Deep Recurrent Learning Through Long Short Term Memory and TOPSIS

要約

エンタープライズ リソース プランニング (ERP) ソフトウェアは、リソースとデータを統合して、企業内のビジネス プロセス内でのソフトウェア フローを維持します。
しかし、クラウド コンピューティングの安価、簡単、迅速な管理の約束により、ビジネス オーナーはモノリシック ERP からデータセンター/クラウド ベースの ERP への移行を迫られています。
クラウド ERP の開発には計画、実装、テスト、アップグレードという循環的なプロセスが含まれるため、その採用は深いリカレント ニューラル ネットワークの問題として実現されます。
最終的には、長短期記憶 (LSTM) と TOPSIS に基づいた分類アルゴリズムが、採用特徴をそれぞれ特定し、ランク付けするために提案されます。
私たちの理論モデルは、主要なプレーヤー、サービス、アーキテクチャ、機能を明確にすることによって、参照モデルに対して検証されます。
主要な導入要因に関する仮説を立てるために、テクノロジー、イノベーション、耐性の問題を考慮してユーザーを対象に定性調査が実施されます。

要約(オリジナル)

Enterprise resource planning (ERP) software brings resources, data together to keep software-flow within business processes in a company. However, cloud computing’s cheap, easy and quick management promise pushes business-owners for a transition from monolithic to a data-center/cloud based ERP. Since cloud-ERP development involves a cyclic process, namely planning, implementing, testing and upgrading, its adoption is realized as a deep recurrent neural network problem. Eventually, a classification algorithm based on long short term memory (LSTM) and TOPSIS is proposed to identify and rank, respectively, adoption features. Our theoretical model is validated over a reference model by articulating key players, services, architecture, functionalities. Qualitative survey is conducted among users by considering technology, innovation and resistance issues, to formulate hypotheses on key adoption factors.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google