আমি এখানে একটি বায়সিয়ান হায়ারার্কিকাল লিনিয়ার মডেলটির সাথে কাজ করছি , এখানে নেটওয়ার্ক এটি বর্ণনা করছে।
একটি সুপারমার্কেটে (পণ্য পর্যবেক্ষণ) পণ্যগুলির দৈনিক বিক্রয়কে উপস্থাপন করে।
মূল্য, প্রচার, সপ্তাহের দিন, আবহাওয়া, ছুটির দিন সহ রেজিস্ট্রারগুলির একটি পরিচিত ম্যাট্রিক্স।
1 হ'ল প্রতিটি পণ্যের অজানা সুপ্ত ইনভেন্টরি স্তর, যা সবচেয়ে বেশি সমস্যার সৃষ্টি করে এবং যা আমি বাইনারি ভেরিয়েবলগুলির একটি ভেক্টর হিসাবে বিবেচনা করি, প্রতিটি পণ্যের জন্য নির্দেশ করে স্টকআউট এবং তাই পণ্যটির অপ্রাপ্যতা। এমনকি তাত্ত্বিকভাবে অজানা থাকলেও আমি প্রতিটি পণ্যের জন্য এইচএমএমের মাধ্যমে এটি অনুমান করেছিলাম, তাই এটি এক্স হিসাবে পরিচিত হিসাবে বিবেচিত হবে proper আমি কেবল সঠিক আনুষ্ঠানিকতার জন্য এটিকে সরিয়ে আনার সিদ্ধান্ত নিয়েছি।
হ'ল যে কোনও একক পণ্যের জন্য একটি মিশ্র প্রভাব প্যারামিটার যেখানে বিবেচিত মিশ্র প্রভাবগুলি পণ্যের মূল্য, প্রচার এবং স্টকআউট out
খ 1 খ 2 , স্থায়ী রিগ্রেশন কোফিসিয়েন্টস এর ভেক্টর থাকাকালীন এবং মিশ্র প্রভাব সহগের ভেক্টর হয়। এক গ্রুপ ইঙ্গিত ব্র্যান্ড এবং অন্যান্য ইঙ্গিত গন্ধ (এই একটি উদাহরণ, বাস্তবে আমি অনেক গ্রুপ আছে, কিন্তু আমি এখানে মাত্র 2 স্বচ্ছতার জন্য প্রতিবেদন)।
Σ বি 1 Σ বি 2 , এবং মিশ্র প্রভাবগুলির উপর হাইপারপ্যারামিটার।
যেহেতু আমার কাছে গণনা সম্পর্কিত ডেটা রয়েছে তা বলা যাক যে আমি প্রতিটি পণ্য বিক্রয়কে রেজিস্ট্রারগুলিতে শর্তযুক্ত বিতরণ হিসাবে বিবেচনা করি (এমনকি কিছু পণ্যের ক্ষেত্রে লিনিয়ার আনুমানিকতা রাখে এবং অন্যদের জন্য শূন্য স্ফীত মডেল আরও ভাল)। এরকম ক্ষেত্রে আমার একটি পণ্য জন্য থাকতে হবে ( এটি কেবল বেইসিয়ান মডেলটিতে নিজেরাই আগ্রহী তাদের জন্য, আপনি যদি এটি উদ্বেগহীন বা তুচ্ছ মনে করেন তবে প্রশ্নটি বাদ দিন :) ):
α 0 , γ 0 , α 1 , γ 1 , α 2 , γ 2 , পরিচিত।
Σ β , পরিচিত।
,
j ∈ 1 , … , মি 1 কে ∈ 1 , … , মি 2 , ,
এক্স পি পি এস আই আই ডাব্লু জেড আই জেড আই = এক্স আই σ আই জে আই জে জন্য মিশ্রিত প্রভাবগুলির ম্যাট্রিক্স, মূল্য, প্রচার এবং বিবেচিত পণ্যের নির্দেশ করে। বিপরীত উইশার্ট বিতরণকে নির্দেশ করে, সাধারণত সাধারণ মাল্টিভারিয়েট প্রিয়ারদের কোভারিয়ান্স ম্যাট্রিক্সের জন্য ব্যবহৃত হয়। তবে এটি এখানে গুরুত্বপূর্ণ নয়। সম্ভাব্য উদাহরণ সমস্ত দামের ম্যাট্রিক্স হতে পারে, বা আমরা বলতে । মিশ্র-প্রভাবগুলির ভেরিয়েন্স-কোভারিয়েন্স ম্যাট্রিক্সের জন্য প্রিয়ারদের হিসাবে, আমি কেবল এন্ট্রিগুলির মধ্যে পারস্পরিক সম্পর্ক রক্ষার চেষ্টা করব, যাতে and positive ইতিবাচক হবে যদি এবং একই ব্র্যান্ডের বা পণ্য হয়ে থাকি একই স্বাদ।
