論文の概要: Business Metric-Aware Forecasting for Inventory Management

• arxiv url: http://arxiv.org/abs/2308.13118v1
• Date: Thu, 24 Aug 2023 23:49:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-28 15:31:31.567646
• Title: Business Metric-Aware Forecasting for Inventory Management
• Title（参考訳）: 在庫管理のためのビジネスメトリックアウェア予測
• Authors: Helen Zhou, Sercan O. Arik, Jingtao Wang
• Abstract要約: 時系列予測はビジネス計画において重要な役割を果たす。 フォアキャスターは通常、下流のビジネス目標に非依存な目標を最適化します。 エンドツーエンドの最適化は、標準的なビジネスに依存しない予測指標の最適化よりも優れていることがよく示される。
• 参考スコア（独自算出の注目度）: 3.612315888343108
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Time-series forecasts play a critical role in business planning. However, forecasters typically optimize objectives that are agnostic to downstream business goals and thus can produce forecasts misaligned with business preferences. In this work, we demonstrate that optimization of conventional forecasting metrics can often lead to sub-optimal downstream business performance. Focusing on the inventory management setting, we derive an efficient procedure for computing and optimizing proxies of common downstream business metrics in an end-to-end differentiable manner. We explore a wide range of plausible cost trade-off scenarios, and empirically demonstrate that end-to-end optimization often outperforms optimization of standard business-agnostic forecasting metrics (by up to 45.7% for a simple scaling model, and up to 54.0% for an LSTM encoder-decoder model). Finally, we discuss how our findings could benefit other business contexts.
• Abstract（参考訳）: 時系列予測はビジネス計画において重要な役割を果たす。 しかし、予測者は一般的に下流のビジネス目標に依存しない目標を最適化するので、ビジネスの好みに合致しない予測を生成できる。 本稿では,従来の予測指標の最適化が,下流ビジネスのパフォーマンスの最適化につながることを実証する。 在庫管理の設定に着目し,共通下流ビジネスメトリクスのプロキシをエンドツーエンドの微分可能な方法で最適化し,効率的な計算手順を導出する。 そして、エンドツーエンドの最適化が標準的なビジネスに依存しない予測指標(単純なスケーリングモデルでは最大45.7%、LSTMエンコーダ/デコーダモデルでは最大54.0%)の最適化よりも優れていることを実証的に示す。 最後に、我々の調査結果が他のビジネスコンテキストにどのように役立つかについて議論する。

関連論文リスト

• Fair and Welfare-Efficient Constrained Multi-matchings under Uncertainty [17.364297444721057]
  我々は、市場デザイナーがグループフェアネスを維持しながら全体的な福祉を最適化する制約された資源の公平な配分について研究する。 多くの大規模環境では、ユーティリティは事前には知られていないが、アロケーションを実現した後で観察される。 本稿では、これらのトレードオフを2つのパラダイムで論じる。
  論文  参考訳（メタデータ） (2024-11-04T22:42:34Z)
• 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)
• End-to-End Learning for Fair Multiobjective Optimization Under Uncertainty [55.04219793298687]
  機械学習における予測-Then-Forecast(PtO)パラダイムは、下流の意思決定品質を最大化することを目的としている。 本稿では,PtO法を拡張して,OWA(Nondifferentiable Ordered Weighted Averaging)の目的を最適化する。 この結果から,不確実性の下でのOWA関数の最適化とパラメトリック予測を効果的に統合できることが示唆された。
  論文  参考訳（メタデータ） (2024-02-12T16:33:35Z)
• Prediction-Oriented Bayesian Active Learning [51.426960808684655]
  予測情報ゲイン(EPIG)は、パラメータではなく予測空間における情報ゲインを測定する。 EPIGは、さまざまなデータセットやモデルにわたるBALDと比較して、予測パフォーマンスが向上する。
  論文  参考訳（メタデータ） (2023-04-17T10:59:57Z)
• How to predict and optimise with asymmetric error metrics [0.0]
  本稿では,IEEE計算情報学会の第3回技術課題に言及して,予測と最適化の問題の概念を検討する。 この大会では、参加者は6つの建物と6つのソーラー施設で建設エネルギーの使用と発電を予測し、1ヶ月にわたってクラスとバッテリーをスケジューリングしながらエネルギーコストを最適化するためにその予測を利用するよう求められた。 予測・最適化フェーズにおける損失関数の異なる性質について検討し,最適化コストの向上のために最終予測を調整することを提案する。
  論文  参考訳（メタデータ） (2022-11-24T13:16:45Z)
• Approaching sales forecasting using recurrent neural networks and transformers [57.43518732385863]
  深層学習技術を用いて,日・店・店レベルでの顧客販売予測問題に対処する3つの方法を開発した。 実験結果から,データ前処理を最小限に抑えた単純なシーケンスアーキテクチャを用いて,優れた性能を実現することができることを示す。 提案した解は約0.54の RMSLE を達成し、Kaggle コンペティションで提案された問題に対する他のより具体的な解と競合する。
  論文  参考訳（メタデータ） (2022-04-16T12:03:52Z)
• On the benefits of maximum likelihood estimation for Regression and Forecasting [35.386189585135334]
  我々は回帰と予測のためのMLE(Maximum Likelihood Estimation)の実践的アプローチを提唱する。 このアプローチは、データセットの事前ドメイン知識のような誘導バイアスをキャプチャするのに適しています。 提案手法は, 提案手法を設計した汎用混合型ファミリーでインスタンス化することにより, 経験的リスク最小化よりも優れた性能が得られることを実証的に実証した。
  論文  参考訳（メタデータ） (2021-06-18T22:10:43Z)
• The Perils of Learning Before Optimizing [16.97597806975415]
  本稿では,最適化タスクを通じて予測モデルを識別することで,エンドツーエンドで予測モデルを学習する方法を示す。 2段階のアプローチとエンドツーエンドのアプローチのパフォーマンスギャップは、最適化における相関の概念の強調と密接に関係していることが示される。
  論文  参考訳（メタデータ） (2021-06-18T20:43:47Z)
• Fast Rates for Contextual Linear Optimization [52.39202699484225]
  提案手法は, 下流決定性能を直接最適化する手法よりもはるかに高速な, 後悔の収束率を実現する。 予測モデルは、既存のツールを使ったトレーニングが簡単かつ高速で、解釈が簡単で、私たちが示しているように、非常にうまく機能する決定につながる。
  論文  参考訳（メタデータ） (2020-11-05T18:43:59Z)
• Deep Stock Predictions [58.720142291102135]
  本稿では,Long Short Term Memory (LSTM) ニューラルネットワークを用いてポートフォリオ最適化を行うトレーディング戦略の設計について考察する。 次に、LSTMのトレーニングに使用する損失関数をカスタマイズし、利益を上げる。 カスタマイズされた損失関数を持つLSTMモデルは、ARIMAのような回帰ベースライン上でのトレーニングボットの性能を向上させる。
  論文  参考訳（メタデータ） (2020-06-08T23:37:47Z)
• 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。