Geri Dön

Öznitelik seçiminin geliştirilen bir yapay sinir ağı sınıflandırılması üzerine etkisi

The effects of feature selecti̇on on developed arti̇fi̇ci̇al neural network classi̇fi̇cati̇on

  1. Tez No: 418368
  2. Yazar: ESRA KAYA
  3. Danışmanlar: DOÇ. DR. KAYHAN GÜLEZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Öznitelik seçimi, yapay sinir ağları, anemi, hgb, hct, mcv, mch, mchc, mobil robot, blogreg algoritması, Feature selection, artificial neural network, anemia, hgb, hct, mcv, mch, mchc, mobile robot, blogreg algorithm
  7. Yıl: 2016
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 56

Özet

ağı geliştirerek ağın sınıflandırmasını yapmak ve sınıflandırılması yapılan bu ağa öznitelik seçimi uygulayarak ağın performansı üzerindeki etkisini incelemektir. Ayrıca kontrol sistemleri alanındaki yeri ve öneminden bahsetmek için mobil robotun duvar takibi yaparken yön kararı veren bir yapay sinir ağı geliştirerek ağın sınıflandırmasını yapmak ve sınıflandırması yapılan ağa öznitelik seçimi uygulayarak ağ performansını değerlendirmektir. Bu tez çalışmasının uygulama aşamasında, anemi teşhisi için toplam elli hastanın hemogram tahlil sonuçlarından ve bir uzman kişinin verdiği karardan faydalanılmıştır. Mobil robot için ise, robottaki sensörlerden alınan verilerden faydalanılmıştır. Bu tez çalışmasında, hemogram tahlil sonuçlarından elde edilen veriler; eğitim girişleri, eğitim çıkışları, test girişleri ve test çıkışları olmak üzere dört farklı excel dosyası olarak matlab ortamına aktarılmıştır. Beş girişe (HGB, HCT, MCV, MCH, MCHC) ve bir çıkışa (1: anemi ve 0: sağlıklı) sahip bir ağ geliştirilmiştir. Geliştirilen bu ağ, eğitim verileri kullanılarak eğitildikten sonra test giriş verileri ile yapılan sınıflandırmanın performans değerlendirmesi yapılmıştır. Ağın gerçek test sonuç verilerinde yapılan sınıflandırma ile yakın sınıflandırma sonuçları ürettiği görülmüştür. xi Daha sonra oluşturulan bu ağın sınıflandırması üzerine öznitelik seçimi uygulayarak, anemi sınıflandırmasını beş girişin aynı oranda etkilemediği görülmüştür. Bazı giriş verilerinin sınıflandırma üzerine daha çok etkili olduğu belirlenmiştir. Bu tez çalışmasının kontrol sistemleri alanındaki uygulamasının mümkün olduğunu görmek için uygulama aşamasında, mobil robotun sensörlerinden alınan veriler eğitim ve test verileri olmak üzere kullanılmıştır. Giriş sayısı 24 (sensörlerden alınan yön bilgileri) ve çıkış sayısı 1 (1: hafif sağa dön 2: tam sağa dön 3: düz ileri 4: hafif sola dön) olan bir ağ geliştirilmiştir. Sınıflandırması yapılan ağa öznitelik seçme işlemi uygulanmıştır. Ve ağın performansının arttığı gözlemlenmiştir. Bu tez çalışması sağlık alanında kullanımı mümkün olan yapay sinir ağlarının, kontrol sistemleri alanında da kullanmanın mümkün olduğunu göstermiştir. Ayrıca öznitelik seçiminin geliştirilen yapay sinir ağının performansı üzerindeki olumlu etkisi görülmüştür. Ayrıca yapay sinir ağı ile farklı disiplinler bir araya getirilmeye çalışılmıştır.

Özet (Çeviri)

The aim of this thesis is to create a neural network based classifier that diagnoses anemia disease for children under 18 years of age, and to apply feature selection to the dataset and see the effects of feature selection on the performance of classifier. Also, to mention about the importancy of classification on mobile robots, to create a direction determining neural network structure based on classification. Perform it to the dataset. Then by applying feature selection to the dataset and repeating learning process with the most relevant features, to see the effects of feature selection on the performance of the corresponding classifier. İn the application of this thesis study, hemogram test results of 50 different patients are used for diagnosis of anemia. Evaluations (or decision) of results (whether the patient is diseased or not) are made by an expert doctor. For mobile robots the dataset is taken from (uci) machine learning repository. İn this experimental study, the datas obtained from hemogram test results; are transferred into Matlab Workspace in 4 excel files (trainin ınputs, trainin outputs, test inputs, test outputs). A network that has 5 inputs (HGB, HCT, MCV, MCH, MCHC) and 1 output(1: anemia ve 0: healthy) is constructed. xiii This constructed network, afted being trained with training datas, is tested with test inputs, and corresponding outputs are compared with the real test outputs. İt is seen that the obtained outputs are very close to the real output values. Then by applying feature selection it is seen that not every feature has the same effect on the outputs. Some of the features are more related than some other features. To see that this thesis is appliciable to the control systems, in the applicatiion phase, the sensor datas are applied to the network, and corresponding decisions of the sensor datas are compared with the obtained outputs. A network in which the number of inputs is 24 (datas from ultrasonic measurement sensors) and the number of output is 1(1: slight right, 2: sharp right, 3: move forward, 4: slight left) is constructed. Then feature selection is applied to the dataset to find the most important features and the network is reconstructed with those most important features. it is observed that the performance of the network is increased. This thesis has shown that, the neural networks which are applicable to the medical fields are also appliciable to the control systems. Also the positive effects of feature selection on neural networks are seen in this study. Also different diciplines are composed with artificial neural networks.

Benzer Tezler

  1. Fake news classification using machine learning and deep learning approaches

    Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması

    SAJA ABDULHALEEM MAHMOOD AL-OBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR

  2. Online adaptive classification of finger movements for brain computer interfaces

    Beyin bilgisayar arayüzleri için el hareketlerinin çevrimiçi uyarlanır modellenmesi

    MOHAND LOKMAN AHMAD AL DABAG

    Doktora

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYaşar Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NALAN ÖZKURT

  3. Görüntü işleme tekniği ile korunan alanlarda kaynak değeri oluşturan yaban hayvanlarının envanterine yönelik tür ve sayı tespiti yapılması

    Image processing techniques in the protected areas that make up the value of the resource identified by making the type and number for the inventory of wild animals

    KADİR KAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Elektrik ve Elektronik MühendisliğiAfyon Kocatepe Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. İSMAİL YABANOVA

  4. Örüntü tanıma uygulamalarında yapay zeka ve öznitelik dönüşüm metotları kullanılarak geliştirilen öznitelik seçme algoritmaları

    Feature selection algorithms developed by using artificial intelligence and feature transform methods in pattern recognition applications

    MUSTAFA SERTER UZER

    Doktora

    Türkçe

    Türkçe

    2014

    Elektrik ve Elektronik MühendisliğiSelçuk Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NİHAT YILMAZ

  5. Yapay bağışıklık sistemleri kullanılarak kararlı öznitelik gruplarının seçimi

    Stable feature groups selection using artificial immune systems

    CANAN BATUR ŞAHİN

    Doktora

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BANU DİRİ