دانلود مقاله و خرید ترجمه:هوش مصنوعی برای پیش بینی در مدیریت زنجیره تامین: مطالعه موردی میزان مصرف قند سفید در تایلند - 2019
دانلود بهترین مقالات isi همراه با ترجمه فارسی
مقالات ترجمه شده هوش مصنوعی ( Artificial intelligence )
  • Artificial intelligence for forecasting in supply chain management: a case study of White Sugar consumption rate in Thailand هوش مصنوعی برای پیش بینی در مدیریت زنجیره تامین: مطالعه موردی میزان مصرف قند سفید در تایلند
    دانلود مقاله | مقاله انگلیسی رایگان | خرید ترجمه فارسی مقاله

    سال انتشار:

    2019


    ترجمه فارسی عنوان مقاله:

    هوش مصنوعی برای پیش بینی در مدیریت زنجیره تامین: مطالعه موردی میزان مصرف قند سفید در تایلند


    عنوان انگلیسی مقاله:

    Artificial intelligence for forecasting in supply chain management: a case study of White Sugar consumption rate in Thailand


    منبع:

    Sciencedirect - Elsevier - IFAC-PapersOnLine Volume 52, Issue 13, 2019, Pages 725-730


    نویسنده:

    Anirut Kantasa-ard | Abdelghani Bekrar | Abdessamad Aitel cadi | Yves Sallez


    چکیده انگلیسی:

    This paper proposes an appropriate model to forecast the trend of white sugar consumption rate in Thailand due to the fluctuation of consumption rate nowadays. This paper will focus on two main forecasting model types, which are the regression models and neural network models. Moreover, the performance is evaluated by using Root Mean Square Error (RMSE) and Theil’U statistic value. After processing the experiments, the results demonstrate that Long Short-Term Memory (LSTM) recurrent neural network provides the best performance for the forecasting, with the condition of combination between the existing consumption rate and other relevant factors like production supply, import rate, export rate, and inventory stock. Also tuning the model’s parameters is an important issue.
    Keywords: Machine Learning | Physical Internet | Demand Forecasting | Neural Network | Regression


    چکیده فارسی:

    این مقاله یک مدل مناسب برای پیش بینی روند میزان مصرف شکر سفید در تایلند با توجه به نوسانات نرخ مصرف امروزه ارائه می دهد. در این مقاله روی دو نوع مدل اصلی پیش بینی که مدل های رگرسیون و شبکه های عصبی هستند ، تمرکز خواهد شد. علاوه بر این ، عملکرد با استفاده از Root Mean Square Error (RMSE) و مقدار آماری TheilU ارزیابی می شود. پس از پردازش آزمایشات ، نتایج نشان می دهد که شبکه عصبی راجعه با حافظه کوتاه مدت (LSTM) با شرایط ترکیبی بین میزان مصرف موجود و سایر عوامل مرتبط مانند تأمین تولید ، میزان واردات ، صادرات و موجودی کالا بهترین عملکرد را برای پیش بینی فراهم می کند. همچنین تنظیم پارامترهای مدل مسئله مهمی است.
    کلمات کلیدی: یادگیری ماشین | اینترنت فیزیکی | پیش بینی تقاضا | شبکه عصبی | رگرسیون


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 6
    تعداد صفحات فایل doc فارسی(با احتساب مراجع): 22

    وضعیت ترجمه عناوین تصاویر و جداول: به صورت کامل ترجمه شده است

    وضعیت ترجمه متون داخل تصاویر و جداول: به صورت کامل ترجمه شده است

    حجم فایل: 258 کیلوبایت


    قیمت: 38000 تومان    30400 تومان (20 % تخفیف)


    توضیحات اضافی:

    یک مقاله عالی و جدید چند رشته ای از ژورنال معتبر IFAC-PapersOnLine با ترجمه عالی. بخشی از ترجمه را ملاحظه نمایید.

     




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi