Ocena efektywności neuronowego prognozowania w oparciu o wybrane metody na przykładzie dystrybucji produktów rolniczych

• Autorzy: Koszela K. , Boniecki P. , Weres J.

Warianty tytułu

EN

Assessment of effectiveness of the neural prediction based on selected methods exemplified by distribution of agricultural products

• Języki publikacji: PL

Abstrakty

PL

Prognozowanie staje się bardzo ważnym etapem w każdej działalności. W przypadku dystrybucji produktów rolniczych mamy do czynienia z szeregiem złożonych bodźców, które przekładają się na wynik końcowy. Natomiast jakość tych prognoz ma ogromne znaczenie na kolejne etapy w łańcuchu produkcyjno-dystrybucyjnym. Sieci neuronowe są bardzo wysublimowaną techniką modelowania, zdolną odwzorować bardzo złożone funkcje. Modelowanie z wykorzystaniem sztucznych sieci neuronowych stosuje się wówczas, gdy nie jest znany dokładny opis matematyczny rozpatrywanego zjawiska, natomiast dobrze określone są jego wejścia i wyjścia. Sztuczna sieć neuronowa potrafi nauczyć się rozpoznawać analizowany problem, dając szybko odpowiedź na zmieniające się parametry wejściowe procesu. W pracy przedstawiono porównanie dwóch metod neuronowego modelowania sprzedaży wybranego produktu.

EN

Prediction becomes a very important stage in many activities. In case of distributing agricultural products we deal with a number of stimuli which consequently transform into the end effect. It is clear that the quality of those predictions has a great influence on subsequent stages in the production and distribution chain. Neural networks are a sophisticated technique of modeling capable of reflecting very complex functions. Modeling using artificial neural networks is used when exact mathematical description of investigated phenomenon is not known but its inputs and outputs are well defined. Artificial neural network can learn to recognize the problem analyzed giving an answer to changing input parameters. In the paper two methods of neural modeling of a chosen agricultural product distribution were presented.

Słowa kluczowe

PL

sztuczna inteligencja; sztuczne sieci neuronowe; prognozowanie; szeregi czasowe

EN

artificial intelligence; artificial neural networks; prediction; time series

• Wydawca: Polskie Towarzystwo Inżynierii Rolniczej
• Czasopismo: Inżynieria Rolnicza
• Rocznik: 2005
• Tom: R. 9, nr 2
• Strony: 69--76
• Opis fizyczny: Bibliogr. 11 poz., rys.

Twórcy

autor

Koszela K.

• Instytut Inżynierii Rolniczej, Akademia Rolnicza w Poznaniu

autor

Boniecki P.

• Instytut Inżynierii Rolniczej, Akademia Rolnicza w Poznaniu

autor

Weres J.

• Instytut Inżynierii Rolniczej, Akademia Rolnicza w Poznaniu

Bibliografia

• Bubnicki Z. 1990. Wstęp do systemów ekspertowych, Państwowe Wydawnictwo Naukowe, Warszawa.
• Chromiec J., Strzemieczna E. 1995. Sztuczna inteligencja. Metody konstrukcji i analizy systemów eksperckich, Akademicka Oficyna Wydawnicza PLJ, Warszawa.
• Duch W., Korbicz J., Rutkowski L., Tadeusiewicz R. 2000. Sieci neuronowe. Akademicka Oficyna Wydawnicza EXIT, Warszawa.
• Kosiński R. 2002. Sztuczne sieci neuronowe. WNT, Warszawa.
• Minsky, M. S. 1969. Papert „Perceptrons”, MIT Press, Cambridge.
• Mulawka Jan 1996. Systemy ekspertowe, Wydawnictwo Naukowe- Techniczne, Warszawa.
• Osowski S. 1996. Sieci neuronowe w ujęciu algorytmicznym. WNT, Warszawa.
• Osowski S. 2000. Sieci neuronowe do przetwarzania informacji. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa.
• Stateczny A. Praczyk T. 2002. Sztuczne sieci neuronowe w rozpoznawaniu obiektów morskich. Gdańskie Towarzystwo Naukowe, Gdynia.
• Tadeusiewicz R. 1993. Sieci neuronowe. Akademicka Oficyna Wydawnicza, Warszawa.
• Żurada J., Barski M. 1996. Sztuczne sieci neuronowe. Wydawnictwo Naukowe PWN, Warszawa.