基于人工神经网络的工业供应链销售预测方法

为解决工业供应链中存在的精度低、非智能以及无法处理复杂样本的问题,提出一种基于改进人工神经网络的销售预测方法。以加拿大某机电产品销售公司的真实销售数据作为输入样本,利用基于实验数据改进的人工神经网络进行学习训练,进行销售预测,将结果与未改进的人工神经网络和较先进的卷积神经网络和高斯混合模型以及销售公司的销售数据作比较,从准确率、召回率和F值三个指标分析改进人工神经网络的预测精度。实验结果表明,改进后的人工神经网络在三个指标方面均表现出更好的性能,能够较好地预测销售成交情况。

学生行为对学生成绩的影响探究

随着校园一卡通的广泛使用,在生活中产生大量的数据。近几年来,这些数据越来越受到大家的关注。通过处理分析一卡通记录数据以及相关非一卡通记录,结合学生成绩,探究出影响学生成绩的学生行为表现,为推进各高校的教育教学改革提供分析与决策的参考。

基于高斯混合模型的一种工业供应链销售预测方法

针对定性工业供应链销售预测方法中存在的精度低、非智能化且无法处理复杂样本等问题,提出一种基于高斯混合模型的工业供应链销售预测方法。分析真实销售数据的特征信息及特征间的相关程度;在不同聚类簇数和特征数的组合下利用训练数据集迭代计算模型参数;对测试数据集进行销售预测,通过比较预测结果的准确率、召回率和F值三个指标确定可实现较好结果的特征值与聚类簇数目。实验结果表明,与人工神经网络模型和卷积神经网络模型相比,该方法在三个指标方面均表现出更好性能,可较好地预测销售成交情况。