Abstract

Bu çalışmada, Yapay sinir ağları ile Judo müsabaka sonuçlarının tahmin edilmesi amaçlanmaktadır. Bu amaç doğrultusunda yapay sinir ağında katman sayıları, nöron sayıları ve optimizasyon yöntemleri (SGD, RMSprop, Adam, Adadelta, Adagrad, Adamax, Nadam) hiperparametleri ile 21 farklı model oluşturulmuştur. Çalışmanın örneklemini 2017:01-2021:03 tarihleri arasında uluslararası büyükler judo müsabakalarında yarışan 7758 sporcu oluşturmaktadır. Bu dönemde yapılan 53775 judo müsabakasından elde edilen verilerden her sporcuya ait 14 farklı öznitelik hesaplanmıştır. Müsabık iki sporcuya ait öznitelikler sinir ağının giriş katmanına gönderilerek 28 adet girdi verisi 1 adet çıktı verisi oluşturulmuştur. Uygulama, tek gizli katmanında 64 nöron, iki gizli katmanında sırasıyla 32-64 nöron ve üç gizli katmanında sırasıyla 64-128-64 nöron bulunan sinir ağında yedi ayrı optimizasyon yöntemi ile sırasıyla eğitilmiştir. Uygulama sonucunda en başarılı modelin (%78.6 doğruluk, %44.4 hata) tek katmanında 64 nöron, RMSprop optimizasyon yöntemi kullandığı belirlenmiştir. Başarı oranı en düşük modelin (%74.1 doğruluk, %51.8 hata) iki gizli katmanında 32-64 nöron, Adadelta optimizasyon yöntemi kullandığı belirlenmiştir. Optimizasyon yöntemlerinden RMSprop ve Adamax’ın diğer yöntemlere kıyasla daha başarılı olduğu, Adadelta yönteminin ise daha başarısız olduğu belirlenmiştir. Sonuç olarak uygun veri seti ve hiperparametreler kullanılarak Judo müsabaka sonuçlarının yapay sinir ağları ile tahmin edilebileceği ortaya konulmuştur

Talk to us

Join us for a 30 min session where you can share your feedback and ask us any queries you have

Schedule a call

Disclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.