新AI模型改进供应链提前期预测

研究人员开发了LeadTime-ICL（LT-ICL），这是一种新颖的上下文学习模型，专为供应商提前期的概率预测而设计，尤其是在右删失数据的情况下。该模型利用Transformer骨干网络和条件归一化流头部来预测提前期的完整分布，克服了传统回归和生存模型的局限性。LT-ICL在合成数据上进行了预训练，在24个工业供应链数据集上表现出色，在点预测和概率预测准确性方面均优于现有方法。 AI

影响 该模型通过提供更准确的提前期预测，有望显著提高供应链效率和风险管理。

排序理由 该集群包含一篇详细介绍新AI模型及其评估的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• Connected Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• LeadTime-ICL
• Litmaps
• Normalizing Flow-based Neural Process for Few-Shot Knowledge Graph Completion
• ScienceCast
• scite Smart Citations
• Transformer++

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →