Dengesiz öneme sahip talep altında envanter kararlarını optimize etmek için sinirsel bir yaklaşım
A neural approach for optimizing inventory decisions under imbalanced demand importance
- Tez No: 1004802
- Danışmanlar: PROF. DR. ÇAĞDAŞ HAKAN ALADAĞ
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Veri odaklı optimizasyon, son zamanlarda makine öğrenimi kullanarak önemli bir popülerlik kazanmıştır. Ancak, makine öğrenimi yöntemleri genellikle veri kümesinin çıktısının düzgün dağıldığını varsayar ve bu da dengesizlik sorununa yol açar. Veri dengesizliğini ele almak için geliştirilen klasik yaklaşımlar, aşırı/düşük tahminlerle ilişkili değişken maliyetler nedeniyle gazete satıcısı problemi uygulamalarında uygun değildir. Ayrıca, veri odaklı gazete satıcısı problemlerinde dengesizliği göz önünde bulunduran doğru modeli seçmek için uygun metriklerin eksikliği vardır. Bu çalışmada, nadir talep değerlerini tahmin etmek için dengesiz veri kümesiyle başa çıkan, örnek ağırlıklarıyla desteklenen yeni bir öğrenme yaklaşımı öneriyoruz. Ayrıca, talep dengesizliği altında model seçimi için gazete satıcısı hata maliyeti ilişki alanı adı verilen yeni bir metrik tanıtıyoruz. İlişki ağırlıklı öğrenme, araştırmacıların talep değerlerinin nadirliğine dayalı olarak örnek ağırlıkları atayan bir sinir ağı modeli kurmasına olanak tanır, böylece nihai model, nadir talepleri klasik ağ modellerinden daha etkili bir şekilde tahmin edebilir. Farklı özelliklere sahip çok sayıda veri kümesi simüle ediyor ve yöntemimizi klasik veri odaklı gazete satıcısı amaç fonksiyonu ile karşılaştırıyoruz. Bulguları istatistiksel testler kullanarak analiz ediyor ve sonuçlar, ilişki ağırlıklı öğrenmenin dengesiz veri kümeleri için daha iyi performans gösterdiğini doğrulamaktadır.
Özet (Çeviri)
Data-driven optimization utilizing machine learning has gained significant popularity in recent times. Nevertheless, machine learning methodologies often presuppose that the output of the dataset is uniformly distributed, leading to imbalance problem. Classical approaches developed to address data imbalance are not suitable for application in the newsvendor problem due to the varying costs associated with over/under predictions. Addition- ally, there is a lack of appropriate metrics for selecting the correct model that accounts for imbalance in data-driven newsvendor problems. In this study, we propose a novel learning approach weighted by the sample relevances that deals with the imbalanced dataset to predict rare demand values. We also in- troduce a novel metric called newsvendor error cost relevance area for model selection under the demand imbalance. Relevance-weighted learning allows researchers to construct a neural network model that assigns sample weights based on the rareness of demand values, thereby enabling the final model to predict rare demands more effectively than classical network models. We sim- ulate an extensive amount of datasets with varying properties and compare our method to the classical data-driven newsvendor objective function. We analyze the findings using statistical tests and results confirm that relevance weighted learning performs better for the imbalanced datasets.
Benzer Tezler
- Application du processus analituque hierarchique (AHP) et de la programmation linearie (LP) aux processus de choix fournisseurs dans le secteur automotive
Otomotiv sektöründe imalatçı seçimi sürecinde hiyerarşik analitik proses (AHP) ve doğrusal programlama uygulaması
TUBA ERBUĞ
Yüksek Lisans
Fransızca
2003
Endüstri ve Endüstri MühendisliğiGalatasaray ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MÜJDE EROL GENEVOİS
- Sustainability of agricultural land through spatial planning: A policy based model for turkey
Tarım arazilerinin mekansal planlama yoluyla sürdürülebı̇lı̇rlı̇ğı̇: Türkı̇ye ı̇çı̇n polı̇tı̇ka temelli bı̇r model
ZEYNEP ERDOĞAN
Doktora
İngilizce
2024
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. ALİYE AHU GÜLÜMSER
- Investigation the impacts of a dominant firm's bidding strategies on market-clearing prices in a liberalising electricity market
Serbestleşme sürecindeki bir elektrik piyasasında faaliyet gösteren piyasa gücü bulunan bir firmanın piyasa takas fiyatları üzerindeki etkilerinin araştırılması
BURAK KARAMAN
Yüksek Lisans
İngilizce
2015
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
DOÇ. DR. SENCER ECER
- Optimizasyon tabanlı bir su kaynakları sistemi modelleme aracının geliştirilmesi ve çok amaçlı sektörel tahsise uygulanması
Development of an optimization-based modeling tool for water resources systems and application to multi-objective sectoral allocation
SALİM YAYKIRAN
Doktora
Türkçe
2025
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPASLAN EKDAL
- Yeni Cami'nin akustik açıdan performans değerlendirmesi
Evaluation of the acoustical performance of the New Mosque
EVREN YILDIRIM
Yüksek Lisans
Türkçe
2003
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. SEVTAP YILMAZ DEMİRKALE