Geri dönüşlü derin sinir ağları ile zaman serisi tahmini ve bir finans uygulaması
Time series forecasti̇ng with recurrent deep neural networks and a finance application
- Tez No: 568075
- Danışmanlar: DOÇ. DR. SEMRA ERPOLAT TAŞABAT
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Mimar Sinan Güzel Sanatlar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: 104
Özet
Zaman serileri tahminleri enerji, meteoroloji, ekonomi, mühendislik ve finansal v.b. alanlarda zamana göre değişen verilerde gelecekteki sonuçları tahmin etmek için kullanılmaktadır. Bu tahminleri yapabilmek çevresel, sosyal ve ekonomik koşullar gibi dış etkilere de bağlıdır. Zaman serileri üzerinde yapılan tahmin çalışmalarında çeşitli istatistiksel yöntemler kullanılmaktadır. Regresyon yöntemleri yanı sıra Auto Regressive Integrated Moving Average (ARIMA) modellerinin de başarıyla uygulandığı bilinmektedir. Literatürde zaman serileri ile ilgili tahmin süreçlerinde istatistik yöntemlerin dışında makine öğrenmesi yöntemlerinin de kullanılmaya başlandığı görülüyor. Özellikle derin öğrenme modellemesine dayalı olarak derin öğrenme ağlarının zaman serilerinde de başarılı olabileceği yönünde literatürde yeterli sayıda çalışma henüz mevcut değildir. Bu tez kapsamında çeşitli makine öğrenmesi yöntemleri ele alınarak makine öğrenmesi algoritmalarının başarılı tahmin modellerinin elde edilmesinde zaman serilerine nasıl uygulanabileceğinin ortaya konulması amaçlanmaktadır. Modern yapay sinir ağları arasında Derin Öğrenme Sinir Ağları, Geri Dönüşlü Sinir Ağları (RNN: Recurrent Neural Networks ) ve Uzun-Kısa Süreli Bellek Ağları (LSTM: Long Short Term Memory Networks) önemli bir yer tutmaktadır. Bu tür ağlar zaman serilerine uyarlanarak tahmin işlemlerinde kullanılabilir. Çalışmamızda bu algoritmalara dayalı olarak T.C. Merkez Bankası döviz kurlarına yönelik olarak geliştirilen bir öngörü modelinin ortaya konulması amaçlanmaktadır.
Özet (Çeviri)
Time series estimations are used to predict future results in time-varying data in the fields of energy, meteorology, economics, engineering and financing, etc. Making these estimations depends on external factors such as environmental, social and economic conditions. Various statistical methods are used in the estimation studies on time series. In addition to regression methods, Auto Regressive Integrated Moving Average (ARIMA) models are known to be applied successfully. In the literature, it is seen that machine learning methods are used in addition to statistical methods in the estimation processes related to time series. There are not sufficient number of studies in the literature showing that deep learning networks can be successful in time series based on especially deep learning modeling. Within the scope of this thesis, it is aimed to show how machine learning algorithms can be applied to time series in obtaining successful prediction models by discussing various machine learning methods. Among the modern artificial neural networks, Deep Learning Neural Networks, Recurrent Neural Networks (RNN) and Long-Term Memory Networks (LSTM) take an important place. Such networks can be used in prediction by adapting to time series. In our study, it is aimed to put forward a prediction model developed for the exchange rates of the Central Bank based on these algorithms.
Benzer Tezler
- Design of wearable systems for activity monitoring and their applications using neural networks and data fusion techniques
Aktivite izleme için giyilebilir sistemlerin tasarımı ve sinir ağları ve veri füzyon teknikleri kullanılarak uygulamaları
GÖKMEN AŞCIOĞLU
Doktora
İngilizce
2021
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. YAVUZ ŞENOL
- Derin öğrenme ve makine öğrenme tekniklerikullanılarak göz hastalıklarının tespiti
Detection of eye disease with deep learning and machinelearning approach
GÖZDE ARSLAN
Yüksek Lisans
Türkçe
2023
Göz HastalıklarıBaşkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÇAĞATAY BERKE ERDAŞ
- Diagnosis of dementia using deep neural networks with multimodal imaging and clinical data
Çok modlu görüntüleme ve klinik verilerle derin sinir ağları kullanarak demans tanısı
ALTUĞ YİĞİT
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZERRİN IŞIK
DOÇ. DR. YALIN BAŞTANLAR
- Integration of deep learning methods in the classification of rna-seq data
Rna-seq verilerinin sınıflandırılmasında derin öğrenme yöntemlerinin entegrasyonu
MELİH YAYLA
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHasan Kalyoncu ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BÜLENT HAZNEDAR
- Etno-kültürel karşılaşmalar ve toplumsal kabul: Konya'daki mülteci çocukların gündelik yaşam deneyimleri
Ethno-cultural encounters and social acceptance: Everyday life experiences of refugee children in Konya
GAMZE KAÇAR TUNÇ