EAGLE：スマート・ロジスティクス・ネットワークにおける予測的配送遅延予測のためのエッジ認識型グラフ学習
arXiv cs.AI / 2026/4/8
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文では、時間的なオーダーフローのモデリングとサプライチェーンのグラフ構造を組み合わせることで、配送遅延を事前に予測するためのハイブリッド深層学習フレームワークであるEAGLEを提案する。
- 軽量なTransformerパッチエンコーダにより時系列ダイナミクスを捉え、さらに、ハブ間の関係性およびエッジを認識した依存関係を捉えるためのEdge-Aware Graph Attention Network（E-GAT）を用いる。
- 予測性能と学習信号全体に対する頑健性の両方を同時に向上させることを目的としたマルチタスクの目的関数でモデルを学習する。
- DataCo Smart Supply Chainデータセットでの実験では、F1スコア0.8762、AUC-ROC 0.9773といった強い結果が得られ、クロスシードの分散が小さいことから学習が安定していることが示される。
- ベースラインおよびアブレーション版と比較して、EAGLEは一貫した精度向上をもたらし、性能と学習安定性のバランスもより良好である。
