پیش بینی تقاضا در زنجیره تامین با استفاده از الگوریتم های یادگیری ماشین (مورد مطالعه: زنجیره تامین شرکت ایران خودرو)
چکیده
چکیدهای برای این سند ثبت نشده است.
چکیدهای برای این سند ثبت نشده است.
هدف این تحقیق بررسی عوامل موثر در پیش بینی عملکرد تحصیلی دانشجویان مقطع کارشناسی در طبقه بندی چهار کلاسه می باشد. برای دستیابی به این هدف، مطالعه از روش داده کاوی کریسپ پیروی می کند. مجموعه داده ها از سیستم آموزشی ناد برای مقطع کارشناسی در دانشگاه شاهد برای ورودی سال های 1390 تا
پیشبینی دقیق سیالب نیازی اساسی جهت کاهش خطرات آن میباشد ولی به دلیل ساختار پیچیده سیالب و جریان رودخانه، عمال پیشبینی دقیق طغیان و تخلیه رودخانه مسألهای دشوار است. شبکههای عصبی مصنوعی مانند شبکههای عصبی مکرر، عملکرد بسیار خوبی در دادههای سری زمانی دارند. در سالهای اخیر استفاده از
مقاومت آنتی بیوتیکی در سالهای اخیر افزایش قابل ملاحظهای داشته و از طرفی دیگر الگوریتمهای یادگیری ماشینی (ML) به طور فزایندهای در تحقیقات پزشکی و مراقبتهای بهداشتی به کار میروند. در میان کاربردهای مختلف این روشهای جدید، استفاده از آنها در مبارزه با مقاومت ضد میکروبی (AMR) یکی از
پیش بینی قیمت سهام امری پیچیده است؛ مؤلفه­های گوناگونی از قبیل وضع عمومی اقتصاد، رخداد­های سیاسی و انتظارات سرمایه گذاران، بر بازار سهام تأثیر می گذارد. بازار سهام، در حقیقت یک سیستم غیرخطی و آشوبناک است که به عوامل متعدد سیاسی، اقتصادی و روانی وابسته است، برای غلبه بر مح
هدف این پژوهش بررسی عوامل موثر در پیشبینی زمان انتظار و ایجاد مدل پیشبینانه زمان انتظار سفارشات کانبان به جهت بهبود پایداری و تابآوری در زنجیره تامین ناب میباشد. برای دستیابی به این هدف، مطالعه از روش دادهکاوی پیروی میکند، مجموعه دادهها شامل 103023 مشاهده، ازسیستم کانبان و
ارائه پیشبینیهای قابل اعتماد انتظارات تورمی چالشی همیشگی برای سیاستگذاران است و برای فعالان اقتصادی و تصمیمهای سرمایهگذاری آنها از اهمیت بالایی برخوردار است. پیشبینی دقیق انتظارات تورمی در یک محیط غنی از داده زمانی که بین متغیرهای پیش بینی کننده همبستگی وجود دارد یک زمینه ت