論文の概要: Using Machine Learning Methods for Automation of Size Grid Building and Management

• arxiv url: http://arxiv.org/abs/2306.09775v1
• Date: Fri, 16 Jun 2023 11:23:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-19 14:10:17.077836
• Title: Using Machine Learning Methods for Automation of Size Grid Building and Management
• Title（参考訳）: サイズグリッド構築と管理の自動化のための機械学習手法
• Authors: Salim Yunus, Dries Benoit and Filipa Peleja
• Abstract要約: 本研究では,Levi Strauss のサイズ選択決定に焦点をあてる。 同社は、サイズ、商業、計画チームの作業負荷に悩まされている。 この研究により、機械学習技術を用いてより自動化されたプロセスが作成された。
• 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: Fashion apparel companies require planning for the next season, a year in advance for supply chain management. This study focuses on size selection decision making for Levi Strauss. Currently, the region and planning group level size grids are built and managed manually. The company suffers from the workload it creates for sizing, merchant and planning teams. This research is aiming to answer two research questions: "Which sizes should be available to the planners under each size grid name for the next season(s)?" and "Which sizes should be adopted for each planning group for the next season(s)?". We approach to the problem with a classification model, which is one of the popular models used in machine learning. With this research, a more automated process was created by using machine learning techniques. A decrease in workload of the teams in the company is expected after it is put into practice. Unlike many studies in the state of art for fashion and apparel industry, this study focuses on sizes where the stock keeping unit represents a product with a certain size.
• Abstract（参考訳）: ファッションアパレル企業は、サプライチェーン管理のために1年前から、来年の計画を必要としている。 本研究では,Levi Strauss のサイズ選択決定に焦点をあてる。 現在、リージョンとプランニンググループレベルのサイズグリッドは手動で構築および管理されている。 同社は、サイズ、商業、計画チームの作業負荷に悩まされている。 この研究は、2つの研究課題に答えることを目的としている:「次のシーズンは、各サイズのグリッド名の下のプランナーがどのサイズを利用できるべきか?」と、「次のシーズンの各プランニンググループでどのサイズを採用するべきか?」である。 機械学習でよく使われるモデルの1つである分類モデルを用いて,この問題にアプローチする。 この研究により、機械学習技術を用いてより自動化されたプロセスが作成された。 企業内のチームの作業負荷の削減は、それが実行された後に期待されます。 ファッションやアパレル産業に関する多くの研究とは異なり、本研究は在庫保持単位が一定の大きさの製品を表すサイズに焦点を当てている。

