Fugu-MT 論文翻訳(概要): An Application of Newsboy Problem in Supply Chain Optimisation of Online Fashion E-Commerce

論文の概要: An Application of Newsboy Problem in Supply Chain Optimisation of Online Fashion E-Commerce

arxiv url: http://arxiv.org/abs/2007.02510v1
Date: Mon, 6 Jul 2020 03:27:42 GMT
ステータス: 処理完了
システム内更新日: 2022-11-13 03:11:02.274884
Title: An Application of Newsboy Problem in Supply Chain Optimisation of Online Fashion E-Commerce
Title（参考訳）: オンラインファッションeコマースのサプライチェーン最適化におけるニュースボーイ問題の適用
Authors: Chandramouli Kamanchi and Gopinath Ashok Kumar and Nachiappan Sundaram and Ravindra Babu T and Chaithanya Bandi
Abstract要約: インドのオンラインファッションeコマース企業であるMyntraに展開するサプライチェーン最適化モデルについて述べる。私たちのモデルはシンプルでエレガントで使いやすくなります。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We describe a supply chain optimization model deployed in an online fashion e-commerce company in India called Myntra. Our model is simple, elegant and easy to put into service. The model utilizes historic data and predicts the quantity of Stock Keeping Units (SKUs) to hold so that the metrics "Fulfilment Index" and "Utilization Index" are optimized. We present the mathematics central to our model as well as compare the performance of our model with baseline regression based solutions.
Abstract（参考訳）: インドのオンラインファッションeコマース企業であるMyntraに展開するサプライチェーン最適化モデルについて述べる。私たちのモデルはシンプルでエレガントで、運用も簡単です。このモデルは、歴史的データを利用してストックキーピング・ユニット(SKU)の量を予測し、指標の「Fulfilment Index」と「Utilization Index」が最適化されるように保持する。我々は,モデルの中心となる数学を提示するとともに,モデルの性能をベースライン回帰に基づく解と比較する。

関連論文リスト

A Collaborative Ensemble Framework for CTR Prediction [73.59868761656317]
我々は、複数の異なるモデルを活用するための新しいフレームワーク、CETNet(Collaborative Ensemble Training Network)を提案する。ナイーブなモデルスケーリングとは違って,私たちのアプローチは,共同学習による多様性とコラボレーションを重視しています。当社のフレームワークは,Metaの3つのパブリックデータセットと大規模産業データセットに基づいて検証する。
論文参考訳（メタデータ） (2024-11-20T20:38:56Z)
Exploring Model Kinship for Merging Large Language Models [52.01652098827454]
本稿では,大規模言語モデル間の類似性や関連性の程度であるモデル親和性を紹介する。モデル統合後の性能向上とモデル親和性の間には,一定の関係があることが判明した。我々は新しいモデルマージ戦略を提案する。Top-k Greedy Merging with Model Kinship。
論文参考訳（メタデータ） (2024-10-16T14:29:29Z)
Towards More Relevant Product Search Ranking Via Large Language Models: An Empirical Study [14.826942979030356]
大規模言語モデル(LLM)は、モデルトレーニングにおいてラベルと特徴生成の両方に使用される。 LLM出力に異なるシグモイド変換を導入し,ラベリングにおけるレバレンススコアを分極する。我々の研究は、LEMをeコマース製品検索ランキングモデルトレーニングに統合するための高度な戦略に光を当てている。
論文参考訳（メタデータ） (2024-09-26T01:38:05Z)
Self-Augmented Preference Optimization: Off-Policy Paradigms for Language Model Alignment [104.18002641195442]
既存のペアデータを必要としない、効果的でスケーラブルなトレーニングパラダイムである自己拡張型優先度最適化(SAPO)を導入する。負の反応を自律的に生成するセルフプレイの概念に基づいて、我々はさらに、データ探索とエクスプロイトを強化するために、非政治的な学習パイプラインを組み込む。
論文参考訳（メタデータ） (2024-05-31T14:21:04Z)
A Lightweight Feature Fusion Architecture For Resource-Constrained Crowd Counting [3.5066463427087777]
クラウドカウントモデルの汎用性を高めるために,2つの軽量モデルを導入する。これらのモデルは、MobileNetとMobileViTという2つの異なるバックボーンを持ちながら、同じダウンストリームアーキテクチャを維持している。隣接特徴融合を利用して、事前学習モデル(PTM)から多様な特徴を抽出し、その後、シームレスにこれらの特徴を組み合わせる。
論文参考訳（メタデータ） (2024-01-11T15:13:31Z)
MOTO: Offline Pre-training to Online Fine-tuning for Model-based Robot Learning [52.101643259906915]
本研究では,高次元観測による強化学習におけるオフライン事前学習とオンラインファインチューニングの問題について検討する。既存のモデルベースオフラインRL法は高次元領域におけるオフラインからオンラインへの微調整には適していない。本稿では,事前データをモデルベース値拡張とポリシー正則化によって効率的に再利用できるオンラインモデルベース手法を提案する。
論文参考訳（メタデータ） (2024-01-06T21:04:31Z)
Modeling Choice via Self-Attention [8.394221523847325]
注意に基づく選択モデルはHalo Multinomial Logit(Halo-MNL)モデルの低最適一般化であることを示す。また、実データから選択を推定するための最初の現実的な尺度を確立し、既存のモデルの評価を行う。
論文参考訳（メタデータ） (2023-11-11T11:13:07Z)
PreSizE: Predicting Size in E-Commerce using Transformers [76.33790223551074]
PreSizEは、Transformerを使って正確なサイズ予測を行う新しいディープラーニングフレームワークである。我々は,PreSizEが従来の最先端のベースラインよりも優れた予測性能を実現できることを示した。概念実証として、PreSizEによるサイズ予測が、既存の生産推奨システムに統合できることを実証しています。
論文参考訳（メタデータ） (2021-05-04T15:23:59Z)
Multi-Purchase Behavior: Modeling, Estimation and Optimization [0.9337154228221861]
本稿では,Bundle-MVL-Kファミリーと呼ばれる,同種の選択モデルのマルチ購入ファミリを提案する。このモデルに対して最適化されたレコメンデーションを効率的に計算するバイナリ検索に基づく反復戦略を開発する。
論文参考訳（メタデータ） (2020-06-14T23:47:14Z)
Personalized Fashion Recommendation from Personal Social Media Data: An Item-to-Set Metric Learning Approach [71.63618051547144]
ソーシャルメディアデータからパーソナライズされたファッションレコメンデーションの問題について検討する。本稿では,ユーザの過去のファッションアイテムと新しいファッションアイテムとの類似性を学習する,アイテムツーセットのメトリック学習フレームワークを提案する。提案手法の有効性を検証するために,実世界のソーシャルメディアデータセットを収集する。
論文参考訳（メタデータ） (2020-05-25T23:24:24Z)

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。