expert systems are implemented to improve prediction performance. Human experts rely on their implicit and explicit domain knowledge and transfer knowledge about historical sales of similar products to forecast new product sales. By applying the concept of Transfer Learning, we propose an analytical approach to transfer knowledge between listed stock products and new products. A network-based Transfer Learning approach for deep neural networks is designed to investigate the efficiency of Transfer Learning in the domain of food sales forecasting. Furthermore, we examine how knowledge can be shared across different products and how to identify the products most suitable for transfer. To test the proposed approach, we conduct a comprehensive case study for a newly introduced product, based on data of an Austrian food retailing company. The experimental results show, that the prediction accuracy of deep neural networks for food sales forecasting can be effectively increased using the proposed approach.

原文作者: Niklas Kühl

原文地址:https://arxiv.org/abs/2005.06978

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 新能源汽车补贴将在2020年取消,但市场还在持续增长

    镁客网
  • 看可口可乐如何玩转TensorFlow

    随着人工智能的高速发展,开发者们对于能够应对产品多样化挑战的学习框架TensorFlow,也有着很高的热情。除了各类科技产品,零售行业也同样将TensorFlo...

    DT数据侠
  • 近期国际5G要闻大汇总|带你看遍全球5G商用布局、硬件更新、应用案例

    看似平淡的6月,却暗藏“5G玄机”。近几个月内,关于5G而展开的科技战争持续未止,发展至今,目前的5G已经进入了全球商用部署的关键阶段。本月6日,工信部向中国电...

    VRPinea
  • 基于ARIMA、SVM、随机森林销售的时间序列预测

    扎对,将产品粗略分为:基本款和时装。对于基本款,每年都没什么大变化,国际流行的影响也不大,那么可以进行长计划生产。对于时装,决定潮流走向的决策权不在某个区域,一...

    拓端
  • 基于ARIMA、SVM、随机森林销售的时间序列预测

    扎对,将产品粗略分为:基本款和时装。对于基本款,每年都没什么大变化,国际流行的影响也不大,那么可以进行长计划生产。对于时装,决定潮流走向的决策权不在某个区域,一...

    拓端
  • 看可口可乐如何玩转TensorFlow

    “ 随着人工智能的高速发展,开发者们对于能够应对产品多样化挑战的学习框架TensorFlow,也有着很高的热情。除了各类科技产品,零售行业也同样将TensorF...

    企鹅号小编
  • 响铃:“互联网电视”概念已死,看三星等厂商如何避免陷入同质化泥潭

    近日,作为全球三大家电及消费电子展之一的中国家电及消费电子博览会(AWE)在上海如火如荼地举行,电视自然成为主角之一,三星、LG、海信、海尔等悉数登场,甚至极米...

    曾响铃
  • Kaggle 商品销量预测季军方案出炉,应对时间序列问题有何妙招

    AI 研习社消息,Kaggle 上 Corporación Favorita 主办的商品销量预测比赛于两个月前落下帷幕,此次比赛的奖金池共计三万美元,吸引到 1...

    AI研习社
  • 电信中的人工智能报告:电信业AI领域年均投资将达367亿美元

    面对对数据的需求的不断增长,移动市场的日益饱和,一些掌握技术的后来者、初创公司和全球电信都纷纷陷入了争夺市场份额的斗争。

    新智元

扫码关注云+社区

领取腾讯云代金券