趙 超,李 俚,李 博
(廣西大學機械工程學院,廣西南寧 530004)
目前機器學習的研究和應用已取得較好成效,利用精益思想,結合生產場景所產生的數據,將機器學習模型應用到生產車間物料供應物流資源匹配成為目前關注方向。
文獻[1]利用機器學習中卷積神經網絡實現利用藥品數據推薦相似功效藥品輔助新產品研發,準確率超過85.6%,節約數億美元和縮短研發周期。
文獻[2]研究了產品配置過程中客戶需求與產品結構單元特征之間的映射關系,提出了相似度的計算流程。文獻[3]提出利用機器學習技術改進物資標準化工作,提高標準物料的選用集中度與選擇效率。
文獻[4]提出利用機器學習領域中CBR技術,進一步提高了產品配置的效率。文獻[5]在基于用戶數據推薦算法的基礎上,通過引入用戶信息數據提高了推薦結果的準確性。
文獻[6]提出了一種既考慮詞項的概率分布、又兼顧詞項之間的語義關系的文本相似度計算方法,提高文本推薦結果的準確性。文獻[7]在向量空間中提出了梯形直覺模糊數(TIFN)之間的三種向量相似性度量,有效的提高推薦的精度。
文獻[8]提出一種基于FunkSVD矩陣分解和相似度矩陣的推薦算法,解決了數據稀疏及不同評分項目差異的問題,提高了評分預測的準確性、優化了推薦結果。
文獻[9]提出了基于Kendall相關性的協同過濾算法,有效的克服了最近鄰居(NN)算法存在的問題并提供了更加豐富的用戶建模。這里在文獻研究的……