論文の概要: A Bayesian Approach for Predicting Food and Beverage Sales in Staff
Canteens and Restaurants
- arxiv url: http://arxiv.org/abs/2005.12647v3
- Date: Mon, 10 May 2021 13:06:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-29 00:49:00.274940
- Title: A Bayesian Approach for Predicting Food and Beverage Sales in Staff
Canteens and Restaurants
- Title（参考訳）: 食堂・レストランにおける食品・飲料販売予測のためのベイズ的アプローチ
- Authors: Konstantin Posch, Christian Truden, Philipp Hungerl\"ander, J\"urgen
Pilz
- Abstract要約: 本稿では,ポイント・オブ・セールスシステムから取得したデータのみに基づく予測手法を提案する。
幅広い評価において,カジュアルなレストランで収集された2つのデータセットと,大きなスタッフの缶詰について検討する。
提案モデルがレストランデータの特徴に適合することを示す。
- 参考スコア（独自算出の注目度）: 2.362412515574206
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate demand forecasting is one of the key aspects for successfully
managing restaurants and staff canteens. In particular, properly predicting
future sales of menu items allows a precise ordering of food stock. From an
environmental point of view, this ensures maintaining a low level of
pre-consumer food waste, while from the managerial point of view, this is
critical to guarantee the profitability of the restaurant. Hence, we are
interested in predicting future values of the daily sold quantities of given
menu items. The corresponding time series show multiple strong seasonalities,
trend changes, data gaps, and outliers. We propose a forecasting approach that
is solely based on the data retrieved from Point of Sales systems and allows
for a straightforward human interpretation. Therefore, we propose two
generalized additive models for predicting the future sales. In an extensive
evaluation, we consider two data sets collected at a casual restaurant and a
large staff canteen consisting of multiple time series, that cover a period of
20 months, respectively. We show that the proposed models fit the features of
the considered restaurant data. Moreover, we compare the predictive performance
of our method against the performance of other well-established forecasting
approaches.
- Abstract（参考訳）: 正確な需要予測は、レストランやスタッフをうまく管理する上で重要な側面の1つだ。
特に、メニューアイテムの将来販売を適切に予測することで、食品の正確な注文が可能になる。
環境の観点からは、これは消費者前の食品廃棄物の低レベルの維持を保証し、管理の観点からは、レストランの収益性を保証することが重要である。
そこで,我々は,メニューアイテムの日次販売量を予測することに関心を持っている。
対応する時系列は、複数の強い季節性、傾向の変化、データギャップ、外れ値を示す。
そこで本研究では,販売システムから得られたデータのみに基づく予測手法を提案する。
そこで本研究では,今後の売上予測のための2つの一般化付加モデルを提案する。
本稿では,カジュアルなレストランで収集した2つのデータセットと,20ヶ月の期間をカバーした複数の時系列からなる大規模スタッフキャンバスについて検討する。
提案モデルがレストランデータの特徴に適合することを示す。
さらに,提案手法の予測性能を,他の確立した予測手法の性能と比較した。
関連論文リスト
- F-FOMAML: GNN-Enhanced Meta-Learning for Peak Period Demand Forecasting with Proxy Data [65.6499834212641]
本稿では,需要予測をメタラーニング問題として定式化し,F-FOMAMLアルゴリズムを開発した。
タスク固有のメタデータを通してドメインの類似性を考慮することにより、トレーニングタスクの数が増加するにつれて過剰なリスクが減少する一般化を改善した。
