深度學習算法研究框架_第1頁
深度學習算法研究框架_第2頁
深度學習算法研究框架_第3頁
深度學習算法研究框架_第4頁
深度學習算法研究框架_第5頁
已閱讀5頁，還剩11頁未讀， 繼續免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

智能物流中深度學習算法框架(草稿)項目零部件入廠供需預測智能分單裝載優化動態調度倉儲優化AI平臺學習算法類型監督學習（歷史數據）增強學習（智能進化）供需預測智能分單動態調度零部件入廠倉儲優化AI平臺裝載優化供需預測數據類型歷史銷量時間序列歷史運力時間序列宏觀指數時期，季節，節假在線數據…預測需求類型時間尺度空間尺度車型尺度粗細程度目標驅動…回歸模型分類模型遞歸神經網絡監督學習集成學習數據收集/洗滌/挖掘模型庫與算法庫需求調研當前研究內容全空間/全車型/全時間尺度的預測模型面向動態調度和智能分單的預測模型全尺度銷量預測模型（精度分析/硬件估計）時間：日，周，月線路：縣，市，省車型：車類，尺寸車型，車廠現有數據歷史銷量時間序列歷史運力時間序列宏觀指數時期，季節，節假…預測方法時間窗口統計量SVM各種回歸RNNRCNN…集成學習未來數據接口在線數據指數數據面向需求預測運單預測運力預測粗糲化/類型化時間尺度空間尺度車型尺度精度要求需求調研其他項目組/業務部門預測方法時間窗口統計量SVM各種回歸RNNRCNN…模型庫與算法庫現有數據歷史銷量時間序列歷史運力時間序列宏觀指數時期，季節，節假…預測需求精度：通過歷史數據決定精度最大許可范圍尺度：通過歷史數據決定尺度最大許可范圍目標：粗糲化智能裝卸/路線規劃數據（洗滌/挖掘）運力數據運單數據線路數據…啟發式（搜索）算法強化學習（DQN）默認策略DQN（快速裝箱與線路規劃/黃耀庭）環境經驗集代價神經網絡Q(s,a)物流數據隨機生成器采樣訓練目標神經網絡Q’(s,a)遞歸儲存執行裝箱示意已裝的邊界待裝的箱子線路執行供應商供應商供應商倉庫線路規劃示意智能分單訂單集合水路鐵路公路智能分單（類）模型隨時間滾動目前研究任務基于場景預測的動態分單算法利用歷史數據訓練（預測與已知真實數據結果比較）數據當日訂單已分配訂單智能分單（類）模型比例目標其他目標函數場景預測模型決策模型未來數據理想分單（類）模型監督學習強化學習目標預測需求動態調度訂單集合智能調度模型調度方案時間區間多目標最優目前研究任務訂單集合Pareto優化器待選方案集合預測/歷史真實數據場景分類器調度方案二次篩選器預測需求指標強化學習/過程優化

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論