Repository logoGCRIS
  • English
  • Türkçe
  • Русский
Log In
New user? Click here to register. Have you forgotten your password?
Home
Communities
Browse GCRIS
Entities
Overview
GCRIS Guide
  1. Home
  2. Browse by Author

Browsing by Author "Günel, Korhan"

Filter results by typing the first few letters
Now showing 1 - 3 of 3
  • Results Per Page
  • Sort Options
  • Loading...
    Thumbnail Image
    Doctoral Thesis
    Black-Scholes kısmi diferansiyel denkleminin yapay sinir ağları ile çözümü üzerine
    (2019) Eskiizmirliler, Saadet; Polat, Refet; Günel, Korhan
    Black-Scholes modeli temettü ödemesi yapmayan Avrupa tipi opsiyonların fiyatlarını hesaplamak üzere 1973 yılında Fisher Black ve Myran Scholes tarafından geliştirilmiştir. Robert C. Merton'un yeni bir çözüm önerisi ile model literatürde Black-Scholes-Merton olarak isimlendirilmeye başlanmıştır. 1997 yılında bu çalışmaları sayesinde, Merton ve Scholes, Ekonomi alanında Nobel Ödülü almışlardır. Yapay sinir ağları (YSA) biyolojik sinir sistemlerinden esinlenerek oluşturulan matematiksel modellerdir. Bu ağlar beyin yeteneklerine adaptif olmuştur ve bu durum makineler beyin gibi öğrenir olarak açıklanabilir. Yapay sinir ağları kullanılarak diferansiyel denklemlerin çözülmesi 1990'lı yıllarda başlamış ve son dönemlerde artmıştır. Bu çalışmadaki amaç, Black-Scholes Probleminin YSA yöntemi ile yaklaşık çözümünü bulmak ve literatürde yer alan yaklaşık analitik çözümü ile karşılaştırmaktır.
  • Loading...
    Thumbnail Image
    Conference Object
    Citation - Scopus: 3
    Dealing with learning concepts via support vector machines
    (Springer Verlag service@springer.de, 2014) Korhan Günel; Rifat Aşliyan; Mehmet Kurt; Refet Polat; Turgut Ozis; Özis, Turgut; Kurt, Mehmet; Aşliyan, Rifat; Polat, Refet; Günel, Korhan
    Extracting learning concepts is one of the major problems of artificial intelligence on education. Essentially the determination of learning concepts within an educational content has some differences as compared with keyword or technical term extraction process. However the problem can still taught as a classification problem notwithstanding. In this paper we examine how to handle the extraction of learning concepts using support vector machines as a supervised learning algorithm and we evaluate the performance of the proposed approach using f-measure. © Springer-Verlag Berlin Heidelberg 2014. © 2016 Elsevier B.V. All rights reserved.
  • Loading...
    Thumbnail Image
    Research Project
    Zeki Öğretim Sistemlerinde Otomatik Kavram Haritası Oluşturma
    (2017) Özarslan, Yasin; Polat, Refet; Günel, Korhan
    Bu projede, zeki öğretim sistemlerine farklı bir bakış açısı getirilerek öğrenme alanından bağımsız olarak 'herhangi bir konudaki eğitim içeriği üzerinde sistem öğrenciye ne öğretmeli' ve 'eğitim destek sistemleri eğitim materyalleri anlambilimsel olarak değerlendirebilir mi ?' sorularına yanıt aranmıştır. Önerilen çalışmada istatistiksel dil modelleri ve veri madenciliği teknikleri kullanarak eğitim içeriklerinden öğretim kavramlarının minimal bir kümesi çıkarılmıştır. Ardından öğretim kavramları arasındaki ilişki türleri ve ağırlıkları belirlenerek yarı otomatik veya otomatik kavram haritası oluşturabilecek bir sistem geliştirilmiştir. Böylece bireye bireysel öğrenme sürecinde, konudan ziyade konu içinde yer alan öğretim kavramları düzeyine inilerek görsel bir yol haritası sunulmuştur. Amaç doğrultusunda geliştirilecek algoritmalar ile e-öğrenme sistemlerine kolaylıkla entegre edilebilir ve uyarlanabilir sistem modülleri oluşturmak ana hedefimizdir.
Repository logo
Collections
  • Scopus Collection
  • WoS Collection
  • TrDizin Collection
  • PubMed Collection
Entities
  • Research Outputs
  • Organizations
  • Researchers
  • Projects
  • Awards
  • Equipments
  • Events
About
  • Contact
  • GCRIS
  • Research Ecosystems
  • Feedback
  • OAI-PMH

Log in to GCRIS Dashboard

GCRIS Mobile

Download GCRIS Mobile on the App StoreGet GCRIS Mobile on Google Play

Powered by Research Ecosystems

  • Privacy policy
  • End User Agreement
  • Feedback