Show simple item record

Artificial neural networks and their application in the assessment of insurance risks
dc.contributor.advisorMrázová, Iveta
dc.creatorMacek, Karel
dc.date.accessioned2017-03-30T15:01:31Z
dc.date.available2017-03-30T15:01:31Z
dc.date.issued2006
dc.identifier.urihttp://hdl.handle.net/20.500.11956/7123
dc.description.abstractPředložená práce zkoumá použitelnost neuronových sítí v oblasti pojistných rizik. Popisuje strukturu a funkci vícevrstvých perceptronových sítí, Kohonenových map a sítí typu Fuzzy ART a Fuzzy ARTMAP. Definuje pojem pojistného rizika a uvádí do problematiky tarifování pomocí zobecněných lineárních modelů. Shrnuje metody neuronových sítí pro redukci dimenze vstupního prostoru, extrakci znalostí a vizualizaci. Seznamuje s daty popisujícími dopravní nehody a prezentuje výsledky několika analýz, které na nich byly provedeny. Práci se podařilo teoreticky i experimentálně prokázat, že vícevrstvé perceptronové sítě mají větší výpočetní sílu, než zobecněné lineární modely. Modifikace vícevrstvé perceptronové sítě úspěšně odhadla distribuční funkci celkové výše škody. Pomocí analýzy provedené Kohonenovou mapou a následné vizualizace byly odhaleny v datech dva výrazné shluky. Analýza pomocí sítě typu Fuzzy ART byla prezentována jako součást nového algoritmu pro redukci vysoké dimenze vstupního prostoru. Nový algoritmus vycházející ze sítě typu ARTMAP odhalil skupinu nehod, kde je škoda nadprůměrná. Tato skupina je vymezená interpretovatelnými pravidly. Přílohu práce tvoří CD se skripty pro Matlab a MySQL, které byly pro analýzy použity.cs_CZ
dc.description.abstractThe present work studies applicability of artificial neural networks in the assessment of insurance risk. Structure and function of multilayer perceptrons, Kohonen maps, Fuzzy ART networks, and Fuzzy ARTMAP networks are described. Concept of insurance risk is defined and the ratemaking by generalized linear models is introduced. Neural networks' methods for reduction of input space's dimension, knowledge extraction, and visualization are summed up. Data describing traffic accidents are acquainted and results achieved on them are presented. The work successfully demonstrates theoretically and experimentally that multilayer perceptrons approximate better than generalized linear models. Modification of multilayer perceptron estimated distribution function of total claim. Analysis performed by Kohonen map and by subsequent visualization detected two significant clusters. Analysis by Fuzzy ART network is presented as a part of new algorithm for reduction of input space's dimension. New algorithm inspired by Fuzzy ARTMAP network discovered a group of accidents where the claim is above average. This group is delimited by interpretable rules. Attached CD contains scripts for Matlab and MySQL that was used for mentioned analyses.en_US
dc.languageČeštinacs_CZ
dc.language.isocs_CZ
dc.publisherUniverzita Karlova, Matematicko-fyzikální fakultacs_CZ
dc.titleUmělé neuronové sítě a jejich použití v oblasti pojistných rizikcs_CZ
dc.typediplomová prácecs_CZ
dcterms.created2006
dcterms.dateAccepted2006-09-11
dc.description.departmentKatedra softwarového inženýrstvícs_CZ
dc.description.departmentDepartment of Software Engineeringen_US
dc.description.facultyFaculty of Mathematics and Physicsen_US
dc.description.facultyMatematicko-fyzikální fakultacs_CZ
dc.identifier.repId43091
dc.title.translatedArtificial neural networks and their application in the assessment of insurance risksen_US
dc.contributor.refereeJiroutek, Pavel
dc.identifier.aleph000865836
thesis.degree.nameMgr.
thesis.degree.levelnavazující magisterskécs_CZ
thesis.degree.disciplineTheoretical Computer Scienceen_US
thesis.degree.disciplineTeoretická informatikacs_CZ
thesis.degree.programComputer Scienceen_US
thesis.degree.programInformatikacs_CZ
uk.thesis.typediplomová prácecs_CZ
uk.taxonomy.organization-csMatematicko-fyzikální fakulta::Katedra softwarového inženýrstvícs_CZ
