Covid-19 ilişkili insani gelişim seviyesinin sınıflandırılması için yeni bir derin evrişimsel sinir ağı modeli
Yükleniyor...
Dosyalar
Tarih
2022
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
İnönü Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Pandemi sırasında alınan önlemlerin insanların yaşamları üzerinde kalıcı etkileri olmuştur. Ama diğer taraftan da ulusal ve çok taraflı kurumların insani gelişmeyi sağlama becerisine ilişkin yeni yönelimler ve yöntemleri geliştirmesine neden olmuştur. Çünkü bu pandemi sağlığı, ekonomiyi,eğitimi, sosyal hayatı ve birikmiş kazanımları etkileyen sistemik bir insani gelişme krizi haline gelmiştir. Bu tez çalışması sağlık, eğitim ve ekonomi üzerinde birleşik etkileri olan İnsani Gelişme Endeksi'nin (İGE) ilişkisinin pandemi faktörleri bağlamında nasıl ele alınması gerektiğini göstermektedir. İlk olarak, kamuya açık ve güvenilir bir kaynaktan alınan ülkelerin COVID-19 verileri ayıklanarak kabul edilebilir bir yapıya kavuşturulmuştur. Ardından, hangi değişkenlerin İGE ile yakından ilişkili olduğunu belirlemek ve Derin Evrişimli Sinir Ağı (DESA) modelinin daha doğru sonuçlar vermesini sağlamak için istatistiksel öznitelik seçimi uygulanmıştır. Zaman serisi veri görselleştirmesi için Sürekli Dalgacık Dönüşümü (SDD) ve scalogram yöntemleri kullanılmıştır. Her ülkenin üç farklı görüntüsü, işleme kolaylığı için birbirine nüfuz edecek şekilde tek bir görüntüde birleştirilirmiştir. Bu görüntüler çeşitli ön işleme süreçlerinden geçirilerek önceden eğitilmiş bir DESA modeli olan ResNet-50 ağının girişi için uygun hale getirilmiştir. Eğitim ve doğrulama işlemlerinden sonra ağın fc1000 katmanındaki öznitelik vektörleri çizilerek Destek Vektör Makinesi Sınıflandırıcısı (DVMS) girişine verilmiştir. Özgüllük (%88,2), duyarlılık (%96,5), kesinlik (%99), F1 Puanı (%94,9) ve MKK (%85,9) toplam performans metriklerine ulaşılmıştır. Ayrıca bayes optimizasyonuna dayalı hiper parametreli sınıflandırıcı ile COVİD-19 ve İGE arasındaki ilişkinin belirlenmesi üzerine bir çalışma yapılmıştır. Yapılan çalışma DESA modeli olan AlexNet ağı kullanılarak oluşturulmuş ve özgüllük (%96), duyarlılık (%72), kesinlik (%92), doğruluk (%85) ve F1 puanı (%80) metriklerine ulaşılmıştır.
The measures taken during the pandemic have had lasting effects on people's lives. On the other hand it has led national and multilateral institutions to develop new directions and methods of human development capability. Because, this pandemic become a systemic human development crisis affecting health, the economy, education, social life and accumulated gains. This study shows how the relationship of the Human Development Index (HDI), which has combined effects on health, education and the economy, should be considered in the context of pandemic factors. First, the COVID-19 data of the countries taken from a public and reliable source were extracted and made into an acceptable structure. Then, statistical feature selection was applied to determine which variables are closely related to HDI and to enable the Deep Convolutional Neural Network (DCNN) model to give more accurate results. Continuous Wavelet Transform (CWT) and scalogram methods are used for time series data visualization. Three different images of each country are merged into a single image, permeating each other for ease of processing. These images were made available for the input of the ResNet-50 network, a pre-trained DCNN model, by undergoing various preprocessing processes. After the training and validation processes, the feature vectors in the fc1000 layer of the network were drawn and given to the Support Vector Machine Classifier (SVMC) input. Specificity (88.2%), sensitivity (96.5%), precision (99.9%), F1 Score (94.9%) and Matthews Correlation Coefficient (MCC) (85.9%) total performance metrics were achieved. In addition, a study was conducted to determine the relationship between COVID-19 and the human development index using the hyperparameter classifier based on Bayesian optimization. The study was conducted using the AlexNet network that is one of the DCNN model. Then, specificity (96%), sensitivity (72%), precision (92%), Accuracy (85%), and F1 score (80%) metrics were achieved.
The measures taken during the pandemic have had lasting effects on people's lives. On the other hand it has led national and multilateral institutions to develop new directions and methods of human development capability. Because, this pandemic become a systemic human development crisis affecting health, the economy, education, social life and accumulated gains. This study shows how the relationship of the Human Development Index (HDI), which has combined effects on health, education and the economy, should be considered in the context of pandemic factors. First, the COVID-19 data of the countries taken from a public and reliable source were extracted and made into an acceptable structure. Then, statistical feature selection was applied to determine which variables are closely related to HDI and to enable the Deep Convolutional Neural Network (DCNN) model to give more accurate results. Continuous Wavelet Transform (CWT) and scalogram methods are used for time series data visualization. Three different images of each country are merged into a single image, permeating each other for ease of processing. These images were made available for the input of the ResNet-50 network, a pre-trained DCNN model, by undergoing various preprocessing processes. After the training and validation processes, the feature vectors in the fc1000 layer of the network were drawn and given to the Support Vector Machine Classifier (SVMC) input. Specificity (88.2%), sensitivity (96.5%), precision (99.9%), F1 Score (94.9%) and Matthews Correlation Coefficient (MCC) (85.9%) total performance metrics were achieved. In addition, a study was conducted to determine the relationship between COVID-19 and the human development index using the hyperparameter classifier based on Bayesian optimization. The study was conducted using the AlexNet network that is one of the DCNN model. Then, specificity (96%), sensitivity (72%), precision (92%), Accuracy (85%), and F1 score (80%) metrics were achieved.
Açıklama
Anahtar Kelimeler
COVID 19, Dalgacık dönüşümleri, Derin öğrenme
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Gökhan, Ş. (2022). Covid-19 ilişkili insani gelişim seviyesinin sınıflandırılması için yeni bir derin evrişimsel sinir ağı modeli. Yayınlanmış Yüksek Lisans Tezi. İnönü Üniversitesi, Malatya.
