Zastosowania systemu Neuronix

Prognozowanie sprzedaży

Prognozowanie stężenia zanieczyszczeń

Medycyna EKG - zobacz tu

Inżynieria materiałowa - zobacz tu

Prognozowanie sprzedaży

Symulacja prognozy za pomocą sieci neuronowej

W celu sporządzenia prognozy sumarycznej liczby sprzedanych produktów wykonano symulacje prognozy dla okresu wstecznego. Prognozując w taki sposób, istnieje możliwość sprawdzenia skuteczności prognozy, poprzez porównanie szeregu czasowego zawierającego prognozę oraz szeregu czasowego zawierającego dane rzeczywiste.

Rys. 1. Wykres przestrzenny wyników prognozy (system Neuronix)

Etapy uczenia sieci neuronowej

Proces uczenia sieci neuronowej jest stosunkowo szybki, dla przedstawionego przykładu asortymentu zajmuje około 10 sekund. Możliwe jest grupowanie kilku projektów (prognoz) a następnie uruchomienie opcji automatycznego uczenia kilku projektów jednocześnie (Neuronix wyposażony jest w specjalny wielozadaniowy system uczenia). Opcję można stosować uzupełnieniu danych o nowe okresy i ponownym uczeniu sieci.

Rys. 3. Proces uczenia sieci etap I

Rys. 4. Proces uczenia sieci etap II

Rys. 5. Proces uczenia sieci etap III

Rys. 6. Proces uczenia sieci etap IV

Porównanie prognozy sieci neuronowej i metod konwencjonalnych

Rys. 7. Wyznaczenie trendu dla sprzedaży asortymentu

Porównując prognozę wykonaną za pomocą systemu Neuronix oraz metod konwencjonalnych (ekstrapolacja trendu) dla tych samych danych jak na rys.1, można dostrzec przewagę sieci w zakresie prognozy krótkookresowej. Metody ekstrapolacji trendu nie dają zadawalających rezultatów. Rzeczywisty przebieg wykresu sprzedaży (por. rys. 1) ma znacząco inny przebieg, niż przebieg prognozy przy wykorzystaniu metod ekstrapolacji. Poprawę tej sytuacji mogłoby przynieść zastosowanie metod konwencjonalnych opartych na metodach adaptacyjnych, wymaga to jednak przyjęcia pewnych założeń odnośnie prognozowanego szeregu czasowego.

Wnioski dla prognozy asortymentu

Sieć neuronowa w naturalny sposób oddaje nieliniowość przebiegu oraz identyfikuje pewne okresowości już dla szeregu czasowego złożonego z kilku miesięcy danych o sprzedaży (około 16 punktów). Możliwe jest więc zastosowanie prognozy neuronowej w praktyce przedsiębiorstwa i uzyskanie wyników lepszych niż metody tradycyjne.

Prognozowanie stężenia zanieczyszczeń

Poniższe wykresy przedstawią prognozę sieci neuronowej dotyczącej stężeń pewnego związku chemicznego, linie niebieskie oznaczają błąd prognozy (linie ciemnoniebieskie oznaczają szereg czasowy do którego sieć nie miała dostępu)

Wskazanie poniższych obrazków myszką spowoduje ich wyświetlenie z większej rozdzielczości

 

Stan sieci w 71 epoce

 

Stan sieci w 296 epoce

 

Stan sieci w 447 epoce

 

Stan sieci w 565 epoce

 

Stan sieci w 1024 epoce

 

Stan sieci w 1440 epoce

 

Stan sieci w 3002 epoce

 

Końcowy stan sieci