МЕТОД ПРОГНОЗУВАННЯ В ЕПОХІ - ПРОМИСЛОВОСТІ 4.0
Анотація
Для збільшення швидкості передачі даних, забезпечуючи доступ до багато- вимірних даних, використовується Big Data як інструмент в умовах промис- ловості 4.0. На основі моделі MapReduce ви можете використовувати сучасні інструменти для роботи з великими даними. Тому в роботі досліджуються великі дані як єдине централізоване джерело інформації для всієї предметної області. Крім того, у цій роботі пропонується структура системи прогнозування нейронної мережі, яка включає багато баз даних, де транзакції обробляються в режимі реального часу. Для прогнозування багатовимірних даних нейронної мережі розглядається і будується мережа в Matlab. Матриця вхідних даних та матриця цільових даних, які визначають вхідну статистичну інформацію, використовуються для навчання нейронної мережі. Розглянуто застосування алгоритму Левенберга-Марквардта для навчання нейронної мережі. Також представлені результати тренувального процесу нейронної мережі в Matlab. Представлені отримані результати прогнозування, що дозволяє зробити висно- вок про переваги нейронної мережі у багатовимірному прогнозуванні.
Посилання
2. Kl. Schwab (Ed.), The Fourth Industrial Revolution, World Economic Forum, Cologny/Geneva, 2017.
3. R. Kats, Mucinex Eyes Social Commerce to Help Bolster D2C Business, emarketer Web, 2020. URL: https://www.emarketer.com/content/mucinex-eyes-social-commerce-help-bolster-d2c-business/4. B. Yonathan (Ed.), Nonlinear Parameter Estimation, New York, 1974.
5. A.H. Ashton, Does consensus imply accuracy in accounting studies of decision making?, The Accounting Review, vol. 60, no. 2(1985) 173–185. URL: www.jstor.org/stable/246784.
6. V. Morwitz, Methods for forecasting from intentions data, Principles of Forecasting (2001) 33–56. doi:10.1007/978-0-306-47630-3_3
7. J.S. Armstrong (ed.), Role Playing: A Method to Forecast Decisions, Springer, Boston, 2001, pp. 15–30. URL: https://repository.upenn.edu/marketing_papers/152
8. D.R. Wittink, T. Bergestuen, Forecasting with conjoint analysis, In: Armstrong J.S. (eds), Principles of Forecasting, International Series in Operations Research & Management Science, volume 30, Springer, Boston, MA, 2001, pp. 147–167. doi:10.1007/978-0-306-47630-3_8
9. G. Rowe, G. Wright, Expert opinions in forecasting role of the Delphi technique, Springer, Boston, 2001, pp. 125–144. doi:10.1007/978-0-306-47630-3_7
10. P. Mandal, N. Joshi, Understanding Digital Marketing Strategy, International Journal of Scientific Research and Management 5(6) (2017) 5428–5431. doi:10.18535/ijsrm/v5i6.11
11. M. Ivanov, Cloud-based Digital Marketing, CEUR Workshop Proceedings, 2422, 2019.
