JP2022063338A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2022063338A5 JP2022063338A5 JP2022024170A JP2022024170A JP2022063338A5 JP 2022063338 A5 JP2022063338 A5 JP 2022063338A5 JP 2022024170 A JP2022024170 A JP 2022024170A JP 2022024170 A JP2022024170 A JP 2022024170A JP 2022063338 A5 JP2022063338 A5 JP 2022063338A5
- Authority
- JP
- Japan
- Prior art keywords
- information indicating
- neural network
- information
- predetermined
- processor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000013528 artificial neural network Methods 0.000 claims 18
- 238000004590 computer program Methods 0.000 claims 11
- 238000010801 machine learning Methods 0.000 claims 8
- 238000000034 method Methods 0.000 claims 8
- 238000001556 precipitation Methods 0.000 claims 8
- 230000006870 function Effects 0.000 claims 5
- 238000004891 communication Methods 0.000 claims 3
- 230000004931 aggregating effect Effects 0.000 claims 1
Claims (21)
- 少なくとも1つのプロセッサにより実行されることにより、
将来の所定日に対応する、所定店舗が属する地域の予想降水量を示す情報、該地域の予想気温を示す情報、曜日を示す情報、及び、休日を示す情報を、機械学習を実行することにより生成された学習済みのニューラルネットワークに入力することにより、前記将来の所定日に対応する前記所定店舗の予測入店客数を示す情報を前記学習済みのニューラルネットワークから出力させる、
ように、前記少なくとも1つのプロセッサを機能させる、ことを特徴とするコンピュータプログラム。 - 前記所定店舗のPOS情報を記憶するPOS情報記憶部から、通信網を介して該POS情報を取得し、
日付又は所定時間毎に対応付けて天気情報を提供する天気情報サーバから、通信網を介して、前記地域の降水量を示す降水量情報及び該地域の気温を示す気温情報を取得し、
前記POS情報、前記降水量情報及び前記気温情報を、カレンダー情報に対応付けて格納部に格納し、
端末装置により指定される指定期間に対応する、前記POS情報、前記降水量情報及び前記気温情報を、前記格納部から抽出し、
抽出された前記POS情報、前記降水量情報及び前記気温情報を、通信網を介して前記端末装置に出力する、
ように、前記少なくとも1つのプロセッサを機能させる、請求項1に記載のコンピュータプログラム。 - 各々が、任意日に対応する、前記地域の実測降水量を示す情報、該地域の実測気温を示す情報、曜日を示す情報、及び、休日を示す情報を含む、第1データセットと、前記任意日に対応する前記所定店舗の実測入店客数を示す情報を含む第2データセットと、を含む複数の教師データを、取得し、
該複数の教師データをニューラルネットワークに入力して学習させることにより、前記学習済みのニューラルネットワークを取得する、
ように、前記少なくとも1つのプロセッサを機能させる、請求項2に記載のコンピュータプログラム。 - 前記複数の教師データを前記格納部から取得するように、前記少なくとも1つのプロセッサを機能させる、請求項3に記載のコンピュータプログラム。
- 任意日に対応する、前記地域の実測降水量を示す情報、該地域の実測気温を示す情報、曜日を示す情報、及び、休日を示す情報を説明変数とし、前記任意日に対応する前記所定店舗の実測入店客数を示す情報を目的変数とする、重回帰式を生成し、
前記将来の所定日に対応する、前記地域の予想降水量を示す情報、該地域の予想気温を示す情報、曜日を示す情報、及び、休日を示す情報を、前記重回帰式に入力することにより、前記将来の所定日に対応する前記所定店舗の予測入店客数を示す情報を取得する、
ように前記少なくとも1つのプロセッサを機能させる、請求項1から請求項4のいずれかに記載のコンピュータプログラム。 - 過去の複数の日に対応する前記所定店舗の実測入店客数を、1日に含まれる複数の時間帯ごとに集計し、
移動平均法を用いて、各時間帯の入店客数比率を算出し、
前記将来の所定日に対応する前記所定店舗の予測入店客数を各時間帯に細分化する、
ように前記少なくとも1つのプロセッサを機能させる、請求項1から請求項5のいずれかに記載のコンピュータプログラム。 - 前記学習済みのニューラルネットワークが、入力層と、該入力層に接続された中間層と、該中間層に接続された出力層と、を含む、請求項1から請求項6のいずれかに記載のコンピュータプログラム。
- 前記学習済みのニューラルネットワークが機械学習を行うことにより生成されたものである、請求項1から請求項7のいずれかに記載のコンピュータプログラム。
- 前記少なくとも1つのプロセッサが、中央処理装置(CPU)、グラフィックスプロセッシングユニット(GPU)及び/又はマイクロプロセッサを含む、請求項1から請求項8のいずれかに記載のコンピュータプログラム。
- 少なくとも1つのプロセッサを具備し、
該少なくとも1つのプロセッサが、
将来の所定日に対応する、所定店舗が属する地域の予想降水量を示す情報、該地域の予想気温を示す情報、曜日を示す情報、及び、休日を示す情報を、機械学習を実行することにより生成された学習済みのニューラルネットワークに入力することにより、前記将来の所定日に対応する前記所定店舗の予測入店客数を示す情報を前記学習済みのニューラルネットワークから出力させる、
ように構成される、ことを特徴とする処理装置。 - 前記学習済みのニューラルネットワークが、入力層と、該入力層に接続された中間層と、該中間層に接続された出力層と、を含む、請求項10に記載の処理装置。
