Deep ensembles approach for energy forecasting

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Uygulamalı Matematik Enstitüsü, Finansal Matematik Anabilim Dalı, Türkiye

Tezin Onay Tarihi: 2023

Tezin Dili: İngilizce

Öğrenci: ONUR ENGİNAR

Danışman: Ömür Uğur

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tez çalıs ̧masında, model performansından ödün vermeden derin toplulukların (deep ensembles) zaman gereksinimini azaltmak için transfer ög ̆renmesini kullanarak ye- nilikçi derin topluluklar (deep ensembles) modeli gelis ̧tirilmis ̧tir. Gelis ̧tirilen model açık veri setlerine uygulanmıs ̧tır. Ayrıca, bu çalıs ̧mada, derin topluluklar (deep en- sembles) modeli, literatürde tabular ög ̆renmeye özel gelis ̧tirilmis ̧ güncel modeller ile kıyaslanarak sonuçları raporlanmıs ̧tır. Son olarak, derin topluluklar (deep ensemb- les) tabanlı öz-nitelik seçim algoritması gelis ̧tirilerek, bu yöntem dog ̆rusal öz-nitelik çıkarma modelleri ve ag ̆aç tabanlı öz-nitelik çıkarma modelleri ile kıyaslanmıs ̧tır.