Fiziksel ve Motor Engelli Çocukların Öz Bakım Problemlerinin Derin Sinir Ağları İle Sınıflandırılması

Authors : Abdulkadir KARACI

Pages : 333-341

Doi:10.2339/politeknik.522641

View : 33 | Download : 12

Publication Date : 2020-06-01

Article Type : Research Paper

Abstract :Fiziksel ve motor engellilik bazı bireysel ana yaşam aktivitelerini büyük ölçüde sınırlandıran bir bozukluktur. Bu bozukluklar dünyanın birçok ülkesinde çocukları etkilemektedir. Bunun yanı sıra fiziksel ve motor engelli bireylerin doktorlar tarafından uygun mesleki tedavilerle sınıflandırılmaları zor bir süreçtir. Çünkü değerlendirilmesi gereken birçok değişken vardır. Bu çalışmadaki amaç, fiziksel ve motor engelli çocukların öz bakım beceri problemlerini derin sinir ağlarını insert ignore into journalissuearticles values(DSA); kullanarak en az hata ile sınıflandırmaktır. Bu amaçla farklı parametrelere sahip DSA modelleri oluşturulmuştur. Modellerin oluşturulmasında gizli katman sayısı, gizli katmanlardaki nöron sayısı, aktivasyon fonksiyonu, optimizasyon algoritması, kayıp fonksiyonu ve epoch değeri parametreleri dikkate alınmıştır. Oluşturulan DSA modelleri SCADI insert ignore into journalissuearticles values(Self-Care Activities Dataset based on ICFCY); veri seti vasıtasıyla eğitilmiş ve test işlemi gerçekleştirilmiştir. Modellerin sınıflandırma performansları F-1 puanı, kesinlik insert ignore into journalissuearticles values(precision-P);, hassasiyet insert ignore into journalissuearticles values(recall-R); ve doğruluk insert ignore into journalissuearticles values(accuracy-ACC); metrikleri kullanılarak ortaya konulmuştur. En iyi sınıflandırma performansına sahip 8 modelin ayrıntıları sunulmuştur.  Elde edilen bulgulara göre en iyi sınıflandırma performansı Adadelta optimizasyon algoritmasını, Elu aktivasyon fonksiyonunu ve Categorical crossentropy kayıp fonksiyonunu kullanan DSA-1 modelinde elde edilmiştir. Bu modelin P, R, ACC ve F1 puanı değerleri 1’dir. Yani bu model fiziksel ve motor engelli çocukların öz bakım beceri problemlerini %100 doğrulukla tahmin etmektedir. Ayrıca, en iyi üç modelin insert ignore into journalissuearticles values(DSA-1, DSA-2 ve DSA-3); geçerliliğini artırmak için 10-fold çapraz doğrulama yöntemi ile eğitim ve test işlemi tekrar gerçekleştirilmiştir. Ortalama çapraz doğrulama accuracy değerleri sırasıyla %85.71,  % 85.71 ve % 87.14 olarak hesaplanmıştır. Mesleki terapistler, geliştirilen DSA modellerini öz bakım problemlerini teşhis etmede doğrulayıcı bir araç olarak kullanılabilirler.
Keywords : makine öğrenmesi, derin sinir ağı, fiziksel ve motor engellilik, öz bakım

ORIGINAL ARTICLE URL