Predicton of upper body power of cross-country skiers using machine learning methods combined with feature selection algorithms
Nitelik seçme algoritmalarıyla birleştirilmiş makine öğrenme yöntemleri kullanılarak kros kayakçıların üst vücut güç tüketiminin tahmin edilmesi
- Tez No: 431036
- Danışmanlar: DOÇ. DR. MEHMET FATİH AKAY
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 112
Özet
Üst Vücut Gücü (ÜVG), kros kayakçıların yarış esnasındaki performanslarını etkileyen en önemli faktörlerden biridir. ÜVG tahmini için bazı çalışmalar bulunsa da, şimdiye kadar, makine öğrenme metotlarıyla çeşitli özellik seçimi algoritmaları birlikte kullanılarak UBP tahmininde ayrımcı özellikleri tanımlamak için hiçbir çalışma bulunmamaktadır. Bu tezin amacı, Relief-F, mRMR ve CFS nitelik seçimi algoritmalarıyla Genel¬leştirilmiş Regresyon Sinir Ağı (General Regression Neural Network –GRNN), Ağaç Destekleme (Tree Boost), Çok Katmanlı Algılayıcı (Multilayer Perceptron- MLP), Destek Vektör Makinesi (Support Vector Machine - SVM), Radyal Tabanlı Fonksiyon Sinir Ağı (Radial Basis Function Neural Network – RBF) ve Tekli Karar Ağacı (Single Decision Tree - SDT) kullanılarak kros kayak yarışçılarının 10 saniye ÜVG (ÜVG10) ve 60 saniye ÜVG (ÜVG60) tahmini için yeni tahmin modelleri geliştirmektir. Söz konusu regresyon yöntemleri kullanılarak, kros kayakçılarının ÜVG10 ve ÜVG60 tahmini için birçok çeşitli tahmin modeli geliştirilmiştir. Model testleri için 10 katlı çapraz doğrulama uygulanmıştır. Tahmin modellerinin verimliliği, onların çoklu korelasyon katsayıları (R), standart tahmin hataları (SEE) ve mutlak yüzdelik hata ortalamaları (MAPE) ile hesaplanmıştır. Sonuçlar göstermektedir ki, GRNN tabanlı tahmin modelleri diğer regresyon yöntemleriyle üretilmiş olan tahmin modellerinden çok daha iyi performans (en yüksek R ve en düşük SEE) vermektedir. Ayrıca, tahmin değişkenlerinin tamamını kullanmak yerine daha az miktarda tahmin değişkeni kullanmak, benzer hata oranları ile ÜVG10 ve ÜVG60 tahmini için yararlı olabilir.
Özet (Çeviri)
Upper body power (UBP) is one of the most important factors affecting the performance of cross-country skiers during races. Although some initial studies have already attempted to predict UBP, until now, no study has attempted to apply machine learning methods combined with various feature selection algorithms to identify the discriminative features for prediction of UBP. The purpose of this study is to develop new prediction models for predicting the 10-second UBP (UBP10) and 60-second UBP (UBP60) of cross-country skiers by using General Regression Neural Networks (GRNN), Radial-Basis Function Network (RBF), Multilayer Perceptron (MLP), Support Vector Machine (SVM), Single Decision Tree (SDT) and Tree Boost (TB) along with the Relief-F feature selection algorithm, minimum redundancy maximum relevance (mRMR) feature selection algorithm and the Correlation-based Feature Subset Selection (CFS). Several models have been developed to predict UBP10 and UBP60 of cross-country skiers using two datasets. 10-fold cross validation has been performed for model testing. The efficiency of the prediction models has been calculated with their multiple correlation coefficients (R's), standard error of estimates (SEE's) and mean absolute percentage errors (MAPE's). The results emphasize that GRNN-based prediction models show higher performance than the other regression methods. Also, using less number of predictor variables than the full set of predictor variables can be useful for prediction of UBP10 and UBP60 with comparable error rates.
Benzer Tezler
- Prediction of upper body power and maximal oxygen uptake of cross-country skiers using different regression methods
Farklı regresyon yöntemleri kullanarak kros kayakçılarda üst vücut gücünün tahmin edilmesi
SHAHABODDİN DANESHVAR
Yüksek Lisans
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET FATİH AKAY
- Elit dağ bisikletçilerin fiziksel, fizyolojik özelliklerinin ve izokinetik kuvvet düzeylerinin performans parametrelerine etkisinin incelenmesi
Investigation of the influence of elite mountain cyclists' physical and physiological characteristics and isokinetic strength on field performance parameters
GÖKMEN ÖZEN
- Saçılmış yüzey dalgalarının sismik interferometrisi ile saçıcı konumunun belirlenmesi.
Estimating the location of the scatterer by seismic interferometry of scattered surface waves.
UTKU HARMANKAYA
Yüksek Lisans
Türkçe
2012
Jeofizik Mühendisliğiİstanbul Teknik ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYŞE KAŞLILAR
- A novel energy-saving device for ships- gate rudder system
Gemiler için yeni bir enerji tasarrufu sağlayıcı sistem- gate rudder sistemi
ZEYNEP TACAR İLTER
Doktora
İngilizce
2022
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
PROF. DR. EMİN KORKUT
- Rüzgar enerjisi dönüşüm sistemlerinin aerodinamik kapsamı ve güç belirlenmesi analizlerinde potansiyel akım yöntemleri
Aerodynamic aspects of wind energy conversion systems and potential flow methods in performance prediction analysis
ALİ ALPER AKYÜZ
Yüksek Lisans
Türkçe
1997
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak Mühendisliği Ana Bilim Dalı
DOÇ. DR. M. ADİL YÜKSELEN