-
题名基于深度网络的汽车配件两级备件决策
被引量:4
- 1
-
-
作者
张明蓝
孙林夫
邹益胜
-
机构
西南交通大学计算机与人工智能学院
四川省制造业产业链协同与信息化支撑技术重点实验室
-
出处
《计算机集成制造系统》
EI
CSCD
北大核心
2022年第12期3822-3831,共10页
-
基金
国家重点研发计划资助项目(2020YFB1711802)
四川省科技计划资助项目(2021YFG0040)。
-
文摘
备件业务是汽车配件售后市场重要组成部分,针对汽车备件决策过程中信息不完备与多样性的问题,提出一种正则化VIT-BiLSTM两级备件决策模型。首先,根据配件类型对数据进行两级划分,以获取其内在联系。然后,利用Vision Transformer(VIT)模型对配件数据进行关键特征的提取。随后,通过双向长短时记忆循环神经网络(BiLSTM)捕捉特征之间的双向长时依赖关系,并在每个序列单元中融入组套索正则化项,进一步提高模型准确率。最后,利用第三方云平台的配件数据进行算例分析。实验结果表明,模型一级与二级的决策准确率分别高达99%、97%,召回率分别为97.3%、96.6%,F值分别为0.977、0.964,说明本模型可以为配件代理商提供实时数据参考,辅助其进行备件决策。
-
关键词
汽车配件
深度网络
两级备件决策
VIT模型
BiLSTM模型
组套索正则化
-
Keywords
auto parts
deep network
two-level spare parts decision
vision transformer model
bidirectional long short term memory model
group lasso regularization
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-