DOI
https://doi.org/10.47689/2181-1415-vol5-iss6-pp181-192Kalit so‘zlar
ақлли логистика алгоритмлари , йўналишни оптималлаштириш , илғор мустаҳкамлашга асосланган ўрганиш , маълумотларни таҳлил қилиш , транспорт самарадорлигини оширишAnnotasiya
Логистика соҳасининг рақамли трансформацияси давомида ақлли логистика алгоритмлари самарадорликни ошириш ва харажатларни камайтириш учун муҳим технологияга айланди. Ушбу мақолада анъанавий логистика технологияларининг ривожланиши таҳлил қилиниб, Internet of Things(IoT), катта маълумотлар таҳлили, сунъий интеллект ва автоматлаштириш каби ютуқларнинг логистика инновациясини ривожлантиришдаги асосий роллари таъкидланади. У ақлли логистика алгоритмларининг йўналишни оптималлаштириш, ақлли режалаштириш, маълумотларни қазиб олиш ва прогнозлаш, ҳамда ақлли омборни бошқариш каби соҳалардаги қўлланилишига тўхталади. Тренинг ва тест мақсадлари ўртасидаги номувофиқлик муаммосини ҳал қилиш учун мақолада DRL4Route-GAE – йўналишни оптималлаштириш учун чуқур мустаҳкамланишга асосланган ўқув тизими, шунингдек DRL4Route-GAE модели тақдим этилади. Кенг кўламли офлайн тажрибалар ва онлайн жорий этишлар моделнинг ҳақиқий маълумотлар тўпламида мавжуд оптимал мезон усулларидан сезиларли даражада устун эканлигини тасдиқлайди, масалан, жойлашувдаги четланиш квадрати ва энг яхши учта жойлашув прогнози аниқлиги каби кўрсаткичларни яхшилайди. Ушбу тадқиқот натижалари логистика соҳасининг ақлли ривожланишини қўллаб-қувватлашда муҳим асос бўлиб хизмат қилади.
Ko'chirildi
Bibliografik manbalar
Liang, P., Song, B., Zhan, X., Chen, Z., & Yuan, J. (2024). Automating the training and deployment of models in MLOps by integrating systems with machine learning. Applied and Computational Engineering, 67, 1- 7
Li, A., Yang, T., Zhan, X., Shi, Y., & Li, H. (2024). Utilizing Data Science and AI for Customer Churn Prediction in Marketing. Journal of Theory and Practice of Engineering Science, 4(05), 72-79.
Xu, J., Wu, B., Huang, J., Gong, Y., Zhang, Y., & Liu, B. (2024). Practical applications of advanced cloud services and generative AI systems in medical image analysis. Applied and Computational Engineering, 64, 82-87.
Zhang, Y., Liu, B., Gong, Y., Huang, J., Xu, J., & Wan, W. (2024). Application of machine learning optimization in cloud computing resource scheduling and management. Applied and Computational Engineering, 64, 9-14.
Huang, J., Zhang, Y., Xu, J., Wu, B., Liu, B., & Gong, Y. Implementation of Seamless Assistance with Google Assistant Leveraging Cloud Computing.
Lin, Y., Li, A., Li, H., Shi, Y., & Zhan, X. (2024). GPU-Optimized Image Processing and Generation Based on Deep Learning and Computer Vision. Journal of Artificial Intelligence General science (JAIGS) ISSN: 3006-4023, 5(1), 39-49.
Chen, Zhou, et al. “Application of Cloud-Driven Intelligent Medical Imaging Analysis in Disease Detection.” Journal of Theory and Practice of Engineering Science 4.05 (2024): 64-71.
Wang, B., Lei, H., Shui, Z., Chen, Z., & Yang, P. (2024). Current State of Autonomous Driving Applications Based on Distributed Perception and Decision-Making.
Li, Zihan, et al. “Robot Navigation and Map Construction Based on SLAM Technology.” (2024).
Fan, C., Ding, W., Qian, K., Tan, H., & Li, Z. (2024). Cueing Flight Object Trajectory and Safety Prediction Based on SLAM Technology. Journal of Theory and Practice of Engineering Science, 4(05), 1-8.
Sarkis, R. A., Goksen, Y., Mu, Y., Rosner, B., & Lee, J. W. (2018). Cognitive and fatigue side effects of antiepileptic drugs: an analysis of phase III add-on trials. Journal of neurology, 265(9), 2137-2142.
Yuklashlar
158 36Nashr qilingan
Qanday qilib iqtibos keltirish kerak
Nashr
Bo'lim
Litsenziya
Mualliflik huquqi (c) 2024 Азам Нуруллаев (Автор)
Ushbu ish Creative Commons Attribution 4.0 Worldwide.