従来の最先端モデルと比較して,本手法では需要予測精度が著しく向上し,内部自動販売機データセットでは平均絶対誤差が26.24%,JD.comデータセットでは1.04%削減された。
論文 参考訳（メタデータ） (2024-06-23T21:28:50Z) - Performative Time-Series Forecasting [71.18553214204978]
我々は,機械学習の観点から,パフォーマンス時系列予測(PeTS)を定式化する。
本稿では,予測分布シフトに対する遅延応答の概念を活用する新しい手法であるFeature Performative-Shifting(FPS)を提案する。
新型コロナウイルスの複数の時系列モデルと交通予報タスクを用いた総合的な実験を行った。
論文 参考訳（メタデータ） (2023-10-09T18:34:29Z) - Improved Sales Forecasting using Trend and Seasonality Decomposition
with LightGBM [9.788039182463768]
時系列上での傾向と季節成分のユニークな影響を示すための新しい尺度を提案する。
実験の結果,提案手法は精度を向上できることがわかった。
論文 参考訳（メタデータ） (2023-05-26T18:49:42Z) - Meat Freshness Prediction [0.0]
本研究の目的は、生データに基づく食品の鮮度を評価する機械学習(ML)ベースのアプローチを提案することである。
このモデルは90%以上の精度を達成し、誤分類のコストの観点から比較的高い性能を実現した。
論文 参考訳（メタデータ） (2023-05-01T04:02:50Z) - What Should I Know? Using Meta-gradient Descent for Predictive Feature
Discovery in a Single Stream of Experience [63.75363908696257]
計算強化学習は、未来の感覚の予測を通じて、エージェントの世界の知覚を構築しようとする。
この一連の作業において、オープンな課題は、エージェントがどの予測が意思決定を最も支援できるかを、無限に多くの予測から決定することである。
本稿では,エージェントが何を予測するかを学習するメタ段階的な降下過程,(2)選択した予測の見積もり,3)将来の報酬を最大化するポリシーを生成する方法を紹介する。
論文 参考訳（メタデータ） (2022-06-13T21:31:06Z) - Joint Forecasting of Panoptic Segmentations with Difference Attention [72.03470153917189]
シーン内の全てのオブジェクトを共同で予測する新しいパノプティックセグメンテーション予測モデルについて検討する。
提案したモデルをCityscapesとAIODriveデータセット上で評価する。
論文 参考訳（メタデータ） (2022-04-14T17:59:32Z) - Back2Future: Leveraging Backfill Dynamics for Improving Real-time
Predictions in Future [73.03458424369657]
公衆衛生におけるリアルタイム予測では、データ収集は簡単で要求の多いタスクである。
過去の文献では「バックフィル」現象とそのモデル性能への影響についてはほとんど研究されていない。
我々は、与えられたモデルの予測をリアルタイムで洗練することを目的とした、新しい問題とニューラルネットワークフレームワークBack2Futureを定式化する。
論文 参考訳（メタデータ） (2021-06-08T14:48:20Z) - A machine learning approach to itinerary-level booking prediction in
competitive airline markets [0.0]
競合データ、価格、ソーシャルメディア、安全、航空会社のレビューなど、複数のソースからのデータを組み合わせています。
顧客行動は価格に敏感でスケジュールに敏感で快適なODに分類できることを示す。
このモデルは、従来の時系列予測よりも高い収益をもたらす予測を生成する。
論文 参考訳（メタデータ） (2021-03-15T14:32:11Z) - Low Rank Forecasting [0.0]
我々は,過去の値を用いて,ベクトル時系列の未来の複数の値を予測する問題について考察する。
私たちの焦点は、低いランクの予測者であり、予測を2段階に分割することです。
予測整合性の概念を導入する。これは,異なるタイミングで同じ値の推定値が一貫したことを意味する。
論文 参考訳（メタデータ） (2021-01-29T05:59:19Z) - Predicting seasonal influenza using supermarket retail records [59.18952050885709]
我々は,スーパーマーケットの小売データを,センチネルバスケットの識別を通じてインフルエンザの代替信号とみなす。
SVR(Support Vector Regression)モデルを用いて、季節性インフルエンザ発生の予測を行います。
論文 参考訳（メタデータ） (2020-12-08T16:30:43Z) - Profit-oriented sales forecasting: a comparison of forecasting
techniques from a business perspective [3.613072342189595]
本稿では,コカ・コーラ社の産業界データと公開データセットの両方から成る35回連続のテクニックを比較検討する。
モデル構築と評価プロセスの両方において、テクニックが生成できる期待される利益を考慮に入れた、新しく完全に自動化された利益主導のアプローチを導入します。
論文 参考訳（メタデータ） (2020-02-03T14:50:24Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。