Geri Dön

GRNN ve MLP metotları kullanılarak geri dönen meme kanser tespiti

Recurrence breast cancer detection using general regression neural network and multi layer perceptron

  1. Tez No: 483772
  2. Yazar: OMAR TAHA AHMED AL-KHALIDI
  3. Danışmanlar: YRD. DOÇ. DR. MELTEM YILDIRIM İMAMOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: GRNN, YSA, Destek vektor makinesi, GRNN, ANN, Support vector machine
  7. Yıl: 2017
  8. Dil: Türkçe
  9. Üniversite: Türk Hava Kurumu Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 69

Özet

Bu tezde, meme kanseri tahmini için Yapay Sinir Ağı ve Destek Vektör Makinesi ile GRNN uyguladık. Yapay Sinir Ağı için çok katmanlı perseptron metodunu kullandık ve her katman için farklı farklı neron sayıları deneyerek sonuçları elde ettik. Sonuçlarımızı SVM ile ve GRNN'le karşılaştırdık. Bu tezde, Wisconsin meme kanseri veri tabanını kullandık. Bu veri tabanında, gerçek klinik verileri içeren çok sayıda veri var. Önceki çalışmalarda yazarlar sinir ağı üzerinde çalıştı, ancak biz çalışmalarımızda sinir ağının hangi modelinin bize meme kanseri tespitinin daha yüksek doğruluğu verdiğini karşılaştıracağız. Sonuçlarda GRNN yönteminin daha doğru sonuç verdiği tespit edildi. Bu çalışmada 194 ve 569 örnek içeren Wisconsin Prognostik Meme Kanseri (WPBC) veri tabanı kullanılmıştır. Bu veri tabanını seçmenin nedeni; meme kanseri ile ilgili gerçek verileri içerdiği gerçeğidir. Bu tez çalışmasında, Çok Katmanlı Perceptron (MLP) ve Genelleştirilmiş Regresyon Sinir Ağı (GRNN) kullanılarak meme kanseri tahmini gerçekleştirilmiştir. Yapay sinir ağlarının sonuçları da, Destek Vektör Makinesi (SVM) ile elde edilen sonuçlar ile karşılaştırılmıştır. En iyi performans GRNN yöntemi kullanıldığında elde edilir. Sonuçlar ve gelecekteki çalışmalar tartışılmıştır.

Özet (Çeviri)

In this thesis study, we applied GRNN with an Artificial Neural Network and Support Vector Machine. We used multilayer perceptron method for the Artificial Neural Network and obtained the results by trying nerve cells in different numbers for individual layers. We compared our results with SVM and GRNN. In this thesis study, we made use of the Wisconsin breast cancer database. This database contains a substantial amount of data with actual clinical data. In the former studies, the authors researched the neural network; however, we will compare in our studies the neural network models to find out which model gives us the breast cancer diagnosis with more accuracy. The results suggest that GRNN method gives more accurate outcomes. In this study, we used Wisconsin Prognostic Breast Cancer (WPBC) database that contains 194 and 569 samples. The reason for selecting this database is that it contains actual breast cancer data. In this thesis study, we made a breast cancer prediction by using Multilayer Perceptron (MLP) and General Regression Neural Network (GRNN). Also, the outcomes of artificial neural networks were compared with the results obtained by means of the Support Vector Machine (SVM). The best performance is achieved by using the GRNN method. The results are future researches are discussed.

Benzer Tezler

  1. Design of RF power amplifiers by using artificial neural network methods

    Yapay sinir ağı yöntemleri kullanılarak RF güç yükselteçlerinin tasarımı

    QUTAIBA MADHAT FARIS AL-AZZAWI

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Elektrik ve Elektronik MühendisliğiTürk Hava Kurumu Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    Assist. Prof. Dr. ÖZGÜR KELEKÇİ

  2. Meteorolojik verileri kullanarak aylık tava buharlaşmasını tahmin etmek için yapay zeka metotlarının uygulanması

    Application of artificial intelligence methods to estimate monthly pan evaporation using meteorological data

    AYŞE ÖZEL

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    İnşaat MühendisliğiKonya Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MERAL BÜYÜKYILDIZ

  3. Enhanced generalized regression neural network for large datasets

    Büyük veri setleri için geliştirilmiş genelleştirilmiş regresyon yapay sinir ağı

    SERKAN KARTAL

    Doktora

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUSTAFA ORAL

  4. Elektronik retina tasarımına uygun yapay sinir ağı yapısının araştırılması

    The Research of the most suitible neural network structure for design of electronic retina

    NİHAN COŞKUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2003

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TÜLAY YILDIRIM

  5. Yapay sinir ağları ile mikrodalga transistörünün indirgenmiş veri ile modellenmesi

    Yapay sinir ağlari ile mikrodalga transistörünün indirgenmiş veri ile modellenmesi

    AHMET ULUSLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik-Haberleşme Eğitimi Ana Bilim Dalı

    PROF. DR. FİLİZ GÜNEŞ