$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

LSTM과 Bi-LSTM을 사용한 비주기성 시계열 데이터 예측 성능 비교 분석
Comparative Analysis of Prediction Performance of Aperiodic Time Series Data using LSTM and Bi-LSTM 원문보기

The journal of Bigdata = 한국빅데이터학회지, v.7 no.2, 2022년, pp.217 - 224  

이주형 (배재대학교 모바일소프트웨어학과) ,  홍준기 (배재대학교 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

온라인 쇼핑의 대중화로 인해 많은 의류 상품이 온라인 쇼핑을 통해 소비된다. 의류 상품은 다른 상품과 달리 판매량이 일정하지 않고 날씨의 변화에 따라 판매량이 변화하는 특징이 있다. 따라서 의류 상품의 머신 러닝을 적용한 효율적인 재고 관리 시스템에 대한 연구는 매우 중요하다. 본 논문에서는 의류 업체 'A'로부터 실제 의류 상품 판매량 데이터를 수집하고 판매량 데이터와 같은 시계열 데이터의 예측에 많이 활용되는 LSTM(Long Short-Term Memory)과 Bidirectional-LSTM(Bi-LSTM)의 학습에 사용하여 LSTM과 Bi-LSTM의 판매량 예측 효율을 비교 분석하였다. 시뮬레이션 결과를 통해 LSTM 기술 대비 Bi-LSTM은 시뮬레이션 시간은 더 많이 소요되지만 의류 상품 판매량 데이터와 같은 비주기성 시계열 데이터의 예측 정확도가 동일하다는 것을 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Since online shopping has become common, people can easily buy fashion goods anytime, anywhere. Therefore, consumers quickly respond to various environmental variables such as weather and sales prices. Therefore, utilizing big data for efficient inventory management has become very important in the ...

주제어

#비주기성 시계열 데이터   #예측  

참고문헌 (11)

  1. Ministry of Science and ICT(MSIT) and Korea Internet and Security Agency(KISA), 2018 Survey on the Internet Usage, 2019.？ 

  2. N. Liu, S. Ren, T.-M. Choi, C.-L. Hui, and S.-F. Ng, "Sales Forecasting for Fashion Retailing Service Industry: A Review," Mathematical Problems in Engineering, Vol. 2013, pp. 1-9, 2013.？ 

    상세보기

  3. A.L.D. Loureiroa, V.L. Migueisa, Lucas F.M. da Silva, "Exploring the use of deep neural networks for sales forecasting in fashion retail," Decision Support Systems, Vol. 114, pp. 81-93, 2018.？ 

    상세보기

  4. E. Tarallo, G. K. Akabane, C. I. Shimabukuro, J. Mello, D. Amancio, "Machine Learning in Predicting Demand Fast-Moving Consumer Goods: An Exploratory Research," IFAC-PapersOnLine, Vol. 52, pp. 737-742, 2019.？ 

  5. M. Xia, Y. Zhang, L. Weng, X. Ye, "Fashion retailing forecasting based on extreme learning machine with adaptive metrics of inputs, "Knowledge-Based Systems, Vol. 36, pp. 253-259, 2012.？ 

  6. C. Giri, Y. Chen, "Deep Learning for Demand Forecasting in the Fashion and Apparel Retail Industry, "forecasting, Vol. 4, pp. 565-581, 2022.？ 

    상세보기

  7. J. M. Chae, E. H. Kim, "Sales Forecasting Model for Apparel Products Using Machine Learning Technique," Fashion & Textile Research Journal, Vol. 23, pp. 480-490, 2021.？ 

  8. S. Hochreiter, J. Schmidhuber, "Long Short-Term Memory," Neural Computation, Vol. 9, pp. 1735-1780, 1997.？ 

    상세보기

  9. M. Schuster, K. Paliwal, "Bidirectional recurrent neural networks," IEEE Transactions on Signal Processing, Vol. 45, pp. 2673-2681, 1997.？ 

    상세보기

  10. Y. Wu, J. Johnson, "Rethinking"Batch "in BatchNorm," arXiv, Vol. 1, 2021, arXiv: 2105.07576.？ 

  11. D. P. Kingma, J. Ba, "Adam: A Method for Stochastic Optimization," arXiv, Vol. 9, 2015, arXiv:1412.6980. 

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로