الأبحاث ضمن الموضوع الرئيسي: تقنيات التنبؤ وتطبيقاتها
-
MCDFN: التنبؤ بالطلب في سلسلة الإمداد من خلال نموذج شبكة دمج البيانات متعددة القنوات القابلة للتفسير
MCDFN: supply chain demand forecasting via an explainable multi-channel data fusion network modelتقدم البحث شبكة دمج البيانات متعددة القنوات (MCDFN)، وهي بنية تعلم عميق هجينة مصممة لتحسين توقعات الطلب من خلال دمج عدة أنماط بيانات. غالبًا ما تكافح طرق التوقع التقليدية مع الأنماط المعقدة بسبب التغيرات الموسمية والأحداث الخاصة، بينما تفتقر أساليب التعلم العميق إلى القابلية للتفسير. تجمع MCDFN بين الشبكات العصبية التلافيفية (CNNs) وشبكات الذاكرة طويلة…
-
توقع وفيات أمراض القلب والأوعية الدموية باستخدام الشبكات العصبية الاصطناعية في السند، باكستان
Forecasting cardiovascular disease mortality using artificial neural networks in Sindh, Pakistanتتناول هذه الدراسة الزيادة المتزايدة في حالات وفيات أمراض القلب والأوعية الدموية (CVD) في محافظة السند في باكستان، باستخدام مجموعة بيانات زمنية من 1999 إلى 2021 مأخوذة من مستشفى مدني في نوابشاه. تستخدم البحث نماذج السلاسل الزمنية التقليدية – نايف، هولت-وينترز، والتنعيم الأسي البسيط (SES) – وتقارن أدائها مع نهج التعلم الآلي، نموذج الشبكة العصبية…
-
ثورة في تجارة التجزئة: نهج هجين للتعلم الآلي لتوقع الطلب بدقة واتخاذ القرارات الاستراتيجية في التجارة العالمية
Revolutionizing Retail: A Hybrid Machine Learning Approach for Precision Demand Forecasting and Strategic Decision-Making in Global Commerceتقدم هذه الورقة البحثية تقييمًا شاملاً لمجموعة متنوعة من تقنيات التعلم الآلي لتحليل بيانات المبيعات في الوقت الحقيقي، بما في ذلك تعزيز التدرج، AdaBoost، الغابة العشوائية (RF)، XGBoost، الشبكات العصبية الاصطناعية (ANN)، ونموذج هجين جديد يسمى RF-XGBoost-LR. تستخدم الدراسة مقاييس الأداء الرئيسية مثل متوسط الخطأ المطلق (MAE)، ومتوسط الخطأ التربيعي (MSE)، ودرجة R² لتقييم فعالية…