Prediction of maximum oxygen uptake from maximal and non-exercise variables using machine learning methods
Maksimal ve egzersize bağlı olmayan değişkenler kullanarak maksimum oksijen alımının makine öğrenmesi yöntemleriyle tahmin edilmesi
- Tez No: 304682
- Danışmanlar: YRD. DOÇ. DR. MEHMET FATİH AKAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 133
Özet
Bu tezin amacı, maksimal ve egzersize bağlı olmayan değişkenler kullanarak doğru VO2max tahmin modelleri geliştirmek ve maksimal tahmin modellerinin egzersize bağlı olmayan anket değişkenleriyle geliştirilebileceğini göstermektir. DVM, YSA, ÇDR ve GRSA gibi makine öğrenmesi yöntemleri, VO2max tahmin modellerini geliştirmek için kullanılmıştır. VO2max tahmin için iki değişik veri kümesi kullanılmıştır. Modellerin başarımını ölçmek amacıyla kullanılan KKve STH değerleri 10 katlı çapraz doğrulama kullanarak hesaplanmıştır. Sonuçlar göstermiştir ki, YSA tabanlı maksimal tahmin modellerine anket sonuçlarını eklemek ilk veri kümesi için KK değerinde %4.25 ile %10.81 arasında artışa ve STH değerinde ise %27.53 ile %35.59 arasında bir düşüşe neden olmuştur. İkinci veri kümesinde ise KK değerinde %1.08 ile %6.97 arasında artış,STH değerinde ise %0.53 ile %17.97 arasında düşüş görülmüştür. Bununla birlikte YSA tabanlı tahmin modellerinin GRSA, DVM ve ÇDR tabanlı modellere göre daha doğru sonuçlar ürettiği gözlenmiştir.
Özet (Çeviri)
The purpose of this thesis is to develop accurate VO2max prediction models using maximal and N-Ex variables and show that the accuracy of maximal prediction models can be improved by adding N-Ex questionnaire predictor variables. Machine learning methods such as SVM, ANN, MLR and GRNN are used for developing VO2max prediction models.Two different datasets are used for VO2max prediction.Using 10-fold cross validation, the performance of the models are evaluated by calculating R?s and SEE?s.It is shown that adding questionnaire to ANN-based prediction models yields 4.25% to 10.81% increments in R?s and 27.53% to 35.59% decrements in SEE?s for the first dataset and 1.08% to 6.97% increments in R?s and 0.53% to 17.97% decrements in SEE?s for the second dataset.Also it is concluded that ANN-based prediction models are more accurate than GRNN-based, SVM-based and MLR-based prediction models.
Benzer Tezler
- Farklı yüklenmeler altında antropometrik verilere bağlı olarak fizyolojik parametrelerdeki değişimlerin incelenmesi
Analysis of variations in physiological parameters under different loadings with respect to anthropometrical data
BERMAN KAYIŞ(ÇİLİNGİR)
- Ankara Üniversitesi'nde spor yapan öğrencilerin beslenme durumları ve fiziki performansları üzerinde bir araştırma
A Research on the nutritional status and physical performance of the students who were active in sports at the University of Ankara
BÜLENT ASMA
- Developing VO2max prediction models from non-exercise, submaximal exercise and hybrid tests using machine learning methods
Makine öğrenme yöntemleri kullanılarak egzersize dayalı olmayan, submaksimal ve hibrit test değişkenlerinden VO2max tahmin modellerinin geliştirilmesi
MUSTAFA AÇIKKAR
Doktora
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET FATİH AKAY
- Prediction of maximum oxygen uptake (VO2max) with submaximal and questionnaire variables using different regression methods
Submaksimal ve anket değişkenleri kullanarak maksimum oksijen tüketiminin farklı regresyon yöntemleriyle tahmin edilmesi
ESER YÜCEL
Yüksek Lisans
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET FATİH AKAY
- Predicton of maximal oxygen uptake using machine learning methods combined with feature selection
Nitelik seçme ile birleştirilmiş makina öğrenme yöntemleri kullanılarak maksimum oksijen tüketiminin tahmini
ERMAN AKTÜRK
Yüksek Lisans
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET FATİH AKAY
