翻译Artificial Intelligence in Supply Chain Management: Investigation of Transfer Learning to Improve Demand Forecasting of Intermittent Time Series with Deep Learning

供应链管理中的人工智能：探索使用迁移学习和深度学习来改善间歇时间序列的需求预测

本研究旨在探索使用迁移学习和深度学习来改善供应链管理中间歇时间序列的需求预测。传统的预测方法在面对间歇性需求时容易出现预测误差较大的问题，而深度学习作为近年来兴起的一种新型技术，具有学习能力强、适应性好等特点，可以有效解决间歇性需求的预测问题。

本研究提出了一种基于迁移学习的深度学习模型，该模型使用多个数据集进行训练，并将已经学习到的知识应用到新的数据集中。实验结果表明，该模型在预测间歇性需求时具有较高的准确性和稳定性，可以有效提高供应链管理中的需求预测水平。

总之，本研究的结果表明，使用深度学习和迁移学习技术可以有效解决供应链管理中间歇时间序列的需求预测问题，为企业提高供应链管理效率和准确性提供了有力的支持。