Prediction of maximum muscular endurance time involving four stabilization exercises assessments using machine learning methods
Makine öğrenme yöntemlerini kullanarak dört stabilizasyon egzersizlerini içeren maksimum dayanıklılık süresinin tahminlenmesi
- Tez No: 540798
- 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: 2018
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 74
Özet
Kas dayanıklılık süresi, bisiklete binme, kürek çekme, kros kayağı, yüzme ve koşma gibi çeşitli spor dallarındaki sporcuların performansını etkileyen önemli bir bileşen olarak görülmektedir. Doğrudan ölçümün bazı dezavantajları nedeniyle, araştırmacılar maksimum kas dayanıklılık süresini belirlemek için alternatif yollara ihtiyaç duyarlar. Bu tezin amacı, demografik değişkenler (yaş, cinsiyet, boy, kilo ve vücut kitle indeksi), submaksimal veriler (algılanan güç değerlendirmesi) ve makine öğrenme yöntemlerinden Destek Vektör Makine (SVM), Çok Katmanlı Algılayıcı (MLP), Genelleştirilmiş Sınıflandırma Sinir Ağı (GRNN), Radyal Temel Fonksiyon (RBF) ve Tek Karar Ağacı (SDT) yöntemlerini kullanarak maksimum dayanıklılık süresini tahmin etmek için yeni modeller oluşturmaktır. Tahmin modellerinin performansının değerlendirilmesinde kök ortalama kare hatası (RMSE) ve çoklu korelasyon katsayısı (R) kullanılmıştır. Sonuçlar SVM'nin kabul edilebilir bir doğrulukla maksimum dayanıklılık süresi tahmini için uygulanabilir bir yöntem olduğunu göstermektedir.
Özet (Çeviri)
The muscular endurance time is viewed an important component influencing the performance of athletes in various sport branches, such as cycling, rowing, cross-country skiing, swimming and running. Due to several drawbacks of direct measurement, researchers need alternative ways to determine maximum muscular endurance time. The aim of this thesis is to build new models for predicting the maximum endurance time using demographic variables (age, gender, height, weight and body mass index), submaximal data (rating of perceived exertion) and machine learning methods including support vector machines (SVM), multilayer perceptron (MLP), generalized regression neural network (GRNN), radial basis function (RBF) and single decision tree (SDT). The root mean square error (RMSE) and multiple correlation coefficient (R) have been used for assesing the performance of prediction models. The results suggest that SVM is a viable method for maximum endurance time prediction with an acceptable accuracy.
Benzer Tezler
- Farklı yüklenmeler altında antropometrik verilere bağlı olarak fizyolojik parametrelerdeki değişimlerin incelenmesi
Analysis of variations in physiological parameters under different loadings with respect to anthropometrical data
BERMAN KAYIŞ(ÇİLİNGİR)
- Performance of K-nearest neighbor algorithm and its variants on prediction of muscle fatigue and determining indicative features
K-en yakın komşu algorı̇tması ve çeşı̇tlerı̇nı̇n kas yorgunluğunun tahmı̇nı̇ ve belı̇rleyı̇cı̇ özellı̇klerı̇n belı̇rlenmesı̇ndekı̇ performansı
RANEEM HANBALI
Yüksek Lisans
İngilizce
2023
BiyomühendislikBahçeşehir ÜniversitesiBiyomühendislik Bilim Dalı
DR. ÖĞR. ÜYESİ BURCU TUNÇ ÇAMLIBEL
- Prediction of maximum oxygen uptake from maximal and non-exercise variables using machine learning methods
Maksimal ve egzersize bağlı olmayan değişkenler kullanarak maksimum oksijen alımının makine öğrenmesi yöntemleriyle tahmin edilmesi
NOUSHİN SHOKROLLAHI GHAHREMANLOU
Yüksek Lisans
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET FATİH AKAY
- Prediction of maximum oxygen uptake (VO2max) with submaximal and questionnaire variables using different regression methods
Submaksimal ve anket değişkenleri kullanarak maksimum oksijen tüketiminin farklı regresyon yöntemleriyle tahmin edilmesi
ESER YÜCEL
Yüksek Lisans
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET FATİH AKAY
- Maximum disparity estimation for depth discomfort detection
En büyük ayrıklıkların kestirimi ile derinlik rahatsızlığı tesbiti
ÖMER CAN GÜROL
Yüksek Lisans
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT SANKUR
