Keresletelőrejelzés mesterséges intelligenciával
Napjaink társadalmát valósággal elárasztják az adatok, az életünk szerves részét képező technológiai eszközökön keresztül. Becslések alapján naponta több mint 2.5 trillió bájtnyi adatot generál a világ lakossága. Az információs kor hajnalát követően szemünk előtt formálódik meg egy olyan szép új világ képe, ahol teljesen új perspektívák nyílnak meg az emberek előtt a számítógépes technológiák területén. A lehetőségek végtelen tárháza egyre inkább arra ösztökéli a világ úttörő tudósait, hogy egyre több energiát invesztáljanak a biológián alapuló számítástudományba.
A biológián alapuló számítástudomány alapjait a XX. század közepén kezdték el lefektetni. A számítógépes hardverek terén elért robbanásszerű fejlődés egyre komolyabb algoritmusok implementálását tették lehetővé. Jórészt a biológiai kutatások eredményeképpen merült fel az a gondolat, hogy a természetben előforduló jelenségek és rendszerek mintájára algoritmusokat konstruáljanak. A 70-es és 80-as évek tudományos eredményei olyan eljárásoknak alapozták meg a jövőjét, mint a neurális hálók vagy éppenséggel a genetikus algoritmusok. Ezek a módszerek a természetből ellesett minták, példák alapján nyert tapasztalatok útján valósítják meg a rájuk ruházott feladatok kivitelezését. Azon módszertanok közül, amelyek a természet mechanizmusait másolják, talán az egyik legfigyelemreméltóbb a neurális hálózatok tudománya. A neurális számítástechnika mára önálló tudománnyá vált, amely szilárd elméleti alapokkal, egyre szélesebb alkalmazási körrel és egyre több alkalmazási tapasztalattal rendelkezik.A logisztikával és az ökonometriával foglalkozó szakemberek egyik legnagyobb kihívása a gazdasági és keresleti igényfolyamatok jövőbeli alakulásának megjóslása. Az előbb említett jelenségek leírása idősorokkal történik. Az idősorok jövőbeli alakulását alapvetően komplex statisztikai eszközrendszer alkalmazásával lehet megmondani. Az első előrejelzési modellek a 40-es és 50-es években születtek meg. A legnagyobb áttörést a kereslettervezés területén Box és Jenkins érte el az 1970-es években az ARIMA és SARIMA modellek megalkotásával, amelyek mind a mai napig bezáróan a leggyakrabban alkalmazott előrejelzési eljárásoknak számítanak. Ezeknek a modelleknek a megbízhatóságát és hatékonyságát számos kutató igazolta mind a rövid, közép és hosszú távú forecast-ok esetében. Azonban a mesterséges intelligenciák megjelenésével egy új lehetőség nyílik az idősorok jövőbeli alakulásának prognózisára.
Ennek a dolgozatnak a célja, hogy feltárja mélységében neurális hálók működésének hátterét, hogy megismerje a különböző struktúrával rendelkező mesterséges intelligenciák tulajdonságait és az ezekhez köthető algoritmusok koncepcióit. A részletes háttérfeltárást követően további cél neurális hálók előrejelzési alkalmazhatóságának vizsgálata, valamint a paraméterek modellre gyakorolt hatásainak kísérleti úton történő feltárása. A tesztek lefolytatását és elemzését követően cél a mesterséges intelligencián alapuló modellek hatékonyságának összevetése az általánosan használt ökonometriai alapokon nyugvó előrejelzési eszközökkel való összehasonlítás és az összehasonlítás eredményeinek elemzése.
szerző
-
Tóth Gergő
Logisztikai mérnöki
mesterképzés (MA/MSc), nappali
konzulens
-
Dr. Bóna Krisztián
egyetemi docens, Anyagmozgatási és Logisztikai Rendszerek Tanszék
