Geri Dön

Çok katmanlı perseptron yapay sinir ağlarıyla sigara içme ve bırakmaya etki eden faktörlerin incelenmesi

Investigation of affecting factors on smoking and smoking cessation status with multilayer perceptron artificial neural networks

PDF İndir

  1. Tez No: 303112
  2. Yazar: MERVE KARABACAK
  3. Danışmanlar: DOÇ. DR. NECDET SÜT
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyoistatistik, Biostatistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2012
  8. Dil: Türkçe
  9. Üniversite: Trakya Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 73

Özet

Çalışmada, çok katmanlı perseptron yapay sinir ağı (YSA) yöntemiyle sigara içenleri, bırakanları ve içmeyenleri, olası faktörlere göre sınıflandırmak ve YSA performansını değerlendirmek amaçlandı. Çalışmaya dahil edilen 750 hasta sigara durumlarına göre (sigara içen n=250, sigara içmeyen n=250 ve sigarayı bırakmış n=250) sınıflandırıldı. Veriler çok katmanlı perseptron YSA yöntemi ile bilgisayar ortamında modellendi. Örneklemin rastgele seçilen % 30'luk kısmı test amacı için ayrılırken, %70'lik kısmı modelin eğitim çalışmasında kullanıldı. Uygulamada 13 nöronlu bir girdi katmanı, 3 nöronlu bir gizli katman ve 2 nöronlu bir çıktı katmanı yapay sinir ağı modeli kullanıldı. Çok katmanlı perseptron YSA'nın performansının değerlendirilmesinde ROC eğrileri, kaldıraç grafikleri, kazanç grafikleri ile duyarlılık, özgüllük, pozitif-negatif kestirim değerleri ve doğruluk değerleri esas alındı. Sigara içenler ile bırakmışları ayırt etmede çok katmanlı YSA'larının eğitim sonuçlarına göre duyarlılığın %83,4, özgüllüğün %62,3, PKD (pozitif kestirim değeri)'nin %68,9, NKD (negatif kestirim değeri)'nin %79,2 ve doğruluk oranının %72,9 olduğu bulundu. Test sonuçlarına göre ise duyarlılık %65,3, özgüllük %46,7, PKD %55,0, NKD %57,4 ve doğruluk oranı %56,0 olarak bulundu. ROC eğrisi altında kalan alan ise eğitim verisine göre 0,747, test verisine göre ise 0,614 olarak bulundu. Sigara içenler ile içmeyenleri ayırt etmede ise eğitim sonuçlarına göre duyarlılığın %81,1, özgüllüğün %84,6, PKD'nin %84,0, NKD'nin %81,8 ve doğruluk oranının %82,9 olduğu bulundu. Test sonuçlarına göre ise duyarlılık %70,7, özgüllük %57,3, PKD %62,4, NKD %66,2 ve doğruluk oranı %64,0 olarak bulundu. ROC eğrisi altında kalan alan ise eğitim verisine göre 0,863, test verisine göre ise 0,666 olarak bulundu. Sonuç olarak çok katmanlı perseptron YSA'nın sigara içenleri ve bırakanları sınıflandırmada etkin model sağladığı görüldü.

Özet (Çeviri)

In this study, it was aimed to classify smokers, non-smokers and smoking cessation by multilayer perceptron artifical neural network method in accordance with possible factors. Seven hundred and fifty patients included into the study were classified in accordance with their smoking situations as (smokers n= 250, non-smokers n=250 and cessation n=250). All data was modelled by multilayer perceptron artifical neural network method in the computer environment. While the randomized 30% of the sampling was separated for testing, 70% was used for the training study of the modal. On the practice a 13 neuron input layer, a 3 neuron hidden layer and a 2 neuron output layer were used as an artificial neural network modal. On the evaluation of the performances of multilayer perceptron artifical neural network?s sensitivity, specificity, positive-negative predictive values and truth values were based on with ROC curves, lever graphs, and gain graphs. In accordance with the training results of multilayer perceptron artifical neural network?s to distinguish the smokers and non-smokers, it was found out that sensitivity was 83,4, specificity was %62,3, positive predictive value was %68,9, negative predictive value was %79,2 and accuracy rate was %72,9. As for the testing results it was found out that sensitivity was 65,3, specificity was %46,7, positive predictive value was %55,0, negative predictive value was %57,4 and accuracy rate was %56,0. As for the area under the ROC curve, it was found out 0,747 in accordance with training data and 0,614 in accordance with testing data. As for distinguishing the smokers and non-smokers, it was found out that - in accordance with training data, sensitivity was %81,1, specificity was %84,6, positive predictive value was %84,0, negative predictive value was %81,8, and accuracy rate was %82,9. As for the testing results, it was found out that sensitivity was %70,7, specificity was %57,3, positive predictive value was %62,4, negative predictive value was %66,2, and accuracy rate was %64,0. As for the area under the ROC curve, it was found out 0,863 in accordance with training data and 0,666 in accordance with testing data. As a conclusion it was found out that multilayer perceptron artifical neural network?s insure an effective modal on classifying smoking and cessation status.

Benzer Tezler

  1. Tez No

    787564

    Artifical neural networks flood forecasting: Investigation of the contributions of data assimilation for applications to Cevennes rivers

    Yapay sinir ağlarıyla taşkın tahmini: Uygulamalar için veri asimilasyonunun katkılarının değerlendirilmesi Cevennes rivers

    ÇAĞRI ALPEREN İNAN

    Doktora

    İngilizce

    İngilizce

    2023

    Jeoloji MühendisliğiMuğla Sıtkı Koçman Üniversitesi

    Jeoloji Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BEDRİ KURTULUŞ

    PROF. DR. ANNE JOHANNET

  2. Tez No

    245119

    Yapay sinir ağlarıyla yüz mimiklerinin tanınması

    Mimic recognition using neural networks

    MELİH YASAV

    Yüksek Lisans

    Türkçe

    Türkçe

    2008

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. TÜLAY YILDIRIM

  3. Tez No

    604598

    Türkiye'nin aylık elektrik tüketiminin yapay sinir ağlarıyla tahmini

    Prediction of Turkey's monthly electricity consumption using artificial neural networks

    EZGİ POLAT

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Endüstri ve Endüstri MühendisliğiYıldız Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NEZİR AYDIN

  4. Tez No

    78044

    Image classification by means of pattern recognition techniques

    Başlık çevirisi yok

    CUMHUR GÜZEL

    Yüksek Lisans

    İngilizce

    İngilizce

    1998

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Yüksek Teknoloji Enstitüsü

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HALİS PÜSKÜLCÜ

  5. Tez No

    251596

    Dalgacık ağlarıyla elektrokardiyografik aritmilerin sınıflandırılması

    Electrocardiogram arrhytmias classification using wavelet networks

    ABDULLAH KARADAĞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2009

    Biyomühendislikİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET KORÜREK

Geri Dön