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
- 학술저널
- 저자정보
- 발행연도
- 2021.6
- 수록면
- 302 - 314 (13page)
- DOI
- 10.7232/JKIIE.2021.47.3.302
이용수
초록· 키워드
오류제보하기
In this paper, we propose a TSLF methodology, which is a Transfer learning with Seasonal adjustment for Long-term Forecasting. The lack of learning data has been a chronic problem in the field of long-term demand forecasting for automotive spare parts which tends to lead to the over-fitting. To solve this problem, we used transfer learning. Transfer learning is actively used in various industries as a technique for reusing pre-trained models to improve the performance of tasks with small data, but there are no research cases applying it. The main idea is to utilize trends that are highly related to other parts as the source domain, and to migrate the pre-trained network while retaining the feature extraction layer. Experiments show that this method mitigates over-fitting problem and reduces error by 14.85% on MAE and 11.3% on RMSE than the traditional method in the small data set.
목차
1. 서론
2. 관련 연구
3. 방법론
4. 실험 결과
5. 결론 및 활용방안
참고문헌
참고문헌 (45)
참고문헌 신청
Al-Saba, T. and El-Amin, I. (1999), Artificial Neural Networks as Applied to Long-Term Demand Forecasting, Artificial Intelligence in Engineering, 13(2), 189-197.
Baek, J.-J., Rhie, K. W., and Meyna, A. (2010), A Study on a Reliability Prognosis based on Censored Failure Data, Transactions of the Korean Society of Automotive Engineers, 18(1), 31-36.
Boylan, J. E. and Syntetos, A. A. (2009), Spare Parts Management : A Review of Forecasting Research and Extensions, IMA Journal of Management Mathematics, 21(3), 227-237.
Choi, D. W. (2014), A Data Mining Approach for Forecasting the Demand of Accidental Automobile Spare Parts with External Factors, Master’s Thesis, Yonsei University, Seoul, Korea.
Cohen, M. A., Agrawal, N., and Agrawal, V. (2006), Achieving Breakthrough Service Delivery Through Dynamic Asset Deployment Strategies, Interfaces, 36(3), 259-271.
Baek, J.-J., Rhie, K. W., and Meyna, A. (2010), A Study on a Reliability Prognosis based on Censored Failure Data, Transactions of the Korean Society of Automotive Engineers, 18(1), 31-36.
Boylan, J. E. and Syntetos, A. A. (2009), Spare Parts Management : A Review of Forecasting Research and Extensions, IMA Journal of Management Mathematics, 21(3), 227-237.
Choi, D. W. (2014), A Data Mining Approach for Forecasting the Demand of Accidental Automobile Spare Parts with External Factors, Master’s Thesis, Yonsei University, Seoul, Korea.
Cohen, M. A., Agrawal, N., and Agrawal, V. (2006), Achieving Breakthrough Service Delivery Through Dynamic Asset Deployment Strategies, Interfaces, 36(3), 259-271.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Agent-Based Model을 활용한 자동차 예비부품 장기수요예측
산업경영시스템학회지
2015 .01
-
간헐적 수요예측을 위한 이항가중 지수평활 방법
산업경영시스템학회지
2018 .01
-
Intermittent Demand Forecasting in the Case of Medical Apparatus By Improving Forecasting Accuracy
대한산업공학회 추계학술대회 논문집
2015 .11
-
데이터마이닝을 활용한 해군함정 수리부속 수요예측
산업경영시스템학회지
2017 .01
-
익명화된 데이터를 이용한 건물 전력 사용량 예측 모델의 전이학습 기법
대한설비공학회 학술발표대회논문집
2024 .06
-
무인항공기의 불균형 수리부속에 대한 수요예측
한국산학기술학회 논문지
2023 .06
-
비지도 대조학습 시계열 인코더를 이용한 전이학습: 소스 데이터셋 선택에 따른 예측 성능 변화
대한설비공학회 학술발표대회논문집
2024 .11
-
자연어 처리 기반의 추천시스템을 활용한 Product Demand 및 Trend Forecasting 방법론
한국지능정보시스템학회 학술대회논문집
2022 .11
-
시계열 예측 모델을 이용한 반도체 수요 예측
한국통신학회 학술대회논문집
2023 .02
-
멀티모달 딥러닝을 이용한 의류제품 수요 예측
한국지능정보시스템학회 학술대회논문집
2022 .11
-
딥러닝 모형을 활용한 공공자전거 대여량 예측에 관한 연구
한국ITS학회 논문지
2020 .01
-
Transfer learning 기반 감정 특징 추출 연구
대한전자공학회 학술대회
2017 .11
-
Performance Comparison of Data Driven-based Capacity Forecasting for Supercapacitor
한국통신학회 학술대회논문집
2021 .06
-
대공장비 수리부속 수요예측 연구
한국정보과학회 학술발표논문집
2017 .06
-
한국 전력시스템의 240시간 전력수요예측에 대한 딥러닝 모델과 학습기법
전기학회논문지
2022 .04
-
A Study on specific region detection and recognition based on Transfer-Learning and Data Augmentation
INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING
2019 .06
-
Neural-Network-Based Vehicle Torque Demand Forecasting
제어로봇시스템학회 국제학술대회 논문집
2017 .10
-
Data Driven Forecasting Method for Intermittent Demand
대한산업공학회 추계학술대회 논문집
2016 .11
-
Data-Driven Forecasting Method for Intermittent Demand
대한산업공학회 추계학술대회 논문집
2017 .11
-
국내 단기 전력수요예측을 위한 AI 예측 모델 성능 비교분석
전기학회논문지 P
2020 .12
이 논문의 저자 정보
이 논문과 함께 이용한 논문
건설 공정 지연 예측을 위한 인공지능 기반 경고 시스템 개발
정회찬
,
한기웅
,
이병훈
외 4명
대한산업공학회지
2022
.08
머신러닝을 이용한 태양광 발전량 예측 모델 비교
이용택
,
김두형
,
신우석
외 3명
대한산업공학회지
2021
.10
실차 충격 조건 계측을 통한 자율 주행 레이더 센서 충격 시험법 개발
박제우
,
김용휘
,
성기우
한국신뢰성학회 학술대회논문집
2021
.06
의료영상 분할 모델의 도메인 일반화 성능 향상을 위한 자기 지도 학습의 활용
이예진
,
이상우
,
황상흠
대한산업공학회지
2021
.04
혼합 가스 분류를 위한 전이학습 기반 방법론
오용경
,
김남우
,
김성일
대한산업공학회지
2021
.04
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2021-530-001747187