Esnek hesaplama teknikleri ile makine öğrenme algoritmalarının otomatik seçimi
Automatic selection of machine learning algorithms with soft computing techniques
- Tez No: 1018959
- Danışmanlar: DOÇ. DR. BEKİR AKSOY
- Tez Türü: Doktora
- Konular: Mekatronik Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mechatronics Engineering, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Makine öğrenmesi, Robot kolu, Machine learning, Robot arm
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Isparta Uygulamalı Bilimler Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Çalışmada, makine öğrenme algoritmalarının seçim sürecini kolaylaştırmak ve hızlandırmak amacıyla bir öneri sistemi geliştirilmiştir. Sistem, veri setlerinin özelliklerini, problemin doğasını ve performans gereksinimlerini dikkate alarak sınıflandırma ve regresyon problemleri için en uygun algoritmayı önermektedir. Çalışma kapsamında 269 adet sınıflandırma ve 281 adet regresyon problemine uygun açık erişimli veri seti toplanmıştır. Veri setleri sağlık, teknoloji ve mühendislik, ekonomi ve sosyal bilimler olmak üzere dört kategoride analiz edilmiştir. Sınıflandırma algoritmaları için yapılan analizlerde, topluluk algoritmalarının genel olarak yüksek doğruluk sağladığı, ancak hesaplama sürelerinin daha uzun olduğu belirlenmiştir. Regresyon algoritmalarında ise sıfır, bir ve iki-adımlı tolerans çerçevesi kullanılmış ve sıralama doğruluğu tolerans seviyelerine göre iyileştirilmiştir. İki-adım tolerans düzeyinde eğitim süresi tahmininde %98 doğruluk elde edilmiştir. Geliştirilen sistemin makine öğrenme algoritması seçimi sürecinde kullanıcılar için etkin ve güvenilir bir çözüm sunmaktadır. Makine öğrenme algoritmalarının seçimi için geliştirilen öneri sistemi, kullanıcı dostu bir internet uygulaması olarak tasarlanmış ve genel kullanıma açılmıştır. Ayrıca geliştirilen sistem, Acrome altı eksenli bir robot koluna ait ileri kinematik verileriyle test edilmiştir. Regresyon modeli kullanılarak yapılan deneylerde sistemin gerçek robotik veriler üzerinde de başarılı tahminler sunduğu ve algoritma seçiminde yüksek doğruluk sağladığı belirlenmiştir.
Özet (Çeviri)
In this study, a recommendation system was developed to facilitate and accelerate the process of selecting machine learning algorithms. The system recommends the most appropriate algorithm for classification and regression problems by considering the characteristics of the datasets, the nature of the problem, and performance requirements. Within the scope of the study, 269 classification and 281 regression datasets were obtained from open-access sources and analyzed under four categories: medicine, technology and engineering, economics, and social sciences. The analyses conducted for classification algorithms revealed that ensemble algorithms generally provide higher accuracy, although they require longer computational times. A tolerance framework with zero-step, one-step, and two-step levels was employed, and ranking accuracy improved as the tolerance levels increased. At the two-step tolerance level, an accuracy of 98% was achieved in predicting training time. The developed system provides an effective and reliable solution for users in the machine learning algorithm selection process. The recommendation system designed for selecting machine learning algorithms was implemented as a user-friendly web application and made publicly available. In addition, the developed system was tested using forward kinematics data obtained from an Acrome six-axis robotic arm. Experimental results based on regression models demonstrated that the system produces accurate predictions on real robotic data and achieves high accuracy in algorithm selection.
Benzer Tezler
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- Multi-agent planning with automated curriculum learning
Otomatik müfredat öğrenmesi ile çoklu ajan planlaması
ONUR AKGÜN
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. NAZIM KEMAL ÜRE
- Brain-inspired cortical-coding algorithm for multimedia processing
Multimedya işlemek için beyinden esinlenilmiş kortikal kodlama algoritması
AHMET EMİN ÜNAL
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURAK BERK ÜSTÜNDAĞ
- A comparative study for football analytics with data mining and artificial intelligence techniques
Veri madenciliği ve yapay zeka teknikleri ile karşılaştırmalı futbol analitiği
MUSTAFA AADEL MASHJAL AL-ASADI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAKİR TAŞDEMİR
- Design and deployment of deep learning based fuzzy logicsystems
Derin öğrenme tabanlı bulanık sistemlerin geliştirilmesi ve uygulanması
AYKUT BEKE
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR