인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
학술저널
DBpia Top 5%
오류 신고하기해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
피인용 0
초록·키워드
Sales forecasting plays an important role in decision-making in various industries. Especially, apparel products are highly sensitive to seasons and trends, making accurate sales forecasting essential. While many studies have applied data-driven models to forecast apparel sales, many have overlooked key characteristics of apparel sales data, such as patterns and distortions. In this study, we propose a transformer-based long-term time series forecasting model using timestamps and denoised input with DILATE (PatchTSDD). The proposed method is designed to capture the unique characteristics of apparel sales. By using denoising autoencoder, the model smooths input data and effectively reflects underlying sales trends. Additionally, the inclusion of time stamp information enables the model to capture global temporal patterns. To address sudden fluctuations in sales, the DILATE loss function is applied. We present experimental results using actual sales data from a leading domestic fashion retail company. The results demonstrate that our method outperforms traditional time series forecasting methods, with each component of the model contributes to the overall performance improvement.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-092320878
