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
- Tez No: 374596
- Danışmanlar: 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: 2014
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 88
Özet
Maksimal oksijen tüketimi (VO2max), kişinin yoğun ve maksimal egzersiz sırasında kullandığı maksimum oksijen miktarını ifade eder. Bu tezin amacı, submaksimal ve anket değişkenlerini kullanarak doğru Maksimal Oksijen Tüketimi (VO2max) tahmin modelleri geliştirmektir. VO2max tahmin modellerini geliştirmek için Destek Vektör Makineleri (SVM), Çoklu Doğrusal Regresyon (MLR) ve Çok Katmanlı Algılayıcı (MLP) gibi regresyon yöntemleri kullanılmıştır. Tahmin modellerin performansı çoklu korelasyon katsayısı (R) ve standart tahmin hatası (SEE) hesaplanarak belirlenmiştir. Sonuçlar göstermiştir ki, submaksimal ve standart egzersize dayalı olmayan değişkenlere anket değişkenlerinin eklenmesi VO2max tahmin modellerinin doğruluğunu belirgin şekilde arttırmıştır. SVM modellerinin sonuçları MLP ve MLR modellerinden elde edilenler ile karşılaştırılmış ve SVM bazlı VO2max tahmin modellerinin diğer regresyon modellerinden üretilen tahmin modellerinden daha iyi performans gösterdiği görülmüştür (Daha düşük SEE ve daha düşük R).
Özet (Çeviri)
Maximal oxygen uptake (VO2max) refers to the maximum amount of oxygen that an individual can utilize during intense or maximal exercise. The purpose of this thesis is to develop accurate VO2max prediction models using submaximal and questionnaire variables. Regression methods such as Support Vector Machines (SVM), Multilayer Perceptron (MLP) and Multiple Linear Regression (MLR) have been used for developing VO2max prediction models. The performance of prediction models has been evaluated by calculating their multiple correlation coefficients (R's) and standard error of estimates (SEE's). The results show that the accuracy of VO2max prediction models based on submaximal and standard non-exercise variables could be significantly improved by including questionnaire variables in prediction models. The results of SVM models have been also compared with the ones obtained by MLP and MLR and it turned out that SVM-based VO2max prediction models perform better (i.e. yield lower SEE's and higher R's) than the prediction models developed by other regression methods.
Benzer Tezler
- Development of new hybrid models for prediction of VO2MAX using machine learning methods combined with feature selection algorithms
Nitelik seçme algoritmalarıyla birleştirilmiş makine öğrenme yöntemleri kullanılarak yeni hibrit VO2MAX tahmin modellerinin geliştirilmesi
FATİH ABUT
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET FATİH AKAY
- 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
- 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
- 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
NOUSHİN SHOKROLLAHI GHAHREMANLOU
Yüksek Lisans
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET FATİH AKAY
- 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