Inteligentne zarządzanie zbiorami bibliotecznymi: zastosowanie sieci neuronowych do przewidywania popytu na książki

Abstrakt

Celem przeprowadzonych badań była analiza i prognozowanie zapotrzebowania na zasoby biblioteczne z wykorzystaniem metod klasycznych oraz modeli opartych na sztucznej inteligencji. Przeanalizowano dane historyczne dotyczące wypożyczeń książek, identyfikując wzorce sezonowości i zmieniające się preferencje tematyczne użytkowników. Porównano skuteczność takich metod, jak regresja liniowa, LSTM, GRU, CNN oraz MLP w prognozowaniu zapotrzebowania. Wyniki wskazują na wyraźną przewagę modeli neuronowych, zwłaszcza LSTM i CNN, w dokładności predykcji oraz ich potencjalne zastosowanie w optymalizacji zarządzania zbiorami bibliotecznymi.