Nous utilisons des cookies pour améliorer votre expérience. Pour nous conformer à la nouvelle directive sur la vie privée, nous devons demander votre consentement à l’utilisation de ces cookies. En savoir plus.
Intelligence Artificielle et Prévisions dans la Chaîne Logistique
Univ Europeenne - EAN : 9786202274456
Édition papier
EAN : 9786202274456
Paru le : 1 févr. 2018
64,90 €
61,52 €
Disponible
Pour connaître votre prix et commander, identifiez-vous
Notre engagement qualité
-
Livraison gratuite
en France sans minimum
de commande -
Manquants maintenus
en commande
automatiquement -
Un interlocuteur
unique pour toutes
vos commandes -
Toutes les licences
numériques du marché
au tarif éditeur -
Assistance téléphonique
personalisée sur le
numérique -
Service client
Du Lundi au vendredi
de 9h à 18h
- EAN13 : 9786202274456
- Réf. éditeur : 3452383
- Editeur : Univ Europeenne
- Date Parution : 1 févr. 2018
- Disponibilite : Disponible
- Barème de remise : NS
- Nombre de pages : 168
- Format : H:229 mm L:152 mm E:10 mm
- Poids : 256gr
- Interdit de retour : Retour interdit
- Résumé : L'objectif de cet ouvrage est de contribuer à l'optimisation de la gestion des flux par l'amélioration des prévisions et la minimisation de l'incertitude sur la demande. Tous les acteurs concernés par l'application des prévisions ou par le processus de prise de décision connaissent l'importance de choisir la technique de prévision la plus appropriée. Chaque situation est différente des autres, et les méthodes ne sont pas caractérisées par les mêmes forces et faiblesses. Les limites des modèles classiques incitent à utiliser d'autres méthodologies et à exploiter des outils de l'intelligence artificielle (IA), qui sont adaptés à des contextes complexes et incertains comme celui des prévisions. Dans cet ouvrage nous proposons des modèles de prévisions en se basant sur l'apport de l'intelligence artificielle dans ce domaine. Les réseaux de neurones artificiels RNA sont les outils de l'IA largement utilisés pour modéliser des séries temporelles dépendantes et indépendantes. Ces méthodes de prévision basées sur les RNA prouvent leur efficacité pour surmonter les cas où les données sur la demande sont limitées, ou en présence d'une variabilité marquée des informations.
