Метод прогноза в цепи поставок на основе ограниченной машины Больцмана с каскадами единичных задержек

Abstract

Рассматривается проблема недостаточной точности прогноза, возникающая при управлении цепями поставок. Предложена нейросетевая модель прогноза на основе ограниченной машины Больцмана с каскадами единичных задержек во входном и выходном слоях. В ходе структурной идентификации этой модели определено количество нейронов в скрытом слое, а параметрическая идентификация выполнялась на основе технологии параллельной обработки информации CUDA. Это позволяет повысить эффективность прогноза за счет уменьшения вычислительной сложности и повышения точности прогноза. Созданное программное обеспечение посредством пакета Matlab, реализующее предложенный метод, может использоваться для реализации прогноза в задаче управления цепями поставок.

Determining the optimal level of inventory comes down to the timeliness of the procurement and replenishment procedures, which ensure the minimum total costs associated with procurement and storage. The problem of insufficient forecast accuracy for inventory management arising in supply chains is considered. A neural network forecasting model based on a Time-Delay Restricted Boltzmann Machine with cascades of single delays in the input and output layers is proposed. During the structural identification of this model, the number of neurons in the hidden layer was determined, and the parametric identification was performed based on the CUDA parallel processing technology. This improves the forecast efficiency by reducing the computational complexity and increasing the forecast accuracy. The software created by means of the Matlab package, which implements the proposed method, can be used to implement the forecast in the problem of supply chain management.