Neural networks in predicting food products supply and demand
Marijana Zekić–Sušac, Edo Musser · 2002
Zbog svojih mogucnosti predviđanja na nelinearnim modelima gdje su podaci cesto neizvjesni i fuzzy, neuronske mreže se kao kvantitativna metoda umjetne inteligencije sve vise primjenjuju u poslovanju. Dosadasnja istraživanja pokazuju da su među poslovnim problemima s pomocu neuronskih mreža najcesce istraživana podrucja proizvodnje i operacija, zatim financija i ulaganja, te marketinga (Wong et.al., 1997). Ponuda i potražnja prehrambenih proizvoda zbog duljine ciklusa i teskoca u prikupljanju podataka vrlo je slabo zastupljena u primjenama neuronskih mreža. Međutim, zbog prisutne nelinearnosti i neizvjesnosti tržista, te povratnih efekata u cijenama, na zahtjeve ovog podrucja tesko mogu odgovoriti standarne statisticke metode. Cilj ovog rada je prikazati mogucnosti neuronskih mreža u predviđanju ponude i potražnje prehrambenih proizvoda na modelima koji ukljucuju nominalne, kategorijalne, binarne i fuzzy podatke. Testirano je cetiri razlicita algoritma neuronskih mreža (Backpropagation, Radial-Basis, General Regression i Modular) i analizirana kvaliteta njihovog rezultata. Mogucnosti ove metodologije ilustrirane su na primjeru predviđanja prodaje prerađevina od rajcica i dane su smjernice za daljnja istraživanja.