関連論文リスト

• Model Merging in LLMs, MLLMs, and Beyond: Methods, Theories, Applications and Opportunities [89.40778301238642]
  モデルマージは、機械学習コミュニティにおける効率的なエンパワーメント技術である。 これらの手法の体系的かつ徹底的なレビューに関する文献には大きなギャップがある。
  論文  参考訳（メタデータ） (2024-08-14T16:58:48Z)
• LLAVADI: What Matters For Multimodal Large Language Models Distillation [77.73964744238519]
  本研究では,新しい効率的なモデル構造を提案するのではなく,スクラッチから小規模MLLMを訓練する。 本研究は, 知識蒸留プロセスにおける学習戦略, モデル選択, 蒸留アルゴリズムに関するものである。 異なるベンチマークと適切な戦略を評価することで、2.7Bの小型モデルでも7Bまたは13Bのパラメータを持つ大型モデルと同等に動作することができる。
  論文  参考訳（メタデータ） (2024-07-28T06:10:47Z)
• Scaling Retrieval-Based Language Models with a Trillion-Token Datastore [85.4310806466002]
  検索ベースLMが使用するデータストアのサイズを増大させることで,言語モデリングや下流タスクを一元的に改善できることがわかった。 データストア、モデル、事前学習データサイズで計算最適スケーリング曲線をプロットすることにより、より大きなデータストアを使用することで、同じトレーニング計算予算のモデル性能を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2024-07-09T08:27:27Z)
• A Survey of Machine Learning-Based Ride-Hailing Planning [9.928073494684483]
  本稿では,機械学習による配車計画の最新動向について概観する。 私たちは、機械学習ベースの配車計画戦略に関する実証的研究に欠かせない、多くの実世界のデータセットとシミュレータに光を当てました。
  論文  参考訳（メタデータ） (2023-03-26T07:21:03Z)
• Embeddings for Tabular Data: A Survey [8.010589283146222]
  タブラルデータは、同じ列(属性)のセットを持つ行(サンプル)を含む テーブルは、さまざまな産業や学界でデータを保存する自然な方法になりつつある。 新しい研究の行は、様々なデータベースタスクをサポートするために様々な学習技術を適用している。
  論文  参考訳（メタデータ） (2023-02-23T04:37:49Z)
• Large-scale Multi-Modal Pre-trained Models: A Comprehensive Survey [66.18478838828231]
  マルチモーダルな事前訓練型大型モデルは近年ますます注目を集めている。 本稿では, 自然言語処理, コンピュータビジョン, 音声処理における従来の深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・ 次に,マルチモーダル・プレトレーニング・モデル(MM-PTM)のタスク定義,課題,メリットを紹介し,データ,目的,ネットワーク,知識強化による事前トレーニングに着目して,MM-PTMについて議論する。
  論文  参考訳（メタデータ） (2023-02-20T15:34:03Z)
• Towards Automated Process Planning and Mining [77.34726150561087]
  我々は、AIとBPM分野の研究者が共同で働く研究プロジェクトについて紹介する。 プロセスモデルを自動的に導出するための総合的な研究課題、研究の関連分野、および総合的な研究枠組みについて論じる。
  論文  参考訳（メタデータ） (2022-08-18T16:41:22Z)
• Job Offers Classifier using Neural Networks and Oversampling Methods [0.1679937788852769]
  メキシコ最大のジョブバンクであるブメランから収集したデータセットを用いて、自動ジョブオファリング分類器を開発した。 販売、管理、コールセンター、技術、貿易、人的資源、物流、マーケティング、健康、ガストロノミー、金融、秘書、生産、エンジニアリング、教育、デザイン、法律、建設、保険、通信、コミュニケーション、マネジメント、外国貿易、鉱業。
  論文  参考訳（メタデータ） (2022-07-03T11:53:09Z)
• Stock2Vec: An Embedding to Improve Predictive Models for Companies [0.5872014229110215]
  私たちは、どんな予測モデルにも簡単に追加できる企業株、Stock2Vecの埋め込みを作成します。 次に、応用機械学習問題への埋め込みを評価するための総合的な実験を行う。 実験の結果,Stock2Vec埋め込みの4つの機能は,既存のクロスコンパニオンモデルを容易に拡張できることがわかった。
  論文  参考訳（メタデータ） (2022-01-27T02:57:01Z)
• How to organize a hackathon -- A planning kit [52.69893787447965]
  ハッカソンの準備と実行に関するガイドラインはたくさんあります。 それらの多くは、特定のタイプの参加者のための特定のフォーマットに焦点を当てています。 これにより、初心者のオーガナイザがニーズに合ったイベントの実行方法を決定するのが難しくなる。
  論文  参考訳（メタデータ） (2020-08-18T16:52:21Z)
• Breaking Moravec's Paradox: Visual-Based Distribution in Smart Fashion Retail [5.0721440984179464]
  我々は,その視覚的イメージに基づいて,衣服のスタイルを効果的に表現する深層学習モデルを開発した。 チームは、服のイメージ表現に基づいて、各ストアの製品ミックスを効果的に決定する最適化モデルを開発した。 提案手法は、現実的なサプライチェーン問題に対処するために、AI(知覚と認知)と数学的最適化(論理計算)の両方を使用するという点において重要である。
  論文  参考訳（メタデータ） (2020-07-10T02:20:39Z)

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。