Akış verisindeki dağılım tahminine dayalı tavsiye sistemi ve beklenmedik öneri sunumu
Recommendation system based on distribution prediction in stream data and unexpected recommendation
- Tez No: 633730
- Danışmanlar: PROF. DR. MUHAMMET ALİ AKCAYOL
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: ARIMA modelleri, Derin öğrenme, Gerçek zaman tahmini, ARIMA models, Deep learning, Real time forecasting
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Olayların, sonraki meydana gelme zamanlarının tahmin edilmesine yönelik çalışmalar uzun yıllardır devam etmektedir. Bu sayede olaylar meydana geldiğinde ortaya çıkacak zararı minimuma indirmek ya da elde edilecek faydayı maksimum yapmak amaçlanır. Bir müşterinin sonraki davranışının tahmini, doğal afetlerin sonraki olma zamanının tahmini, belirli bir zaman aralığında gelecek talep sayısının tahmini gibi çok farklı alanlarda çalışmalar yapılmaktadır. Ancak, literatürde olayların meydana gelmeden önce bir sonraki olma zamanının ve olay türünün tahminine yönelik beklenen düzeyde başarılı sonuç veren bir çalışma bulunmamaktadır. Bu tez çalışmasında, olay zamanı tahminine yönelik hibrit bir derin öğrenme modeli olan HDLM geliştirilmiştir. HDLM ile elde edilen sonuçlar, RF, SVM, ARIMA, MLP, CNN, GRU, LSTM ve CNN ile GRU modelleri kullanılarak oluşturulan CNN+GRU hibrit modeli ile kapsamlı bir şekilde karşılaştırılmıştır. Geliştirilen model e-ticaret, DDoS, suç ve acil çağrı veri kümeleri üzerinde uygulanmıştır. Deneysel sonuçlar, geliştirilen hibrit derin öğrenme modelinin ileriye dönük bir sonraki olayın olma zamanının tahmininde diğer modellerden daha başarılı olduğunu göstermiştir.
Özet (Çeviri)
Studies for predicting the occurrence time of events have been going on for many years. In this way, it is aimed to minimize the damage when events occur or to maximize the benefit to be obtained. Studies are carried out in many different areas such as the prediction of a client's next behavior, the prediction of the time of natural disasters, and the prediction of the number of requests that will come in a certain period of time. However, there are no studies in the literature that give the expected level of successful results for the prediction of the next time and event type before the events occur. In this thesis, HDLM, a hybrid deep learning model has been developed for event time prediction. The results obtained with HDLM have been extensively compared with RF, SVM, ARIMA, MLP, CNN, GRU, LSTM and CNN+GRU hybrid model created using CNN and GRU models. The developed model has been applied on e-commerce, DDoS, crime and emergency call datasets. Experimental results showed that the developed hybrid deep learning model is more successful than other models in predicting the time of the next event.
Benzer Tezler
- Meteorolojik kuraklık modellemesi ve Türkiye uygulaması
Meteorological drought modelling and application to Turkey
SEVİNÇ SIRDAŞ
Doktora
Türkçe
2002
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. ZEKAİ ŞEN
- Investigation of mantle kinematics beneath Turkey and adjacent regions based on seismological and numerical modelling
Türkiye ve yakın çevresinin altında kalan üst mantonun kinematik özelliklerinin sısmolojik ve sayıssal model ve gözlemlerile incelenmesi
JUDITH MARIA CONFAL
Doktora
İngilizce
2020
Jeofizik Mühendisliğiİstanbul Teknik ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
PROF. DR. TUNCAY TAYMAZ
- Flood risk analysis with geospatial artifical intelligence techniques
Coğrafi bilgi sistemleri ve yapay zeka ile sel taşkın riski analizi
MİRAÇ TAHA DERMAN
Yüksek Lisans
İngilizce
2025
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED OĞUZHAN METE
- Fault detection on automated beverage dispenser systems by using online feature extraction based neural network models
Otomatik içecek servis sistemlerinde çevrimiçi öznitelik çıkarıma dayalı nöral ağlar kullanılarak hata tespiti
AHMET DEMİREL
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMakine Ana Bilim Dalı
PROF. DR. ŞENİZ ERTUĞRUL
- Akış alan modellemesi ve istatistiksel enerji öngörüsü: Maslak örneği
Field flow modeling and statistical energy prediction a case study : Maslak region
SEVİNÇ RÜSTEMOĞLU
Yüksek Lisans
Türkçe
2010
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
DOÇ. DR. Ş. SİBEL MENTEŞ
YRD. DOÇ. DR. BURAK BARUTÇU