Laktasyon süt verimi tahmini için yapay sinir ağlarında farklı aktivasyon fonksiyonlarının karşılaştırılması
Comparison of different activation functions in artificial neural networks for prediction of lactation milk yield
- Tez No: 958026
- Danışmanlar: DOÇ. DR. SUNA AKKOL
- Tez Türü: Yüksek Lisans
- Konular: Ziraat, Agriculture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Van Yüzüncü Yıl Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Zootekni Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 135
Özet
Bu çalışma ile, yapay sinir ağı kullanılarak süt sığırlarında laktasyon verimliliğinin tahmin edilmesini amaçlanmıştır. Araştırmada kullanılan veri seti, Trakya bölgesinde faaliyet gösteren özel bir işletmeden elde edilmiştir. Modelleme sürecinde, verilerin farklı ölçeklerde olması nedeniyle hem Min-Max hem de Z-Score normalizasyon teknikleri uygulanmış; bu sayede değişkenlerin karşılaştırılabilir hale gelmesi sağlanmıştır. Model performansının güvenilir bir şekilde değerlendirilmesi amacıyla 10 katlı çapraz doğrulama yöntemi kullanılmıştır. Çalışma kapsamında Sigmoid, Tanh, ReLU, ELU, Leaky ReLU, Softplus ve Swish gibi çeşitli aktivasyon fonksiyonları denenmiş; her bir aktivasyon-normalizasyon kombinasyonu için 2' den 100' e kadar artan sayılarda nöron içeren tek gizli katmanlı YSA modelleri oluşturulmuştur. Model başarımları; R², MAE, RMSE, MSE ve MAPE ölçütleri ile değerlendirilmiştir. Elde edilen sonuçlara göre, test verisinde en yüksek doğruluk değerine ulaşan model, Min-Max normalizasyonu ve ReLU aktivasyon fonksiyonu kullanılarak oluşturulan 55 nöronlu yapı olmuştur. Bu modelin test verisine ilişkin başarımları; R² = 0.9540, MAE = 0.0265, RMSE = 0.0376 ve MAPE = 6.88 olarak hesaplanmıştır. Çalışmada ÇDR modeli ile de tahminleme yapılmıştır. ÇDR modelinin en iyi test performansı, yine Min-Max normalizasyonu uygulanmış veri seti ile elde edilmiş olup; R² = 0.9162, MAE = 0.0359, RMSE = 0.0376 ve MAPE = 6.883 olarak belirlenmiştir. Bu bulgular, YSA modelinin, özellikle uygun aktivasyon fonksiyonu ve nöron sayısı seçimiyle optimize edildiğinde, ÇDR modeline kıyasla daha düşük hata oranları ve daha yüksek tahmin doğruluğu sağladığını göstermektedir.
Özet (Çeviri)
This study aims to estimate lactation efficiency in dairy cattle using an artificial neural network. The dataset used in the study was obtained from a private farm operating in the Thrace region. In the modeling process, both Min-Max and Z-Score normalization techniques were applied due to the different scales of the data; thus, the variables were made comparable. In order to evaluate the model performance reliably, a 10-fold cross-validation method was used. Within the scope of the study, various activation functions such as Sigmoid, Tanh, ReLU, ELU, Leaky ReLU, Softplus and Swish were tried; single hidden layer ANN models containing increasing numbers of neurons from 2 to 100 were created for each activation-normalization combination. Model performances were evaluated with criteria such as R², MAE, RMSE, MSE and MAPE. According to the results obtained, the model that reached the highest accuracy value in the test data was the 55-neuron structure created using Min-Max normalization and ReLU activation function. The performances of this model on the test data were calculated as R² = 0.9540, MAE = 0.0265, RMSE = 0.0376 and MAPE = 6.88. In the study, estimation was also made with the MLR model. The best test performance of the MLR model was obtained with the data set where Min-Max normalization was applied; R² = 0.9162, MAE = 0.0359, RMSE = 0.0376 and MAPE = 6.883 were determined. These findings show that the ANN model provides lower error rates and higher estimation accuracy compared to the MLR model, especially when optimized with the appropriate activation function and neuron number selection.
Benzer Tezler
- Elazığ ilinde süt ineği besleme bilinci geçiş dönemi beslemesi ve süt ineklerinin verim durumlarının araştırılması
Investigation of awareness in dairy cow feeding, nutrition of transition period and production of dairy cows in the province of Elaziğ
AHMET MAMAK
Yüksek Lisans
Türkçe
2015
Veteriner HekimliğiFırat ÜniversitesiHayvan Besleme ve Beslenme Hastalıkları Ana Bilim Dalı
PROF. DR. İBRAHİM HALİL ÇERÇİ
- Büyükbaş hayvanlarda kızgınlığın (östrus) hareketlilik ve çevre verilerinden yararlanarak yapay sinir ağları ile belirlenmesi
Determination of estrus in cattle with neural networks using mobility and environmental data
ADİL KORAY YILDIZ
Doktora
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGaziosmanpaşa ÜniversitesiBiyosistem Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET METİN ÖZGÜVEN
- Jersey ırkı süt ineklerinde laktasyon süt verimi üzerinde etkili olan faktörlerin kovaryans analizi ile incelenmesi: Samsun Karaköy Tarım İşletmesi Müdürlüğü
Investigation by analysis of covariance the factors that impact on lactation on milk yield of Jersey cows: A sample of Karaköy Agricultural State Farm in Samsun
CEREN AKICI
Yüksek Lisans
Türkçe
2013
İstatistikOndokuz Mayıs Üniversitesiİstatistik Ana Bilim Dalı
YRD. DOÇ. YÜKSEL ÖNER
- Gökhöyük Tarım işletmesinde yetiştirilen jersey ırkı sığırların süt verim özelliklerine ait varyans unsurları ve genetik parametrelerin tahmini
Estimation of variance components and genetic parameters for milk yield traits of jersey cattle raised in Gökhöyük agricultural enterprise
ŞEVVAL ALDEMİR
- Sığırlarda değişik süt verim kontrol ve hesaplama yöntemleri üzerine araştırmalar
Başlık çevirisi yok
ÖZGÜN TALAN