Deep Neural Networks for Sales Forecasting
Název práce v češtině: | Hluboké neuronové sítě pro předpovídání prodejů |
---|---|
Název v anglickém jazyce: | Deep Neural Networks for Sales Forecasting |
Klíčová slova: | hluboké neuronové sítě, předpověd prodejů, strojové učení |
Klíčová slova anglicky: | deep neural networks, sales forecasting, machine learning |
Akademický rok vypsání: | 2015/2016 |
Typ práce: | diplomová práce |
Jazyk práce: | angličtina |
Ústav: | Katedra teoretické informatiky a matematické logiky (32-KTIML) |
Vedoucí / školitel: | Mgr. Martin Pilát, Ph.D. |
Řešitel: | skrytý - zadáno a potvrzeno stud. odd. |
Datum přihlášení: | 03.04.2016 |
Datum zadání: | 18.04.2016 |
Datum potvrzení stud. oddělením: | 03.05.2016 |
Datum a čas obhajoby: | 12.09.2016 10:30 |
Datum odevzdání elektronické podoby: | 27.07.2016 |
Datum odevzdání tištěné podoby: | 28.07.2016 |
Datum proběhlé obhajoby: | 12.09.2016 |
Oponenti: | doc. RNDr. Iveta Mrázová, CSc. |
Zásady pro vypracování |
Metody pro předpovídání prodejů umožňují prodejcům lépe plánovat množství výrobků na skladě tak, aby byli schopni uspokojit potřeby svých zákazníků a zároveň neskladovali výrobky zbytečně. Jedná se o předpovídání speciálních časových řad. V minulosti byly pro předpovídání prodejů úspěšně použity neuronové sítě [1,2], zároveň se v současnosti pro předpovídání časových řad začínají prosazovat hluboké neuronové sítě [3,4,5]. Je tedy zajímavé zabývat se otázkou, jak mohou hluboké sítě pomoci vylepšit předpovídání prodejů.
Studentka v práci navrhne a otestuje použítí hlubokých neuronových sítí pro předpovídání prodejů a zároveň je porovná s jinými používanými technikami. Cílem práce by mělo být porovnání jednotlivých modelů a technik a návrh vhodných postupů pro praktické použítí v této oblasti. |
Seznam odborné literatury |
[1] Thiesing, F. M., & Vornberger, O. (1997). Forecasting sales using neural networks. In Computational Intelligence Theory and Applications (pp. 321-328). Springer Berlin Heidelberg.
[2] Muller-Navarra, M., Lessmann, S., & Voß, S. (2015). Sales Forecasting with Partial Recurrent Neural Networks: Empirical Insights and Benchmarking Results. In System Sciences (HICSS), 2015 48th Hawaii International Conference on (pp. 1108-1116). IEEE. [3] Bengio, Y., Courville, A., & Vincent, P. (2013). Representation learning: A review and new perspectives. Pattern Analysis and Machine Intelligence, IEEE Transactions on, 35(8), 1798-1828. [4] Kuremoto, T., Kimura, S., Kobayashi, K., & Obayashi, M. (2014). Time series forecasting using a deep belief network with restricted Boltzmann machines. Neurocomputing, 137, 47-56. [5] Dalto, M., Matusko, J., & Vasak, M. (2015). Deep neural networks for ultra-short-term wind forecasting. In Industrial Technology (ICIT), 2015 IEEE International Conference on (pp. 1657-1663). IEEE. |