Geri Dön

Sınıflandırma probleminin çözümlenmesinde yapay sinir agları ile diskriminant analizinin karsılastırılması ve bir uygulama

Comparision of artificial neural networks and discriminant analysis in solving classification problem and an application

  1. Tez No: 192740
  2. Yazar: DENİZ SIĞIRLI
  3. Danışmanlar: Y.DOÇ.DR. BÜLENT EDİZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyoistatistik, Biostatistics
  6. Anahtar Kelimeler: Diskriminant analizi, yapay sinir ağları, doğru sınıflandırmaoranı, Discriminant analysis, artificial neural networks, correctclassification ratio
  7. Yıl: 2006
  8. Dil: Türkçe
  9. Üniversite: Uludağ Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 62

Özet

SINIFLANDIRMA PROBLEM N N ÇÖZÜMLENMES NDE YAPAY S N RAĞLARI LE D SKR M NANT ANAL Z N N KARŞILAŞTIRILMASI VE B RUYGULAMADEN Z SIĞIRLIBu çalışmada, yapay sinir ağı modellerinin açıklanması, diskriminant analiziyöntemi ile bazı yapay sinir ağı modelleri arasındaki ilişkilerin incelenmesi ve biruygulama üzerinde yapay sinir ağı modelleri ile diskriminant analizi yönteminindoğru sınıflandırma performanslarının karşılaştırılması amaçlanmıştır.Uludağ Üniversitesi Tıp Fakültesi Uygulama ve Araştırma HastanesiGastroenteroloji servisine başvuran ve yapılan tetkik-incelemeler ile kronik karaciğerparenkim hastalığı düşünülerek karaciğer biyopsisi uygulanması sonucunda HepatitB ve C virüslerine bağlı kronik hepatit veya siroz tanısı alan hastalara ilişkin geriyedönük olarak toplanmış olan veri setine diskriminant analizi ve yapay sinir ağlarıuygulanmıştır.Yapılan analizler sonucunda, diskriminant analizi için elde edilen modelin geneldoğruluk yüzdesi % 93,94 olarak, yapay sinir ağları tekniği için ise % 100 olarakhesaplanmıştır. Çalışmaya alınan veri seti için yapay sinir ağlarının diskriminantanalizine göre daha yüksek ?doğru sınıflandırma oranına? sahip olduğugörülmüştür.

Özet (Çeviri)

COMPARISION OF ARTIFICIAL NEURAL NETWORKS AND DISCRIMINANTANALYSIS IN SOLVING CLASSIFICATION PROBLEM AND ANAPPLICATIONDEN Z SIĞIRLIIn this study, it is aimed to describe the artificial neural network models, toexamine the relationships between the discriminant analysis method and artificialneural networks and to compare the classification effectivities of discriminantanalysis and artificial neural networks on a real data set.Discriminant analysis and artificial neural networks have been applied to a dataset, which have been collected retrospectively from the patients that had beenadministered to the Uludag University Medical Faculty Gastroentorolgy service andhad been diagnosed with chronic hepatitis related to hepatitis B and C viruses,according to the result of biopsy application which have been applied incontemplation of chronic liver parenchymal disease after the axaminations.As a result of the analysis, correct classification ratio of the model obtained fromthe discriminant analysis and artificial neural network was calculated respectively as93.94% and 100%. It have been found that, artificial neural networks has got greater?true classification rate? than the discriminant analysis for this data set.

Benzer Tezler

  1. Yazılım projeleri personeli seçiminde yapay sinir ağları tekniğinin kullanılması ve bir uygulama

    Use of artificial neural networks technique of software projects personnel selection and an application

    GÜLAY GENÇ EROĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Çalışma Ekonomisi ve Endüstri İlişkileriGebze Teknik Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. BÜLENT SEZEN

  2. Oküler hastalıkların sınıflandırılmasında derin konvolüsyonel sinir ağı modeli

    A deep convolutional neural network model for classification of ocular diseases

    BÜŞRA EMİR

    Doktora

    Türkçe

    Türkçe

    2021

    BiyoistatistikEskişehir Osmangazi Üniversitesi

    Biyoistatistik Ana Bilim Dalı

    PROF. DR. ERTUĞRUL ÇOLAK

  3. Smart antenna systems for non-coherent source groups containing coherent signals

    Uyumlu sinyaller içeren bilinmeyen uyumlu olmayan kaynak grupları için akıllı anten sistemleri

    AHMAD AMİNU

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Elektrik ve Elektronik MühendisliğiYaşar Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. MUSTAFA SEÇMEN

  4. Character-level dilated deep neural networks for web attack detection

    Ağ yöresi saldırılarının belirlenmesi için karakter düzeyinde seyreltilmiş derin sinir ağları

    NAZANIN MOARREF

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. MEHMET TAHİR SANDIKKAYA

  5. Applying machine learning and natural language processing techniques to twitter sentiment classification for turkish and english

    Türkçe ve ingilizce twitter duygu sınıflandırması için makine öğrenmesi ve doğal dil işleme tekniklerinin uygulanması

    DEĞER AYATA

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Elektrik ve Elektronik MühendisliğiBoğaziçi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MURAT SARAÇLAR

    DOÇ. DR. ARZUCAN ÖZGÜR TÜRKMEN