Makine öğrenmesi teknikleri ile ekolojik verilerin değerlendirilmesi
An evaluation of ecological data with machine learning techniques
- Tez No: 527219
- Danışmanlar: DR. ÖĞR. ÜYESİ ŞENGÜL DOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Ekobilişim Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 84
Özet
Ekoloji, organik ve inorganik sistemler üzerinde çalışan doğa bilimcilerin bu sistemler ile ilgili karmaşık ilişkileri incelemesini, anlamasını ve bu ilişkilerden çıkarım yapmalarını amaçlayan bir bilim dalıdır. Bu karmaşık ilişkilerin anlaşılabilmesi ve ileriye dönük tahminlerin yapılabilmesi noktasında Makine Öğrenmesi teknikleri istatistiksel metotlara göre daha avantajlı olabilmektedir. Makine Öğrenmesi ile ekolojik sistemlere ait doğrusal olmayan, yüksek hacimli, fazla niteliğe sahip veya çok sayıda eksik veri içerebilen veri kümeleri, eğitim algoritmaları ile yapay öğrenme sürecinden geçirilip bu veri kümeleri ile ilgili kestirimler yapılabilmektedir. Bu tez çalışmasında, Makine Öğrenmesi' nde yaygın kullanılan Yapay Sinir Ağları, K-NN, K-Means, Naive Bayes, ve Karar Ağacı Sınıflandırma (ID3) yöntemlerinin, ekolojik verilerde ne şekilde kullanılabileceğinin anlaşılması amacıyla, ayrıca bu yöntemlerin daha iyi kavranmasını sağlamak için iki adet örnek veri kümesi, bu yöntemler kullanılarak değerlendirilmiştir. Bu beş yöntem de modellenerek geliştirilen bir deney ortamında test edilmiştir. Test süreçlerinde farklı parametreler kullanılmış ve seçilen bir doğrulama yöntemi üzerinden en iyi performans değerleri elde edilmeye çalışılmıştır. Sonuç olarak elde edilen performans değerleri, literatürde yaygın olarak kullanılan diğer algoritmaların performanslarına yakın olduğu gözlemlenmiştir.
Özet (Çeviri)
Ecology is a scientific discipline that aims to allow natural scientists working on biotic and abiotic systems to study, understand, and inference complex relationships related to these systems. Machine learning techniques could be more profitable than statistical methods at the point where these complex relationships can be understood and prospective predictions can be made. With Machine Learning, the datasets which are nonlinear, high volume, have high amount attributes or can contain a large number of missing data that belong to ecological systems can be passed through the artificial learning process by using training algorithms and predictions can be made. In this thesis, two datasets are evaluated in order to understand how Artificial Neural Networks, K-NN, K-Means, Naïve Bayes, and Decision Tree Classification (ID3) methods which are widely used in Machine Learning can be used in ecological data. It is also aimed to have a better understanding of these methods. Five methods were tested in a designed and developed experiment set. In the testing processes, it has been tried to obtain the best performance values through a selected validation method by means of different parameters. In result, it was observed that the performance values were similar to those of other algorithms commonly used in the literature.
Benzer Tezler
- İstanbul'da kentsel büyümenin senaryo tabanlı modellenmesi ve ekolojik açıdan değerlendirilmesi
Scenario-based modeling and evaluation of urban growth in Istanbul
ALİYE GONCA BOZKAYA KARİP
Doktora
Türkçe
2024
Şehircilik ve Bölge PlanlamaMimar Sinan Güzel Sanatlar ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. FATMA ÜNSAL
- Geri dönüşümlü kağıt hamurunun görsel sanatlar eğitiminde kullanımı ve çevre eğitimine yönelik katkıları: Bir eylem araştırması
The usage of recycled pulp in the visual arts education and its contributions to environmental education: An action research
ZEHRA LALE ÇAVULDUR
Doktora
Türkçe
2018
Eğitim ve ÖğretimMarmara ÜniversitesiGüzel Sanatlar Eğitimi Ana Bilim Dalı
PROF. DR. EROL BULUT
- From data to action: Transforming pressure testing in manufacturing with machine learning for enhancing energy efficiency
Veriden aksiyona: Üretimdeki basınç testini makine öğrenimiyle dönüştürmek ve enerji verimliliğini artırmak
ERHAN YILDIZ
Yüksek Lisans
İngilizce
2024
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA BERKER YURTSEVEN
- Innovative computational techniques for accurate internal defect detection in trees: A stress wave tomography approach enhanced by machine learning
Ağaçlarda iç kusurların doğru tespiti için yenilikçi hesaplamalı teknikler: Makine öğrenimi ile geliştirilmiş bir stres dalgası tomografi yaklaşımı
ECEM NUR YILDIZCAN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURCU TUNGA