عنوان
پدید آورنده
موضوع
رده
کتابخانه
محل استقرار
NATIONAL BIBLIOGRAPHY NUMBER
Number
TLpq2473241114
LANGUAGE OF THE ITEM
.Language of Text, Soundtrack etc
انگلیسی
TITLE AND STATEMENT OF RESPONSIBILITY
Title Proper
Comparison of Computational Intelligence Models on Forecasting ATM Demands
General Material Designation
[Thesis]
First Statement of Responsibility
Gültekin, Onur Gürkan
Subsequent Statement of Responsibility
Alkaya, Ali Fuat
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
Marmara Universitesi (Turkey)
Date of Publication, Distribution, etc.
2019
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
74
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
Master's
Body granting the degree
Marmara Universitesi (Turkey)
Text preceding or following the note
2019
SUMMARY OR ABSTRACT
Text of Note
ATM'lerin (Otomatik Para Çekme Makineleri) kullanımı, insanların ihtiyaç duyduklarında anında nakit paraya ulaşmaları için çok önemlidir. Müşterilerin bu talebini karşılamak için bankalar, ATM'lerin ne zaman ziyaret edilmesi ve ne kadar bakiye yüklenmesi gerektiğini belirlemelidir. Bu durumda, cevaplanması gereken ilk soru, önümüzdeki günlerde ATM'lerden ne kadar para çekileceğinin tahmin edilmesidir. Bu çalışmada, işlemsel zeka tekniklerinden faydalanıp geçmiş nakit çekim işlemlerini ve bilgilerini kullanarak, bu soruna bir çözüm üretiyoruz. Bu çalışma, geçmişte yapılan NN5 yarışmasında kullanılan İngiltere bankalarından alınan ATM verilerine kıyasla, Türkiye'nin en büyük bankalarından birinden alınan ATM verilerinin desenlerinin oldukça uçucu olması misyonumuzun zor bir görev olduğunu göstermektedir. Klasik zaman serileri tahmin modellerinin, İngiltere'den alınan ATM verileri üzerinde gayet iyi sonuçlar üretmesine rağmen, bizim ATM verilerimizde iyi performans gösterememelerinin nedeni de budur. Bu gerçeği göz önünde bulundurarak, en iyi performans gösteren modelleri bulmak için parametre alanını kapsamlı bir şekilde araştırarak farklı işlemsel zeka modelleri oluşturduk ve doğruluk ve zaman performans sonuçlarına göre detaylı karşılaştırmayı sunduk. Sonuçlar, SVM'den (Destek Vektör Makineleri) uyarlanan SVR'nin (Destek Vektör Regresyonu) ve evrensel tahminleyiciler olarak bilinen ANN'nin (Yapay Sinir Ağları) diğerlerinden çok daha iyi performans ortaya koyduğunu göstermektedir. Öte yandan, parametre ağırlıklarını güncellemek için doğrudan gradyan hesaplamaları yerine gradyan tahminlemelerini kullanan SPSA (Eşzamanlı Pertürbasyon Stokastik Yaklaşımı), gelecekteki iyileştirmeler için iyi bir işaret olacağına dair umut verici bir performans göstermektedir.
TOPICAL NAME USED AS SUBJECT
Artificial intelligence
Computer engineering
Information technology
Management
Public administration
Public policy
PERSONAL NAME - PRIMARY RESPONSIBILITY
Alkaya, Ali Fuat
Gültekin, Onur Gürkan
ELECTRONIC LOCATION AND ACCESS
Electronic name
مطالعه متن کتاب p
[Thesis]
276903
a
Y