- 前記学習済みのニューラルネットワークが機械学習を行うことにより生成されたものである、請求項10又は請求項11に記載の処理装置。
- 前記少なくとも1つのプロセッサが、中央処理装置(CPU)、グラフィックスプロセッシングユニット(GPU)及び/又はマイクロプロセッサを含む、請求項10から請求項12のいずれかに記載の処理装置。
- 少なくとも1つのプロセッサにより実行される方法であって、
該少なくとも1つのプロセッサが、
将来の所定日に対応する、所定店舗が属する地域の予想降水量を示す情報、該地域の予想気温を示す情報、曜日を示す情報、及び、休日を示す情報を、機械学習を実行することにより生成された学習済みのニューラルネットワークに入力することにより、前記将来の所定日に対応する前記所定店舗の予測入店客数を示す情報を前記学習済みのニューラルネットワークから出力させる、
ことを含む、ことを特徴とする方法。 - 前記学習済みのニューラルネットワークが、入力層と、該入力層に接続された中間層と、該中間層に接続された出力層と、を含む、請求項14に記載の方法。
- 前記学習済みのニューラルネットワークが機械学習を行うことにより生成されたものである、請求項14又は請求項15に記載の方法。
- 前記少なくとも1つのプロセッサが、中央処理装置(CPU)、グラフィックスプロセッシングユニット(GPU)及び/又はマイクロプロセッサを含む、請求項14から請求項16のいずれかに記載の方法。
- 将来の所定日に対応する、所定店舗が属する地域の予想降水量を示す情報、該地域の予想気温を示す情報、曜日を示す情報、及び、休日を示す情報を、機械学習を実行することにより生成された学習済みのニューラルネットワークに入力することにより、前記将来の所定日に対応する前記所定店舗の予測入店客数を示す情報を前記学習済みのニューラルネットワークから出力させる、ように構成される処理装置と、
前記予測入店客数を示す情報を前記処理装置から受信する、ように構成される端末装置と、
を具備することを特徴とするシステム。 - 前記学習済みのニューラルネットワークが、入力層と、該入力層に接続された中間層と、該中間層に接続された出力層と、を含む、請求項18に記載のシステム。
- 前記学習済みのニューラルネットワークが機械学習を行うことにより生成されたものである、請求項18又は請求項19に記載のシステム。
- 前記少なくとも1つのプロセッサが、中央処理装置(CPU)、グラフィックスプロセッシングユニット(GPU)及び/又はマイクロプロセッサを含む、請求項18から請求項20のいずれかに記載のシステム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022024170A JP7329885B2 (ja) | 2019-09-25 | 2022-02-18 | 情報可視化処理装置、情報可視化処理システム、情報可視化処理方法、及び情報可視化処理コンピュータプログラム |
JP2023125531A JP2023133469A (ja) | 2019-09-25 | 2023-08-01 | 情報可視化処理装置、情報可視化処理システム、情報可視化処理方法、及び情報可視化処理コンピュータプログラム |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019173950A JP7033325B2 (ja) | 2019-09-25 | 2019-09-25 | 情報可視化処理装置、情報可視化処理システム、情報可視化処理方法、及び情報可視化処理コンピュータプログラム |
JP2022024170A JP7329885B2 (ja) | 2019-09-25 | 2022-02-18 | 情報可視化処理装置、情報可視化処理システム、情報可視化処理方法、及び情報可視化処理コンピュータプログラム |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019173950A Division JP7033325B2 (ja) | 2019-09-25 | 2019-09-25 | 情報可視化処理装置、情報可視化処理システム、情報可視化処理方法、及び情報可視化処理コンピュータプログラム |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023125531A Division JP2023133469A (ja) | 2019-09-25 | 2023-08-01 | 情報可視化処理装置、情報可視化処理システム、情報可視化処理方法、及び情報可視化処理コンピュータプログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2022063338A JP2022063338A (ja) | 2022-04-21 |
JP2022063338A5 true JP2022063338A5 (ja) | 2022-10-11 |
JP7329885B2 JP7329885B2 (ja) | 2023-08-21 |
Family
ID=87577084
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022024170A Active JP7329885B2 (ja) | 2019-09-25 | 2022-02-18 | 情報可視化処理装置、情報可視化処理システム、情報可視化処理方法、及び情報可視化処理コンピュータプログラム |
JP2023125531A Pending JP2023133469A (ja) | 2019-09-25 | 2023-08-01 | 情報可視化処理装置、情報可視化処理システム、情報可視化処理方法、及び情報可視化処理コンピュータプログラム |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023125531A Pending JP2023133469A (ja) | 2019-09-25 | 2023-08-01 | 情報可視化処理装置、情報可視化処理システム、情報可視化処理方法、及び情報可視化処理コンピュータプログラム |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP7329885B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230123686A1 (en) * | 2021-10-19 | 2023-04-20 | Target Brands, Inc. | Store traffic indicator |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04596A (ja) * | 1990-04-18 | 1992-01-06 | Kaoru Tone | 来店客数予測方法及び装置 |
