Show/Hide Menu
Hide/Show Apps
Logout
Türkçe
Türkçe
Search
Search
Login
Login
OpenMETU
OpenMETU
About
About
Open Science Policy
Open Science Policy
Open Access Guideline
Open Access Guideline
Postgraduate Thesis Guideline
Postgraduate Thesis Guideline
Communities & Collections
Communities & Collections
Help
Help
Frequently Asked Questions
Frequently Asked Questions
Guides
Guides
Thesis submission
Thesis submission
MS without thesis term project submission
MS without thesis term project submission
Publication submission with DOI
Publication submission with DOI
Publication submission
Publication submission
Supporting Information
Supporting Information
General Information
General Information
Copyright, Embargo and License
Copyright, Embargo and License
Contact us
Contact us
Predicting Mathematics 1 Course Success by Using Hierarchical Adaptive Network Based Fuzzy Inference System
Download
PAJES_20_5_166_173.pdf
Date
2014
Author
Dulger, Ozcan
Metadata
Show full item record
This work is licensed under a
Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License
.
Item Usage Stats
174
views
112
downloads
Cite This
Öğrencilerin Matematik 1 dersinden alacağı notları önceden tahmin etmek dönem öncesi öğrencileri Matematik 1 dersine hazırlamak için oldukça önemlidir. Verilerin doğrusal olmayan yapılarından dolayı çözüm elde etme zor olmaktadır. Sayısal değerler içeren bu tür problemler için çözüm sunan bulanık mantık yöntemi tercih edilen yöntemlerden bir tanesidir. Bulanık mantıkla çözüm elde etmek için üyelik fonksiyonlarını ve onların parametre değerlerini doğru belirlemek gereklidir. Bu işlem bir uzman tarafından yapılabildiği gibi bir veri kümesi kullanılaraktan da yapılabilmektedir. Bu çalışmada, Pamukkale Üniversitesi Mühendislik Fakültesi’ne 2007-2008 EğitimÖğretim yılında kayıt yaptıran 434 öğrencinin Öğrenci Seçme Sınavında elde ettikleri verileri kullanarak öğrencilerin Matematik 1 dersinden elde edeceği başarı durumunu önceden tahmin etmek amaçlanmıştır. Bu veri kümesini kullanarak üyelik fonksiyonlarını belirlemek için yapay sinir ağı ve bulanık mantık yönteminin önemli özelliklerini birleştiren uyarlanabilir ağ tabanlı bulanık çıkarım sistemi (ANFIS) kullanılmıştır. Eğitim aşamasında veri kümesindeki 16 nitelikten farklı kombinasyonlarla seçilen 9 veri niteliği ANFIS yapısına girdi olarak verilmiştir. Fakat dokuz tane girdi parametresine sahip olan bir bulanık çıkarım sisteminin her girdisinin en az üç tane üyelik fonksiyonuna sahip olduğu durumlarda bu çıkarım sisteminde en az 3 9 tane kural meydana gelmektedir. Bu yüzden eğitim işlemi oldukça vakit almakta ve bu işlem için oldukça fazla belleğe ihtiyaç duyulmaktadır. Bu çalışmada, çok verimsiz olan bu yapı yerine hiyerarşik bir yöntem önerilmiştir. Bu yöntemde ANFIS yapısı küçük alt sistemlere ayrılmaktadır. Her alt sistem veri kümesinin bazı parçalarını işlemekte ve elde ettiği çıktı değerlerini sistemden beklenilen asıl çıktı değerinin elde edilmesi için sonuç ANFIS yapısına girdi olarak göndermektedir. Verilerin üçte biri ile yapılan deneme işleminden sonra %77,77 ve %78,47 genel tahmin oranına sahip iki tane iyi sonuç elde edilmiştir. Bu sonuçlar detaylı incelendiğinde, ilk sonuçta Matematik 1 dersinden geçen 85 öğrencinin 64’ü, kalan 59 öğrencinin 48’i doğru tahmin edilmiştir. İkinci sonuçta ise dersten geçen 85 öğrencinin 69’u ve dersten kalan 59 öğrencinin 44’ü doğru tahmin edilmiştir
Subject Keywords
Fuzzy logic
,
Artificial neural network
,
Adaptive network based fuzzy inference system (ANFIS)
,
Hierarchical ANFIS
,
Machine learning
,
Prediction of Mathematics course success
URI
https://hdl.handle.net/11511/51475
Journal
Pamukkale University Journal of Engineering Sciences
DOI
https://doi.org/10.5505/pajes.2014.35220
Collections
Department of Computer Engineering, Article