এই মডেলের পিছনে স্বজ্ঞাততাটি হ'ল কোনও প্রদত্ত পণ্যের বিক্রয় তার দামের উপর, তার প্রাপ্যতাটি বা না-ও নির্ভর করে, তবে অন্যান্য সমস্ত পণ্যের দাম এবং অন্যান্য সমস্ত পণ্যের স্টকআউটগুলির উপর নির্ভর করে। যেহেতু আমি সমস্ত সহগতির জন্য একই মডেল (পড়ুন: একই রিগ্রেশন কার্ভ) রাখতে চাই না, তাই আমি মিশ্রিত প্রভাবগুলি পরামিতি ভাগ করে আমার ডেটাতে থাকা কিছু গোষ্ঠীর শোষণ করে introduced
আমার প্রশ্নগুলি হ'ল:
- নিউরাল নেটওয়ার্ক আর্কিটেকচারে এই মডেলটি স্থানান্তর করার কোনও উপায় আছে কি? আমি জানি যে বায়সিয়ান নেটওয়ার্ক, মার্কভ র্যান্ডম ফিল্ডস, বায়সিয়ান হায়ারারিকিকাল মডেল এবং নিউরাল নেটওয়ার্কগুলির মধ্যে সম্পর্কের সন্ধানের জন্য অনেকগুলি প্রশ্ন রয়েছে তবে আমি বেয়েসিয়ান হায়ারার্কিকাল মডেল থেকে নিউরাল নেট-তে যেতে কিছু পাইনি। আমি নিউরাল নেটওয়ার্ক সম্পর্কে প্রশ্ন জিজ্ঞাসা করছি, আমার সমস্যার উচ্চ মাত্রা (আমার বিবেচনা করুন 340 টি পণ্য রয়েছে), এমসিমিসির মাধ্যমে প্যারামিটার অনুমানটি কয়েক সপ্তাহ সময় নেয় (আমি রানজাগে সমান্তরাল চেইনে চলমান 20 টি পণ্যের জন্য চেষ্টা করেছিলাম এবং বেশ কয়েকদিন সময় লেগেছিল) । তবে আমি এলোমেলোভাবে যেতে চাইছি না এবং কেবল একটি ব্ল্যাক বক্স হিসাবে নিউরাল নেটওয়ার্কে ডেটা দেব। আমি আমার নেটওয়ার্কের নির্ভরতা / স্বাধীনতা কাঠামোটি কাজে লাগাতে চাই।
এখানে আমি একটি নিউরাল নেটওয়ার্ক স্কেচ করেছি। আপনি দেখুন, regressors ( এবং যথাক্রমে মূল্য এবং পণ্যের stockout ইঙ্গিত উপরের গোপন স্তরে ইনপুট করা হয়) হিসাবে যারা হয় পণ্যের নির্দিষ্ট (এখানে আমি বিবেচিত দাম এবং stockouts)। S i i Y 1 Y 2 Y 3(নীল এবং কালো প্রান্তগুলির কোনও বিশেষ অর্থ নেই, এটি চিত্রটি আরও স্পষ্ট করার জন্য ছিল)। উপরন্তু এবং অত্যন্ত যখন সম্পর্কিত করা যেতে পারেসম্পূর্ণ ভিন্ন পণ্য হতে পারে (2 কমলা রস এবং রেড ওয়াইন সম্পর্কে ভাবেন), তবে আমি নিউরাল নেটওয়ার্কগুলিতে এই তথ্যটি ব্যবহার করি না। আমি বিস্মিত হই যে গ্রুপিংয়ের তথ্যটি কেবল ওজন ইনজায়ালাইজেশনে ব্যবহার করা হয় বা যদি কেউ কোনও সমস্যাটিকে নেটওয়ার্ক অনুকূলিত করতে পারে।
আমার ধারণাটি সম্পাদনা করুন:
আমার ধারণাটি এরকম কিছু হবে: আগের মতো, এবং পারস্পরিক সম্পর্কযুক্ত পণ্য, যখন সম্পূর্ণ ভিন্ন। এটি একটি অগ্রাধিকার জেনে আমি 2 টি কাজ করি:Y 2 Y 3
- আমি গোপন স্তরের কিছু নিউরনকে আমার যে কোনও গ্রুপে আমার 2 টি গোষ্ঠী রয়েছে ( ), ( )}}Y 3
- আমি ইনপুট এবং বরাদ্দ নোডগুলির (সাহসী প্রান্ত) মধ্যে উচ্চতর ওজন সূচনা করি এবং অবশ্যই বাকী 'এলোমেলো' তথ্যগুলিতে ক্যাপচারের জন্য আমি অন্যান্য লুকানো নোড তৈরি করি।
আপনার সাহায্যের জন্য অগ্রিম ধন্যবাদ