uk.taxonomy.organization-enFaculty of Mathematics and Physics::Department of Software Engineeringen_US
uk.faculty-name.csMatematicko-fyzikální fakultacs_CZ
uk.faculty-name.enFaculty of Mathematics and Physicsen_US
uk.faculty-abbr.csMFFcs_CZ
uk.degree-discipline.csTeoretická informatikacs_CZ
uk.degree-discipline.enTheoretical Computer Scienceen_US
uk.degree-program.csInformatikacs_CZ
uk.degree-program.enComputer Scienceen_US
thesis.grade.csVýborněcs_CZ
thesis.grade.enExcellenten_US
uk.abstract.csPředložená práce zkoumá použitelnost neuronových sítí v oblasti pojistných rizik. Popisuje strukturu a funkci vícevrstvých perceptronových sítí, Kohonenových map a sítí typu Fuzzy ART a Fuzzy ARTMAP. Definuje pojem pojistného rizika a uvádí do problematiky tarifování pomocí zobecněných lineárních modelů. Shrnuje metody neuronových sítí pro redukci dimenze vstupního prostoru, extrakci znalostí a vizualizaci. Seznamuje s daty popisujícími dopravní nehody a prezentuje výsledky několika analýz, které na nich byly provedeny. Práci se podařilo teoreticky i experimentálně prokázat, že vícevrstvé perceptronové sítě mají větší výpočetní sílu, než zobecněné lineární modely. Modifikace vícevrstvé perceptronové sítě úspěšně odhadla distribuční funkci celkové výše škody. Pomocí analýzy provedené Kohonenovou mapou a následné vizualizace byly odhaleny v datech dva výrazné shluky. Analýza pomocí sítě typu Fuzzy ART byla prezentována jako součást nového algoritmu pro redukci vysoké dimenze vstupního prostoru. Nový algoritmus vycházející ze sítě typu ARTMAP odhalil skupinu nehod, kde je škoda nadprůměrná. Tato skupina je vymezená interpretovatelnými pravidly. Přílohu práce tvoří CD se skripty pro Matlab a MySQL, které byly pro analýzy použity.cs_CZ
uk.abstract.enThe present work studies applicability of artificial neural networks in the assessment of insurance risk. Structure and function of multilayer perceptrons, Kohonen maps, Fuzzy ART networks, and Fuzzy ARTMAP networks are described. Concept of insurance risk is defined and the ratemaking by generalized linear models is introduced. Neural networks' methods for reduction of input space's dimension, knowledge extraction, and visualization are summed up. Data describing traffic accidents are acquainted and results achieved on them are presented. The work successfully demonstrates theoretically and experimentally that multilayer perceptrons approximate better than generalized linear models. Modification of multilayer perceptron estimated distribution function of total claim. Analysis performed by Kohonen map and by subsequent visualization detected two significant clusters. Analysis by Fuzzy ART network is presented as a part of new algorithm for reduction of input space's dimension. New algorithm inspired by Fuzzy ARTMAP network discovered a group of accidents where the claim is above average. This group is delimited by interpretable rules. Attached CD contains scripts for Matlab and MySQL that was used for mentioned analyses.en_US
uk.publication.placePrahacs_CZ
uk.grantorUniverzita Karlova, Matematicko-fyzikální fakulta, Katedra softwarového inženýrstvícs_CZ
dc.identifier.lisID990008658360106986


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record


© 2017 Univerzita Karlova, Ústřední knihovna, Ovocný trh 560/5, 116 36 Praha 1; email: admin-repozitar [at] cuni.cz

Za dodržení všech ustanovení autorského zákona jsou zodpovědné jednotlivé složky Univerzity Karlovy. / Each constituent part of Charles University is responsible for adherence to all provisions of the copyright law.

Upozornění / Notice: Získané informace nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora. / Any retrieved information shall not be used for any commercial purposes or claimed as results of studying, scientific or any other creative activities of any person other than the author.

DSpace software copyright © 2002-2015  DuraSpace
Theme by 
@mire NV