JP2005228014A (ja) * | 2004-02-13 | 2005-08-25 | Inter Db:Kk | ベイジアンネットワークを用いた来客数予測システム |
JP2005242839A (ja) * | 2004-02-27 | 2005-09-08 | Qualica Inc | 店舗管理システム、店舗管理方法及び店舗管理プログラム |
JP2007316758A (ja) * | 2006-05-23 | 2007-12-06 | Toshiba Tec Corp | 来店客数予測サーバ及び来店客数予測プログラム |
JP2007316746A (ja) * | 2006-05-23 | 2007-12-06 | Toshiba Tec Corp | 来店客数予測サーバ及び来店客数予測プログラム |
JP2007316757A (ja) * | 2006-05-23 | 2007-12-06 | Toshiba Tec Corp | 来店客数予測サーバ及び来店客数予測プログラム |
JP6003736B2 (ja) * | 2013-03-18 | 2016-10-05 | 富士通株式会社 | 情報処理プログラム、情報処理方法および情報処理装置 |
US20180052804A1 (en) * | 2015-03-26 | 2018-02-22 | Nec Corporation | Learning model generation system, method, and program |
CN108664620B (zh) * | 2018-05-14 | 2022-07-22 | 南京邮电大学 | 一种店铺客流量预测方法 |
-
2022
- 2022-02-18 JP JP2022024170A patent/JP7329885B2/ja active Active
-
2023
- 2023-08-01 JP JP2023125531A patent/JP2023133469A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lengnick | Agent-based macroeconomics: A baseline model | |
CN104200279A (zh) | 商品首次需求预测方法和装置 | |
JP2023133469A5 (ja) | ||
CN106469335A (zh) | 一种影片票房预测方法和装置 | |
JP5251217B2 (ja) | 販売数予測システム、販売数予測システムの動作方法および販売数予測プログラム | |
JP2022063338A5 (ja) | ||
WO2018170595A1 (en) | Method and system for generation of adjustable automated forecasts for a promotion | |
García-Algarra et al. | A stochastic generative model of the world trade network | |
Challet | Inter-pattern speculation: beyond minority, majority and $-games | |
CN112785390B (zh) | 推荐处理方法、装置、终端设备以及存储介质 | |
CN113761355A (zh) | 一种信息推荐方法、装置、设备及计算机可读存储介质 | |
Stadler | Engines of growth: Education and innovation | |
JP2016134180A (ja) | エージェントに基づく需要予測システム及び方法 | |
Gaffeo et al. | Taxing financial transactions in fundamentally heterogeneous markets | |
JP2023091669A (ja) | 販売数量予測システム、販売数量予測方法 | |
Gamage et al. | Agro-genius: crop prediction using machine learning | |
Öttl et al. | Data Envelopment Analysis and hyperbolic efficiency measures: Extending applications and possibilities for between-group comparisons | |
Hamoudia et al. | Machine Learning for New Product Forecasting | |
CN113095440A (zh) | 基于元学习者的训练数据生成方法及因果效应异质反应差异估计方法 | |
WO2024095305A1 (ja) | 支援装置、支援方法、および支援プログラム | |
Genkova | Digital Transformations and Economic Standards: the Key Questions to Bulgaria Posed by National Economy’s Existing Potential | |
CN113407819B (zh) | 一种基于残差网络的序列推荐方法、***及存储介质 | |
WO2022074759A1 (ja) | 営業支援装置、営業支援方法、及び営業支援プログラム | |
Anitha et al. | A Web-based Real-time Sales Data Analysis using LSTM Model for Better Insight | |
Padmasiri | Coconut Price Prediction in Sri Lanka Using Supervised Machine Learning Approach (LSTM) |