مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

963
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

1,020
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

بهینه سازی پیش بینی تقاضای وجه نقد دستگاه های خودپرداز شبکه بانکی کشور با استفاده از شبکه عصبی بازگشتی عمیق LSTM

صفحات

 صفحه شروع 69 | صفحه پایان 88

چکیده

 یکی از مشکلات سیستم های بانکی, پیش بینی تقاضای وجه نقد خودپردازها است. پیش بینی صحیح می تواند به دلایل زیر باعث سودآوری سیستم بانکی و رضایت مندی مشتریان این سیستم بانکی گردد. دقت در پیش بینی, هدف اصلی این پژوهش است. اگر خودپردازها با کمبود وجه نقد مواجه شوند محبوبیت بانک ارایه دهنده این سرویس کاهش خواهد یافت و بانک با کاهش استفاده مشتریان از این سیستم مواجه خواهد شد. از طرفی دیگر اگر بانک دچار محبوس شدن وجه نقد در خودپرداز شود, با توجه به تورم در ایران, این وضعیت روی سودآوری بانک تاثیر منفی خواهد گذاشت؛ بنابراین هدف از این پژوهش, پیش بینی دقیق برای رفع هزینه های دوگانه است؛ چون اطلاعات میزان وجه نقد به صورت روزانه است, بنابراین هر خودپرداز, رفتاری به صورت سری زمانی خواهد داشت و از طرفی چون هدف ما از این پژوهش, پیش بینی میزان تقاضای وجه نقد همه خودپردازهاست, در نتیجه ما با داده هایی از نوع پنل مواجه هستیم. روش هایی که در این تحقیق برای پیش بینی مورد استفاده قرار گرفته است, عبارتند از: روش آماری, روش شبکه عصبی MLPو شبکه عصبی بازگشتی عمیق LSTM. نتایج حاصل از این سه روش را سپس مورد مقایسه قرار می دهیم و نشان می دهیم روش شبکه عصبی بازگشتی عمیق LSTM دارای بالاترین دقت است.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    پورذاکر عربانی، سودابه، و ابراهیم پورکومله، حسین. (1398). بهینه سازی پیش بینی تقاضای وجه نقد دستگاه های خودپرداز شبکه بانکی کشور با استفاده از شبکه عصبی بازگشتی عمیق LSTM. تحقیق در عملیات در کاربردهای آن (ریاضیات کاربردی)، 16(3 (پیاپی 62) )، 69-88. SID. https://sid.ir/paper/164594/fa

    Vancouver: کپی

    پورذاکر عربانی سودابه، ابراهیم پورکومله حسین. بهینه سازی پیش بینی تقاضای وجه نقد دستگاه های خودپرداز شبکه بانکی کشور با استفاده از شبکه عصبی بازگشتی عمیق LSTM. تحقیق در عملیات در کاربردهای آن (ریاضیات کاربردی)[Internet]. 1398؛16(3 (پیاپی 62) ):69-88. Available from: https://sid.ir/paper/164594/fa

    IEEE: کپی

    سودابه پورذاکر عربانی، و حسین ابراهیم پورکومله، “بهینه سازی پیش بینی تقاضای وجه نقد دستگاه های خودپرداز شبکه بانکی کشور با استفاده از شبکه عصبی بازگشتی عمیق LSTM،” تحقیق در عملیات در کاربردهای آن (ریاضیات کاربردی)، vol. 16، no. 3 (پیاپی 62) ، pp. 69–88، 1398، [Online]. Available: https://sid.ir/paper/164594/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button