基于神经网络的多标准库存分类

摘要：

在如今市场竞争的环境中,企业规模的不断扩大,库存单位的种类和数量越来越多,库存单位分类的标准也越来越多.神经网络由于其能检测和提取变量之间的非线性关系和相互作用,以及其预测模式不依赖于关于变量的各种假设.因此本文提出了一种差分进化算法(DE)结合BP(back propagation)神经网络的库存分类模型,运用DE算法对BP神经网络的权值和阈值进行优化,再将优化后的权值和阈值带入神经网络中进行预测.通过数值实验证明了DE-BP神经网络在多标准库存分类上的有效性.

关键词：差分进化、BP神经网络、多标准

所属期刊栏目：23

分类号：TP399(计算技术、计算机技术)

在线出版日期：2022-07-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共2页

页码：146,149