LSTM과 Bi-LSTM을 사용한 비주기성 시계열 데이터 예측 성능 비교 분석
Comparative Analysis of Prediction Performance of Aperiodic Time Series Data using LSTM and Bi-LSTM
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
온라인 쇼핑의 대중화로 인해 많은 의류 상품이 온라인 쇼핑을 통해 소비된다. 의류 상품은 다른 상품과달리 판매량이 일정하지 않고 날씨의 변화에 따라 판매량이 변화하는 특징이 있다. 따라서 의류 상품의 머신 러닝을 적용한 효율적인 재고 관리 시스템에 대한 연구는 매우 중요하다. 본 논문에서는 의류 업체 ‘A’로부터 실제 의류 상품 판매량 데이터를 수집하고 판매량 데이터와 같은 시계열 데이터의 예측에 많이 활용되는 LSTM(Long Short-Term Memory)과 Bidirectional-LSTM(Bi-LSTM)의 학습에 사용하여 LSTM과 Bi-LSTM의 판매량 예측 효율을 비교 분석하였다. 시뮬레이션 결과를 통해 LSTM 기술 대비 Bi-LSTM은시뮬레이션 시간은 더 많이 소요되지만 의류 상품 판매량 데이터와 같은 비주기성 시계열 데이터의 예측 정확도가 동일하다는 것을 확인하였다.
Abstract
Since online shopping has become common, people can easily buy fashion goods anytime, anywhere. Therefore, consumers quickly respond to various environmental variables such as weather and sales prices. Therefore, utilizing big data for efficient inventory management has become very important in the fashion industry. In this paper, the changes in sales volume of fashion goods due to changes in temperature is analyzed via the proposed big data analysis algorithm by utilizing actual big data from Korean fashion company ‘A’. According to the simulation results, it was confirmed that Bidirectional-LSTM(Bi-LSTM) compared to LSTM(Long Short-Term Memory) takes more simulation time about more than 50%, but the prediction accuracy of non-periodic time series data such as clothing product sales data is the same.
참고문헌 (11)
- 2018 Survey on the Internet Usage, "Ministry of Science and ICT(MSIT)", ~ (2018)
- N. Liu, "Sales Forecasting for Fashion Retailing Service Industry : A Review", Mathematical Problems in Engineering, 2013, pp.1~9 (2013)
- A. L. D. Loureiroa, "Exploring the use of deep neural networks for sales forecasting in fashion retail", Decision Support Systems, 114, pp.81~93 (2018)
- E. Tarallo, "Machine Learning in Predicting Demand Fast-Moving Consumer Goods : An Exploratory Research", IFAC-PapersOnLine, 52, pp.737~742 (2019)
- M. Xia, "Fashion retailing forecasting based on extreme learning machine with adaptive metrics of inputs", Knowledge-Based Systems, 36, pp.253~259 (2012)
- C. Giri, "Deep Learning for Demand Forecasting in the Fashion and Apparel Retail Industry", forecasting, 4, pp.565~581 (2022)
- 채진미, "머신 러닝을 활용한 의류제품의 판매량 예측 모델 - 아우터웨어 품목을 중심으로 -", 한국의류산업학회지, 23(4), pp.480~490 (2021), 한국의류산업학회
- S. Hochreiter, "Long Short-Term Memory", Neural Computation, 9, pp.1735~1780 (1997)
- M. Schuster, "Bidirectional recurrent neural networks", IEEE Transactions on Signal Processing, 45, pp.2673~2681 (1997)
- Y. Wu, "Rethinking"Batch"in BatchNorm", arXiv:2105.07576, ~ (2021)
- D. P. Kingma, "Adam : A Method for Stochastic Optimization Vol. 9", arXiv:1412.6980, ~ (2015)