Prediction of Hamstring and Quadriceps muscle strength of athletes using machine learning methods
Farklı makine öğrenme yöntemleri ile Hamstring ve Kuadriseps kas gücü tahmini için egzersize dayalı olmayan yeni modellerin geliştirilmesi
- Tez No: 473003
- 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: 2017
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 121
Özet
Hamstring ve Kuadriseps isimli iki tür üst bacak kası, atletlerin spor performanslarıyla yakından ilgilidir. Hamstring ve Kuadriseps kaslarının üstün izokinetik test teknikleriyle ölçümünden gerçeğe yakın sonuçlar elde edilebilmesine rağmen bu yöntemlerin belirli zorlukları ve sınırlamaları vardır. Bu çalışmanın temel amacı, üniversite çağındaki atletlerin Hamstring ve Kuadriseps kas güçlerinin Destek Vektör Makineleri (SVM), Çok Katmanlı Algılayıcılar (MLP), Radyal Temel Fonksiyon Yapay Sinir Ağları (RBFNN), ve Tekli Karar Ağaçları (SDT) kullanılarak daha yeni ve kapsamlı tahmin modelleri oluşturulmasıdır. Tahmin hatalarının hesaplanması için Ortalama Hata Kareleri Toplamı Karekökü (RMSE) ve Çoklu Korelasyon Katsayısı (R) değerleri kullanılmıştır. Temel olarak elde edilen sonuçlara bakıldığında başta SVM olmak üzere makine öğrenme metodlarının kabul edilebilir ve doğru sonuçlar vermesi nedeniyle Hamstring ve Kuadriseps kas gücü tahmininde kullanılabileceği kanıtlanmıştır.
Özet (Çeviri)
The success of athletes is closely related to the muscles of the thigh, namely the hamstring and quadriceps. Among the different techniques used for measuring the hamstring and quadriceps muscle strength, the use of isokinetic equipments is the most accurate. However, their utilization is associated with several difficulties and limitations. The aim of this study is to build new and more comprehensive models for predicting the hamstring and quadriceps muscle strength of athletes using four main machine learning methods, namely Support Vector Machine (SVM), Multilayer Perceptron Neural Network (MLP), Radial Basis Function Neural Network (RBFNN) and Single Decision Tree (SDT). The root mean square errors (RMSE's) and the multiple correlation coefficients (R's) have been used for computing the prediction errors. On the basis of the results obtained, it has been proved that machine learning methods especially SVM can be used for the hamstring and quadriceps muscle strength prediction with an acceptable accuracy
Benzer Tezler
- Diz ortezi giymiş insan kas iskelet örneği üzerinde derin pekiştirmeli öğrenmeyle yürüme öğrenmesi
Learning to walk on a human musculoskeletal model wearing a knee orthosis via deep reinforcement learning
ÖMER KAYAN
Yüksek Lisans
Türkçe
2023
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜLYA YALÇIN
- Hamstring otogrefti kullanılarak yapılan tek demet anatomik ön çapraz bağ rekonstrüksiyonu sonrası femoral ve/veya tibial tünel genişlemesini öngören risk faktörlerinin belirlenmesi ve tünel genişlemesinin klinik sonuçlara etkisi
Başlık çevirisi yok
UTKAN SOBAY
Tıpta Uzmanlık
Türkçe
2022
Ortopedi ve TravmatolojiTokat Gaziosmanpaşa ÜniversitesiOrtopedi ve Travmatoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ORHAN BALTA
- Serebral palsili çocuklarda denge ve fonksiyonel mobilitenin kas biyomekanik özellikleri ile ilişkisi
The relationship of balance and functional mobility with muscle biomechanical properties in children with cerebral palsy
MELİSA AKDIKAN
Yüksek Lisans
Türkçe
2023
Fizyoterapi ve Rehabilitasyonİstanbul Okan ÜniversitesiFizyoterapi ve Rehabilitasyon Ana Bilim Dalı
DOÇ. DR. TÜLAY ÇEVİK SALDIRAN
- Learning to assess grasp stability from vision, touch and proprioception
Başlık çevirisi yok
YASEMİN BEKİROĞLU
Doktora
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKTH-Kungliga Tekniska Högskolan (Royal Institute of Technology)DR. DANICA KRAGIC
- Towards trustworthy personal assistants for privacy
Mahremiyet için güvenilir kişisel asistanlara doğru
GÖNÜL AYCI
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ARZUCAN ÖZGÜR TÜRKMEN
PROF. DR. PINAR YOLUM BİRBİL