Моделі глибинного навчання для прогнозування попиту на продукцію молокопереробної промисловості

Abstract

Метою пропонованої статті є аналіз моделей глибинного навчання для прогнозування попиту на продукцію молокопереробної промисловості. Прогнозування попиту на готову продукцію є одним із важливих інструментів для молокопереробної промисловості, адже воно надасть можливість більш ефективно керувати запасами сировини та готової продукції. Здійснено глибокий аналіз вітчизняних і зарубіжних досліджень. Автори виділили та здійснили апробацію чотирьох моделей Long Short-Term Memory, Gated Recurrent Unit, One dimensional Convolutional Neural Network, Dense network. Експериментальні дослідження проводилися на ретроспективних даних про попит та виготовлення, що є у відкритому доступі. Створено моделі з використанням бібліотек Python, які забезпечують автоматичне налаштування та можливість прогнозувати попит і кількість необхідної сировини.