Neural network model for predicting the execution time of a transport task

Abstract

У статті розглянуто питання отримання нейромережевої моделі, призначеної для прогнозування часу на виконання транспортної задачі. Вихідною інформацією для вивчення моделі є дані перевізника про очікуваний середній час на виконання завдання та дати поїздки. За допомогою методу Монте-Карло були отримані вихідні дані, за яких проведено навчання нейронної мережі. У дослідженні проведено аналіз отриманих результатів, які вказують на те, що використання розробленої нейромережевої моделі для прогнозування часу на виконання транспортної задачі дозволить суттєво знизити похибку прогнозування у порівнянні із оцінкою вихідних параметрів. Основним принципом логістичної функції активації є аргумент значення від діапазону, який в свою чергу може приймати будь-яке значення. Визначено та досліджено схему інформаційних потоків під час виконання одного циклу навчання нейронної мережі із використанням алгоритму Левенберга- Маркварта. Розроблений підхід має за мету бути прийнятим за основу методу оцінки впливу людського фактору на час виконання транспортної задачі