ATM cash stock prediction using different machine learning approaches
Farklı makine öğrenmesi yöntemleri ile ATM para çekim miktarı tahmini
- Tez No: 680377
- Danışmanlar: PROF. DR. AYŞE BERRİN YANIKOĞLU YEŞİLYURT, DOÇ. DR. ABDULLAH DAŞÇI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimleri Bilim Dalı
- Sayfa Sayısı: 55
Özet
ATM nakit tahmini, banka sistemlerindeki en yaygın problemlerden biridir. ATM'de yeterli nakit bulunmaması, müsteri memnuniyetini azaltırken, gereginden fazla para olması ise bankanın kar payını negatif etkiler. Bu çalısmada ATM'lerden çekilen para miktarını tahmin eden bir sistem gelistirilmistir. Tahmin asamasında dogrusal regresyon, destek vektör makinesi, yapay sinir agları, derin ögrenme tekniklerinden olan Uzun Kısa Vadeli Hafıza Agları ve istatiksel analiz (ARIMA) methodları kullanılarak modeller olusturulmus ve aynı ATM verisi üzerinde deneyler yapılmıstır. Bu deneyler sonucunda makine ögrenmesi metotlarının, kullanılan istatiksel methoda göre çok daha iyi performans sergiledigi gösterilmistir. Ayrıca, makine ögrenmesi metotları içerisinde de LSTM modelinin çok daha az öznitelik kullanarak daha basarılı tahminler yaptıgı belirlenmistir.
Özet (Çeviri)
One of the most common problems related to banking systems is the Automated Teller Machine (ATM) cash demand forecasting. Cash shortage adversely affects customer satisfaction, while too much cash reduces bank's profitability. We have developed an ATM cash prediction system using different traditional statistical and machine learning approaches, including linear regression, support vector machines, artificial neural networks, LSTMs and traditional statistical analysis (ARIMA) on the same ATM data. We compared the results of these methods and showed that machine learning methods in comparison with ARIMA have higher accuracy. Also it was shown that among the machine learning models, LSTM gives the most accurate predictions and use less features compared to other models.
Benzer Tezler
- Kredi kartları riskleri ve güvenlik önlemlerinin sigortacılık açısından incelenmesi
Research on the risks of credit cards and security implementations in the view of insurance
AYŞEGÜL BÖLÜKBAŞI
- ATM'lerde bulundurulacak günlük para miktarının veri madenciliği teknikleri kullanılarak optimize edilmesi
Optimization of daily ATM money stock using data mining techniques
EREN BERK AYTAÇ
Yüksek Lisans
Türkçe
2014
BankacılıkMaltepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. TURGAY TUGAY BİLGİN
- Cash inventory management at automated teller machines under incomplete information
Otomatik ödeme makinelerinde eksik bilgi ile nakit envanter yönetimi
YAŞAR ALTUNOĞLU
Yüksek Lisans
İngilizce
2010
Endüstri ve Endüstri Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ALPER ŞEN
YRD. DOÇ. DR. OSMAN ALP
- Cash replenishment strategies and vehicle routing problem for automated teller machines
Otomatik vezne makineleri için araç rotalama problemi ve nakit ikmal stratejileri
DENİZ ORHAN
Yüksek Lisans
İngilizce
2023
Endüstri ve Endüstri MühendisliğiGalatasaray ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MÜJDE GENEVOIS