概要 - 「デュアル戦略統合による需要予測のためのベースモデル」
タイトル
「デュアル戦略統合による需要予測のためのベースモデル」
時間
2025-07-29 17:56:38
著者
{"Wei Yang","Defu Cao","Yan Liu"}
カテゴリ
{cs.LG,cs.AI}
リンク
http://arxiv.org/abs/2507.22053v1
PDF リンク
http://arxiv.org/pdf/2507.22053v1
概要
正確な需要予測はサプライチェーン最適化に不可欠ですが、階層的複雑さ、分野の変化、そして進化する外部要因のために難しいままです。この論文では、階層的な集合（HE）と構造的な集合（AE）の二つの補完的な戦略を組み合わせた統一集合フレームワークを提案し、現実のサプライチェーンにおける販売予測を行います。 HEは、意味的なレベル（例えば、店舗、カテゴリ、部署）にトレーニングと推論プロセスを分け、局所的なパターンを捉えます。AEは、様々なモデルのバックボーンからの予測を統合し、バイアスを軽減し、安定性を向上させます。 M5バンチマークと三つの外部データセットでの実験では、提案されたアプローチが強力なベースラインを常に上回り、階層的なレベルにおける精度を向上させ、複雑な予測環境における一般化を強化するシンプルかつ効果的なメカニズムを提供することを示しました。 論文は、階層的構造の認識と構造的多様性を組み合わせることの利点を強調し、サプライチェーン設定における予測性能を向上させることを示しています。提案されたフレームワークは、現実の状況で需要予測の精度と堅牢性を向上させる有望な解決策を提供します。
推奨論文
有限領域における可変 Min-Cut Max-Flow 界とアルゴリズム
VisionThink：強化学習を通じてスマートで効率的な視覚言語モデル
DR.EHR: 知識注入と合成データを用いた電子健康記録の密な検索
SpiNNaker2神経モーフィックMPSoCのためのエンドツーエンドDNN推論フレームワーク
ランク5までおよびそれ以上の積分Grothendieck環を分類する
問題追跡エコシステム：文脈とベストプラクティス
バーチャルリアリティにおけるタスクの難易度と音楽専門知識の影響：リズムエクササイズゲームにおける認知負担とタスク精度の観察
時砂並べ：新しい並列ソートアルゴリズムとその実装
BetterCheck: 汽車感知システムのためのVLM（可視リモートモニタリング）の安全対策に向けて
医学における埋め込みモデルの分野指定への進展