Suggestions
OpenMETU
Core
Karaciğer mikrodizi kanser verisinin sınıflandırılması için genetik algoritma kullanarak ANFIS’in eğitilmesi
Haznedar, Bülent; Arslan, Mustafa Turan; Kalınlı, Adem (2017-01-01)
Sınıflandırma, verilerin analiz edilmesi için önemli bir veri madenciliği tekniği olup tıp, genetik ve biyomedikal mühendisliği başta olmak üzere birçok alanda kullanılmaktadır. Özellikle tıp alanında DNA mikrodizi gen ekspresyon verilerini sınıflandırmaya yönelik yapılan çalışmalarda artış görülmektedir. Ancak, mikrodizi gen ekspresyon (ifade) verilerinde bulunan gen sayılarının çokluğu ve bu veriler arasında doğrusal olmayan bağıntılar bulunması gibi problemlerden dolayı geleneksel sınıflandırma algor...
Predicting the Academic Influence and Trending Research Topics
Yükselen, Murat; Karagöz, Pınar; Mutlu, Alev; Department of Computer Engineering (2022-9)
Predictions on academic research are thoroughly studied in the literature. In this thesis, we focus on two prediction problems in this domain. First we study the problem of topic adoption prediction for an author within a social academic network. We model the problem with an influence detection point of view, and propose that the influence on the author is an important factor. Hence, we define a novel influencee prediction based feature and developed an algorithm to calculate the influence propagated toward...
Control actuation systems and seeker units of an air-to-surface guided munition
Akkal, Elzem; Leblebicioğlu, Mehmet Kemal; Department of Electrical and Electronics Engineering (2003)
This thesis proposes a modification to an air to surface guided munition (ASGM) from bang-bang control scheme to continuous control scheme with a little cost. In this respect, time domain system identification analysis is applied to the control actuation system (CAS) of ASGM in order to obtain its mathematical model and controller is designed using pulse width modulation technique. With this modification, canards would be deflected as much as it is commanded to. Seeker signals are also post-processed to obt...
Adaptive neuro fuzzy inference system applications in chemical processes
Güner, Evren; Özgen, Canan; Leblebicioğlu, Kemal; Department of Chemical Engineering (2003)
Neuro-Fuzzy systems are the systems that neural networks (NN) are incorporated in fuzzy systems, which can use knowledge automatically by learning algorithms of NNs. They can be viewed as a mixture of local experts. Adaptive Neuro-Fuzzy inference system (ANFIS) is one of the examples of Neuro Fuzzy systems in which a fuzzy system is implemented in the framework of adaptive networks. ANFIS constructs an input-output mapping based both on human knowledge (in the form of fuzzy rules) and on generated input-out...
EXTRACTION OF INTERPRETABLE DECISION RULES FROM BLACK-BOX MODELS FOR CLASSIFICATION TASKS
GALATALI, EGEMEN BERK; ALEMDAR, HANDE; Department of Computer Engineering (2022-8-31)
In this work, we have proposed a new method and ready to use workflow to extract simplified rule sets for a given Machine Learning (ML) model trained on a classifi- cation task. Those rules are both human readable and in the form of software code pieces thanks to the syntax of Python programming language. We have inspired from the power of Shapley Values as our source of truth to select most prominent features for our rule sets. The aim of this work to select the key interval points in given data in order t...
Citation Formats
IEEE
ACM
APA
CHICAGO
MLA
BibTeX
O. Dulger, “Predicting Mathematics 1 Course Success by Using Hierarchical Adaptive Network Based Fuzzy Inference System,”
Pamukkale University Journal of Engineering Sciences
, pp. 166–173, 2014, Accessed: 00, 2020. [Online]. Available: https://hdl.handle.net/11511/51475.