Artificial neural networks and their use in logistics

• Autorzy: Król A.

Warianty tytułu

PL

Sztuczne sieci neuronowe i ich zastosowania w logistyce

• Konferencja: Międzynarodowa Konferencja Naukowa Logistyki Stosowanej „Komplementarność Logistyki Cywilnej z Logistyką Wojskową. Teoria i Praktyka” (7 ; 27-29.05. 2015, Rynia, Polska)
• Języki publikacji: EN

Abstrakty

EN

Artificial neural networks are excellent mathematic tool to model various problems in mechanics, economics, chemistry, biology and also in logistics. The author described the basics of neural networks structure and rules of their creation and existing limits in their implementation. General review of the other authors findings proved growing number of neural networks models used in different areas of logistics. The author concluded that artificial neural network could be a useful method in modelling of the logistics, but some critical conditions should be met and also knowledge of neural networks modelling could be broaden.

PL

Sztuczne sieci neuronowe są bardzo dobrym narzędziem matematycznym do modelowania różnych złożonych procesów w mechanice, ekonomii, chemii, biologii, a także w logistyce. W artykule przedstawiono podstawy budowy sieci neuronowych i zasad ich modelowania, wskazując jednocześnie ich ograniczenia. Ponadto zaprezentowano ogólny przegląd literatury, który wskazuje na wzrost liczby artykułów w zakresie zastosowania sieci neuronowych w różnych obszarach logistyki. W podsumowaniu wskazano, że sztuczne sieci neuronowe, mogą być bardzo dobrym narzędziem w modelowaniu w zakresie logistyki, jednakże pewne określone warunki ich zastosowania powinny być spełnione i poszerzona wiedza o modelowaniu sieciami neuronowymi.

Słowa kluczowe

EN

artificial neural networks; logistics; modelling

PL

sztuczne sieci neuronowe; logistyka; modelowanie

• Wydawca: Polskie Wydawnictwo Ekonomiczne SA
• Czasopismo: Gospodarka Materiałowa i Logistyka
• Rocznik: 2015
• Tom: nr 5
• Strony: 367--378
• Opis fizyczny: Bibliogr. 18 poz., rys., pełny tekst na CD

Twórcy

autor

Król A.

• Wojskowa Akademia Techniczna Wydział Logistyki Instytut Logistyki

Bibliografia

• 1. Tadeusiewicz, R. (1998): Elementarne wprowadzenie do techniki sieci neuronowych z przykładowymi programami. Warszawa: Akademicka Oficyna Wydawnicza PLJ.
• 2. Dreyfus, G. (2005). Neural Networks. Methodology and Applications. Germany, Berlin: Springer.
• 3. Turku Centre for Computer Science, Wilppu, E. (1999): Neural Networks and Logistics. Technical Report No 311. Finland, Turku.
• 4. Flexer, A. (1996): Statistical Evaluation of Neural Network Experiments: Minimum Requirements and Current Practice. Presented at the conference: Cybernetics and Systems '96, The 13th European Meeting on Cybernetics and Systems Research. Austrian Society for Cybernetic Studies 2, 1005-1008
• 5. Dougherty, M. (1995): A Review of Neural Networks Applied to Transport, Transportation Research C, Vol. 3, No. 4, 247-260.
• 6. Soroush, A.R., Nakhai Kamal-Abadi, I., Bahreininejad, A. (2009): Review on Applications of Artificial Neural Networks in Supply Chain Management and its Future. World Applied Sciences Journal 6 (Supplement 1), 12-18
• 7. Amin-Naseri, M.R., Soroush, A.R. (2008): Combined use of unsupervised and supervised learning for daily peak load forecasting. Energy Conversion and Management, Vol. 49, No. 6, 1302-1308
• 8. Pamuła, T. (2012): Prognozowanie natężenia ruchu pojazdów na skrzyżowaniu za pomocą sieci neuronowej. Zeszyty Naukowe Politechniki Śląskiej, Seria: Transport Z. 74, 67-74
• 9. Taskın Gumus, A., Fuat Gunerı, A. (2009): A neural network based demand forecasting system for two-echelon supply chains. Presented at the conference: 13th International Research/Expert Conference ”Trends in the Development of Machinery and Associated Technology” TMT 2009. Hammamet, Tunisia.
• 10. Danzhu, W., Maoxiang, L. (2012): An Artificial Neural Network-Based Method for Railway Logistics Network Design. Advanced Engineering Forum Vols. 6-7, 924-931
• 11. Bera, P., Pilch, R., Szybka, J. (2012): Zastosowanie sieci neuronowych do zużycia paliwa przez samochód. Mechanika Czasopismo Techniczne, Zeszyt 14, 33-40
• 12. Maow, A. (2012): Sztuczne sieci neuronowe jako alternatywny system nawigacji w transporcie morskim. Zeszyty Naukowe Uniwersytetu Szczecińskiego nr 600 - Problemy transportu i logistyki nr 10, 161-170
• 13. LIU Li-zhuo (2012): The Forecast of Qinhuangdao Logistic based on BP Neural Network. International Journal of Digital Content Technology & Its Application, Vol. 6, Issue 8, 8-16
• 14. Kayikci Y. (2010): A conceptual model for intermodal freight logistics centre location decisions. Procedia Social and Behavioral Sciences, 2, 6297–6311
• 15. Świderski, A., Wojciechowski, A., Dębicka, E. (2009): Quality Management System Modelling of Vehicle Inspection Stations. Transport Problems, Volume 4 Issue 4, 69-78
• 16. Abramson, M. A., Berry, H. A. (1996): Applying Neural Networks to Demand Forecasting. Air Force Journal of Logistics, Vol. 10, No. 3&4, 1-4
• 17. Farris, S., Rossetti, D. M. (2004): Hybrid Simulation/Analytic Models for Military Supply Chain Performance Analysis. University of Arkansas Department of Industrial Engineering 4207 Bell Engineering Center, Fayetteville
• 18. Świątnicki Z., Wantoch-Rekowski R. (1999): Neural networks. Introduction. Dom Wydawniczy Bellona, Warszawa