محققان در مطالعهای جدید، روشی نوآورانه برای حل چالش «نوسانات غیرمنطقی» در مدلهای پیشبینی تقاضا ارائه کردهاند. معمولاً مدلهای یادگیری ماشین روی دقت نقطهای تمرکز دارند که باعث میشود پیشبینیها بین بازههای زمانی مختلف دچار تغییرات ناگهانی و غیرواقعی شوند.
در این پژوهش، با افزودن یک «جریمه پایداری» (Stability Penalty) در زمان آموزش مدل، محققان توانستهاند بدون کاهش دقت (RMSE)، ثبات پیشبینیها را تا بیش از ۷ درصد بهبود دهند. این دستاورد به کسبوکارها کمک میکند تا در برنامهریزیهای زنجیره تأمین و لجستیک، با تغییرات ناگهانی و آزاردهنده در پیشبینیها مواجه نشوند. 📈🛒
منبع: arXiv Machine Learning