Geri Dön

Aktüeryal modellemede bulanık destek vektör makineleri

Fuzzy support vector machines in actuarial modeling

  1. Tez No: 338111
  2. Yazar: FURKAN BAŞER
  3. Danışmanlar: PROF. DR. AYŞEN APAYDIN
  4. Tez Türü: Doktora
  5. Konular: Aktüerya Bilimleri, Sigortacılık, İstatistik, Actuarial Sciences, Insurance, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2013
  8. Dil: Türkçe
  9. Üniversite: Ankara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 165

Özet

Aktüerya bilimi, belirsizlik durumunda sigorta prim ve rezervlerini tespit etmek amacıyla her türlü risk ölçüm ve hesaplamalarını kapsamaktadır. Bu belirsizlikler, belirsiz ortamlarda optimum karar almaya yarayan ve belli bir mantığa dayalı çıkarım olarak kabul edilen bulanık küme kuramı ile açıklanabilmektedir. Özellikle modelleme problemlerinde optimum düzeyde belirsizliğe izin veren yöntemler geliştirmek uygulamada büyük yarar sağlayacaktır. Çözümleme, öngörü ve denetim gibi alanlarda farklı amaçlarla kullanılabilen bu yaklaşımların dayanıklılık ve şeffaflık gibi özellikleri başlıca yararları arasındadır. Yeni bir makine öğrenmesi tekniği olan destek vektör makineleri (DVM), fonksiyon tahmini ve sınıflandırma problemlerinin çözümü için önerilmiş olan bir istatistiksel öğrenme algoritmasıdır. Sinir ağları, bulanık modeller ve sinir-bulanık ortak sistemleri gibi geleneksel öğrenme ve sistem modelleme yöntemleriyle karşılaştırıldığında, DVM yüksek genelleme başarımı, en iyileme kapasitesi ve yüksek boyutlu az sayıda veri üzerinde dahi çalışabilme gibi özelliklere sahiptir. Günümüzde DVM, veri madenciliğinde, finans alanında, çeşitli mühendislik problemlerinde ve görüntü işleme uygulamalarında başarıyla kullanılmaktadır. Birçok problemde olduğu gibi sigorta problemlerinde de güvenilir modellerin geliştirilmesi, sigorta şirketinin finansal istikrarı için çok önemlidir. Bu çalışmada, bazı özel sigorta problemlerinde destek vektör makineleri ile (bulanık) regresyon çözümlemesinin kullanımının önemi üzerinde durulacaktır. Bu doğrultuda, sistem parametrelerinin optimizasyonu aracılığı ile gizli yapıları tanımlayabilen güçlü bulanık modellere ulaşılması hedeflenmektedir.

Özet (Çeviri)

Actuarial science encompasses all types of quantifications of risks under conditions of uncertainty for the purpose of setting insurance premiums and reserves. These uncertainties can be explained well by fuzzy set theory which is accepted as an inference mechanism based on certain logic and is useful for the optimal decision-making under uncertainty. Especially in modeling problems, developing methods that allow an optimum level of uncertainty will be very beneficial in practice. These methods can be used for different purposes in areas such as analyzing, prediction, control, and the main benefits of them include features such as robustness and clearness. A novel machine learning technique, Support Vector Machines (SVM), has recently been receiving considerable attention in pattern recognition and regression function estimation problems. Compared to the traditional learning and system modeling methods such as neural networks, fuzzy models and neuro-fuzzy systems, SVM has a high generalization performance, optimization capability, and can work even on high-dimensional sparse data sets. Recently, SVM is successfully used in data mining, various financial and engineering problems and image processing applications. The development of reliable models for insurance problems as well as for the other problems is very important for the financial stability of the insurance companies. In this study, we intend to highlight the importance of the usage of (fuzzy) regression analysis with support vector machines for some featured insurance problems. Accordingly, it is aimed to achieve the strong fuzzy models that can identify hidden structures through optimization of the system parameters.

Benzer Tezler

  1. Aktüeryal modellemede melez bulanık regresyon analizi

    Hybrid fuzzy regression analysis in actuarial modeling

    FURKAN BAŞER

    Yüksek Lisans

    Türkçe

    Türkçe

    2007

    Aktüerya BilimleriAnkara Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF.DR. AYŞEN APAYDIN

  2. Bulanık-rastgele lee-carter modeli ile ölümlülüğün modellenmesi

    Modelling mortality with fuzzy-random lee-carter model

    EZGİ UÇAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Aktüerya BilimleriHacettepe Üniversitesi

    Aktüerya Bilimleri Ana Bilim Dalı

    PROF. DR. MERAL SUCU

  3. Novel spherical fuzzy aggregation operators and similarity & distance measures

    Küresel bulanık yeni yığıştırma operatörleri ve benzerlik & mesafe ölçüleri

    YASER DONYATALAB

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. CENGİZ KAHRAMAN

  4. Generalization of intuitionistic, pythagorean, and neutrosophic fuzzy sets: Spherical fuzzy sets and decision making

    Sezgisel, pisagor ve nötrosofik bulanık kümelerin genelleştirilmesi: Küresel bulanık kümeler ve karar verme

    FATMA KUTLU GÜNDOĞDU

    Doktora

    İngilizce

    İngilizce

    2019

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. CENGİZ KAHRAMAN

  5. Aktüeryal istatistikte alternatif bir analitik yaklaşım

    An alternative analytical approach to regression modeling in actuarial statistics

    FATMA FEYZA GÜNDÜZ

    Doktora

    Türkçe

    Türkçe

    2016

    İstatistikÇukurova Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. ALİ İHSAN GENÇ