Destek vektör makineleri kullanarak patent değerleme
Patent value analysis using support vector machines
- Tez No: 295299
- Danışmanlar: YRD. DOÇ. DR. GÜLGÜN KAYAKUTLU
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2011
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 121
Özet
Yenilik ve fark yaratma gereksinimi arttıkça bireysel ya da kurumsal fikirler geliştirilmekte, iletişim teknolojilerinin yaygınlığı nedeni ile her yeni fikrin korunması kaçınılmaz bir hal almaktadır. Fikri hak ve mülkiyetleri kanunları çerçevesinde her araştırmaya ve yeniliğe neden olacak fikrin korunması için patent tescil hakkı elde etmek önemli bir adım haline gelmiştir.Patent değerleme ile ilgili daha önce yapılan çalışmalarda genel olarak patentin ekonomik değeri ölçülmeye çalışılmıştır. Bu çalışmalar çoğunlukla patenti veren kurumlar için yapılmıştır. Patent başvurusunu yapan taraf için önceden bir saptama yapacak çalışma bulunamamıştır. Bu araştırmanın amacı patent tescil kararı hakkında önceden kestirim yapabilecek bir yapay sinir ağı modeli oluşturmaktır.Patent tescil kararını etkileyen pek çok neden vardır. Patent aile sayısı, teknoloji sınıfı sayısı gibi kriterlere bağlı olarak değişen bu kararın tescil mi red mi olacağı önceden saptandığı takdirde başvuru sahibi bir ön fikir edinmektedir. Başvurunun tescil olan veya reddedilen başvuru sınıflarından hangisine dahil olacağını kestirmek için sınıflandırma yapılmıştır. Genellikle istatistiksel yöntemlerle sınıflandırma yapılmaktayken dağılım bilgisi gerektirmemesi ve öğrenme algoritmaları açısından yapay sinir ağları kullanılmıştır.Bu çalışmada beyaz eşya sektörü ile ilgili tescil olmuş ve reddedilmiş patentler incelenerek yapay sinir ağları ile dinamik bir değerleme modeli oluşturulmuştur. Bu amaçla kullanılan yöntem Destek Vektör Makineleri'dir (DVM). Çalışmada DVM ile en sık kullanılan yapay sinir ağı tekniği olan Geri-Yayılımlı Algoritma (GYA) karşılaştırılmıştır.Elde edilen sonuçlar DVM'nin sınıflandırma performansının GYA'dan daha iyi olduğunu göstermiştir. Eniyileme yaklaşımıyla hazırlanan model patent tescil kararının önceden kestirimine olanak sağlamıştır. Bu çalışma, patent başvurusunun başvuran tarafından değerlenmesi açısından alanında öncülük yapmaktadır.
Özet (Çeviri)
Receiving patents or licenses is an inevitable part of research to protect new ideas that will lead for innovation potential to create global competitive advantage. Every new idea deserves to be legally protected in the limits of intellectual property laws and therefore patent applications have increased exponentially.Measuring economical value of each patent has been widely studied in the literature. Majority of the research in this field is focused on the patent driver prospect. Additionally, there are not so many studies related to detect the determinants of patent granting decisions. The aim of this study is to form an artificial neural network model for predicting possible outcomes of patent appeals.There is a variety of criteria affecting decisions on each patent right such as; number of patent families, number of technological classes etc. Predicting the possibility of approval may help to take some precautions to assure the accaptance procedure. The classification strategy applied is based on determining the class in which related appeal is included. In general, statistical inferences are used to evaluate patent candidates. As a new approach artificial neural networks may help to perform the analysis without the need of probability distribution function for each decision and taking benefits of learning.In this study, patents that are accepted and rejected in white good industry are analyzed to construct an artificial neural network model for dynamic classification. The technique used for this model is support vector machines. Results of the proposed model are compared with a generally accepted neural network approach, the back-propogation algorithm.It is shown with several experiments that classification performance of support vector machine is better than back-propogation algorithm. The proposed model in this study will help the decision makers to determine ahead whether patent appeal will be accepted or not. The study is unique with the approach that helps the applicant managers.
Benzer Tezler
- Epilepsy seizure detection in eeg signals using wavelet transforms and support vector machines
Dalgacık dönüşümü ve destek vektör makineleri kullanarak epilepsi nöbeti tanıma
AWIN MAHMOOD SALEEM
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET ÇINAR
- Early diagnosis of acute coronary syndromes automatically by using features of ECG recordings
EKG kayıtlarının öznitelikleri kullanılarak akut koroner sendromların otomatik olarak erken teşhisi
MERVE BEGÜM TERZİ
Yüksek Lisans
İngilizce
2014
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN ARIKAN
- Uç öğrenme makineleri kullanarak EKG işaretlerinin sınıflandırma başarımlarının iyileştirilmesi
Improvement of the classification achievements of ECG signals using extreme learning machines
AYKUT DİKER
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. ENGİN AVCI
- A web-based disease prediction system using machine learning algorithms and PCA
Gelişmiş ön eğitimli cinsiyet tespit sistemi kullanarak derin öğrenme modeller
ANUSHEY KHAN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. ILHAM HUSEYINOV
- Görüntü işleme ve makine öğrenmesi yöntemleriyle karaciğer tomografi görüntülerinde benign ve malign kitlenin tespiti
Detection of benign and malignant mass in liver tomography images with image processing and machine learning methods
CANER KOCAMAZ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇanakkale Onsekiz Mart ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SAİT CAN YÜCEBAŞ