09:24
官方账号arXiv cs.LG@Mohammad Forouhesh
推荐理由：这篇论文提出了CD方法，能区分促销冲击和基线需求，降低库存成本波动。在3万多个SKU上验证，比传统模型更稳定，适合零售需求预测场景。
Contextual Deconvolution
共 1 条相关 AI 资讯
7月29日
09:24
Contextual Deconvolution (CD) 是一种两阶段估计器，通过核调制带状算子将促销冲击从结构性基线中分离出来。在30490个M5 SKU和2845个Favorita商品上的评估显示，CD降低了安全库存、持有成本和订单方差，但仅在持有成本超过缺货成本的约20%（95%置信区间[17%,25%]）时才降低总成本。CD在跨SKU误差离散度上优于11个基线，并在所有M5四轮评估中排名第一。该方法无需逐SKU训练，可扩展至目录级部署。