Video Experimental Relacionado
Updated: May 8, 2026
Radio Frequency Identification and Motion-sensitive Video Efficiently Automate Recording of Unrewarded Choice Behavior by Bumblebees
Published on: November 15, 2014
Investigación sobre el método de evaluación del rendimiento de las pequeñas y medianas empresas en el comercio
1School of Digital Commerce, Zhejiang Polytechnic University of Mechanical and Electrical Engineering, Hangzhou, 310053, Zhejiang, China. SallyWalkeruwr@mail.com.
Un nuevo modelo de red neuronal de memoria a corto y largo plazo optimizada de colonias de abejas artificiales (ABC-LSTM) mejora la evaluación del rendimiento empresarial para las pequeñas y medianas empresas (PYME) de comercio electrónico transfronterizo. Este método ofrece una precisión y estabilidad superiores en condiciones de mercado complejas.
Área de la Ciencia:
- Inteligencia artificial
- Análisis del comercio electrónico
- Gestión del rendimiento empresarial
Sus antecedentes:
- Las PYME del comercio electrónico transfronterizo se enfrentan a desafíos en la evaluación del rendimiento debido a la volatilidad del mercado y a los recursos limitados.
- Los métodos tradicionales luchan con datos complejos y no lineales y análisis en tiempo real en entornos dinámicos.
- Los modelos existentes carecen de la precisión y la generalización predictivas necesarias para el comercio electrónico moderno.
Objetivo del estudio:
- Desarrollar un método avanzado de evaluación del rendimiento empresarial para las PYME del comercio electrónico transfronterizo.
- Mejorar la precisión predictiva y la capacidad de generalización del análisis de datos de series temporales.
- Proporcionar información sobre las jerarquías de rendimiento y la toma de decisiones estratégicas para las PYME.
Principales métodos:
- Se utilizaron datos de 10 pymes de comercio electrónico transfronterizo (2020-2023).
- Propuso e implementó un modelo de red neuronal de memoria a largo y corto plazo optimizado para colonias de abejas artificiales (ABC-LSTM).
- Comparó el ABC-LSTM con el GA-LSTM, el XGBoost y los modelos LSTM tradicionales utilizando las métricas de rendimiento clave.
Principales resultados:
- El modelo ABC-LSTM demostró un rendimiento superior con un error cuadrado medio más bajo (0,037), un error absoluto medio (0,016) y un error de dependencia de tiempo (0,019).
- ABC-LSTM exhibió una velocidad de convergencia más rápida y una mayor estabilidad del modelo en comparación con los modelos de referencia.
- El análisis reveló diferencias de rendimiento entre las empresas, destacando las fortalezas en la integración de recursos, la cadena de suministro y la expansión del mercado para las empresas de alto rendimiento.
Conclusiones:
- El modelo ABC-LSTM mejora significativamente la evaluación del rendimiento empresarial de las PYME de comercio electrónico transfronterizo.
- Este método mejora la precisión del análisis multidimensional de los datos comerciales, ofreciendo una base científica para mejoras estratégicas.
- Los resultados apoyan una mejor integración de los recursos, la gestión de la cadena de suministro y las estrategias de expansión del mercado para las PYME.
