지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2012.5
- 수록면
- 1,601 - 1,608 (8page)
이용수
이 논문의 연구 히스토리 (3)
2012
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
Hierarchical forecasting strategy does not always outperform direct forecasting strategy. The performance generally depends on demand features. The motivation of this paper is to guide the use of the alternative forecasting strategies according to demand features. However, the selection of a forecasting strategy is difficult (especially for non-normal demand). This paper developed and evaluated various classification models such as logistic regression (LR), artificial neural networks (ANN), decision trees (DT), boosted trees (BT), and random forests (RF) for predicting the relative performance of the alternative forecasting strategies for the South Korean navy’s spare parts demand which has non-normal characteristics. ANN minimised classification errors and inventory costs, whereas LR minimised the Brier scores and the sum of forecasting errors.
목차
Abstract
1. Introduction
2. Demand Features and Classification
3. Case Study
4. The Development of the Classification Models
5. Classification Results and Analysis
6. Conclusions
References
참고문헌 (0)
참고문헌 신청이 논문의 저자 정보
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2018-020-000859006