Deep sequence modelling of Data Envelopment Analysis - Based performance measurements

Abstract

Σε αυτήν την ενότητα παρουσιάζεται μια περίληψη της παρούσας εργασίας, καθώς και τα σημαντικά στοιχεία στα οποία βασίστηκε η διεκπεραίωσή της. Η ακόλουθη εργασία επικεντρώνεται στην εξερεύνηση και εξέταση διαφορετικών αλγορίθμων Τεχνητής Νοημοσύνης, οι οποίοι μπορούν να διαχειριστούν τον μετασχηματισμό ενός συνόλου δεδομένων από ένα πρόβλημα υπολογισμού efficiency scores στο πεδίο του Data Envelopment Analysis (DEA). Αρχικά παρουσιάζεται μια εισαγωγική έρευνα στο πεδίο της Τεχνητής Νοημοσύνης, συνεχίζοντας με την παρουσίαση του ερευνητικού πεδίου του Data Envelopment Analysis, ενώ ακολουθούν σχετικές έρευνες που έχουν γίνει και προσπάθησαν να συνδυάσουν το πεδίο έρευνας του DEA με αλγορίθμους Μηχανικής Μάθησης. Τέλος, αφού παρουσιαστεί ο τρόπος σκέψης πίσω από τον μηχανισμό και ο αλγόριθμος με τον οποίο η παρούσα εργασία θα προσεγγίσει το πρόβλημα, γίνεται η καταγραφή της απόδοσης του μοντέλου που παρουσιάζεται, καθώς και μία σύντομη καταγραφή συμπερασμάτων από το αποτέλεσμα της προσομοίωσης εκτέλεσης αυτού του αλγορίθμου.