Buchumschlag

Optimizing Multi-Tier Supply Chain Ordering with a Hybrid Liquid Neural Network and Extreme Gradient Boosting Model

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Tong, Chunan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Optimizing Multi-Tier Supply Chain Ordering with LNN+XGBoost: Mitigating the Bullwhip Effect
von: Tong, Chunan
Veröffentlicht: (2025)

An Efficient Intelligent Semi-Automated Warehouse Inventory Stocktaking System
von: Tong, Chunan
Veröffentlicht: (2023)

Resilience Inference for Supply Chains with Hypergraph Neural Network
von: Shen, Zetian, et al.
Veröffentlicht: (2025)

Generative Probabilistic Planning for Optimizing Supply Chain Networks
von: Ahn, Hyung-il, et al.
Veröffentlicht: (2024)

Hybrid Deep Learning Approach for Coupled Demand Forecasting and Supply Chain Optimization
von: Nadia, Nusrat Yasmin, et al.
Veröffentlicht: (2026)

MORSE: Multi-Objective Reinforcement Learning via Strategy Evolution for Supply Chain Optimization
von: Kotecha, Niki, et al.
Veröffentlicht: (2025)

GNN-based Probabilistic Supply and Inventory Predictions in Supply Chain Networks
von: Ahn, Hyung-il, et al.
Veröffentlicht: (2024)

Reinforcement Learning for Multi-Objective Multi-Echelon Supply Chain Optimisation
von: Rachman, Rifny, et al.
Veröffentlicht: (2025)

Large Language Models for Supply Chain Decisions
von: Simchi-Levi, David, et al.
Veröffentlicht: (2025)

Integrating Large Language Models with Network Optimization for Interactive and Explainable Supply Chain Planning: A Real-World Case Study
von: Venkatachalam, Saravanan
Veröffentlicht: (2025)

Optimizing Supply Chain Management using Gravitational Search Algorithm and Multi Agent System
von: Ojha, Muneendra
Veröffentlicht: (2012)

MCDFN: Supply Chain Demand Forecasting via an Explainable Multi-Channel Data Fusion Network Model
von: Jahin, Md Abrar, et al.
Veröffentlicht: (2024)

Supply Chain Optimization via Generative Simulation and Iterative Decision Policies
von: Bai, Haoyue, et al.
Veröffentlicht: (2025)

SANGRIA: Stacked Autoencoder Neural Networks with Gradient Boosting for Indoor Localization
von: Gufran, Danish, et al.
Veröffentlicht: (2024)

Agentic LLMs in the Supply Chain: Towards Autonomous Multi-Agent Consensus-Seeking
von: Jannelli, Valeria, et al.
Veröffentlicht: (2024)

Stochastic Optimization of Inventory at Large-scale Supply Chains
von: Jin, Zhaoyang Larry, et al.
Veröffentlicht: (2025)

SupChain-Bench: Benchmarking Large Language Models for Real-World Supply Chain Management
von: Guan, Shengyue, et al.
Veröffentlicht: (2026)

XGrad: Boosting Gradient-Based Optimizers With Weight Prediction
von: Guan, Lei, et al.
Veröffentlicht: (2023)

LTLf Adaptive Synthesis for Multi-Tier Goals in Nondeterministic Domains
von: De Giacomo, Giuseppe, et al.
Veröffentlicht: (2025)

Less is More: Extreme Gradient Boost Rank-1 Adaption for Efficient Finetuning of LLMs
von: Zhang, Yifei, et al.
Veröffentlicht: (2024)

From Topology to Trajectory: LLM-Driven World Models For Supply Chain Resilience
von: Luo, Jia
Veröffentlicht: (2026)

From Unstructured Communication to Intelligent RAG: Multi-Agent Automation for Supply Chain Knowledge Bases
von: Zhang, Yao, et al.
Veröffentlicht: (2025)

Helicase: Uncertainty-Guided Supply Chain Knowledge Graph Construction with Autonomous Multi-Agent LLMs
von: Long, Yunbo, et al.
Veröffentlicht: (2026)

ShieldNet: Network-Level Guardrails against Emerging Supply-Chain Injections in Agentic Systems
von: Yuan, Zhuowen, et al.
Veröffentlicht: (2026)

Automatic Transmission for LLM Tiers: Optimizing Cost and Accuracy in Large Language Models
von: Na, Injae, et al.
Veröffentlicht: (2025)

LLMs for Supply Chain Management
von: Wang, Haojie, et al.
Veröffentlicht: (2025)

Rethinking Supply Chain Planning: A Generative Paradigm
von: Yin, Jiaheng, et al.
Veröffentlicht: (2025)

Optimizing Chain-of-Thought Reasoners via Gradient Variance Minimization in Rejection Sampling and RL
von: Yao, Jiarui, et al.
Veröffentlicht: (2025)

Supervised Score-Based Modeling by Gradient Boosting
von: Zhao, Changyuan, et al.
Veröffentlicht: (2024)

A generalized decision tree ensemble based on the NeuralNetworks architecture: Distributed Gradient Boosting Forest (DGBF)
von: Delgado-Panadero, Ángel, et al.
Veröffentlicht: (2024)

IoT-based Fresh Produce Supply Chain Under Uncertainty: An Adaptive Optimization Framework
von: Seth, Chirag, et al.
Veröffentlicht: (2025)

OptiRepair: Closed-Loop Diagnosis and Repair of Supply Chain Optimization Models with LLM Agents
von: Ao, Ruicheng, et al.
Veröffentlicht: (2026)

Predicting Deterioration in Mild Cognitive Impairment with Survival Transformers, Extreme Gradient Boosting and Cox Proportional Hazard Modelling
von: Musto, Henry, et al.
Veröffentlicht: (2024)

ExtremeCast: Boosting Extreme Value Prediction for Global Weather Forecast
von: Xu, Wanghan, et al.
Veröffentlicht: (2024)

Reconstructing Deep Neural Networks: Unleashing the Optimization Potential of Natural Gradient Descent
von: Liu, Weihua, et al.
Veröffentlicht: (2024)

VNet: A GAN-based Multi-Tier Discriminator Network for Speech Synthesis Vocoders
von: Cao, Yubing, et al.
Veröffentlicht: (2024)

Designing and Deploying AI Models for Sustainable Logistics Optimization: A Case Study on Eco-Efficient Supply Chains in the USA
von: Shawon, Reza E Rabbi, et al.
Veröffentlicht: (2025)

TierCheck: Tiered Checkpointing for Fault Tolerance in Large Language Model Training
von: Han, Shujie, et al.
Veröffentlicht: (2026)

Tiered Agentic Oversight: A Hierarchical Multi-Agent System for Healthcare Safety
von: Kim, Yubin, et al.
Veröffentlicht: (2025)

LLM-Grounded Explainable AI for Supply Chain Risk Early Warning via Temporal Graph Attention Networks
von: Xue, Zhiming, et al.
Veröffentlicht: (2026)