+90(533) 652 66 86
nwsa.akademi@hotmail.com
Fırat Akademi Samsun-Türkiye
| Cover Download | Context Page Download |
Bu çalışmada Long Short-Term Memory (LSTM) derin sinir ağı (DSA) ile üniversite giriş sınavındaki matematik testinin soru sayılarının tahmin edilmesi için bir model önerilmiştir. Modelin veri kümesi 1981-2018 yıllarına ait sınavların matematik testinin 16 farklı konuya göre ayrılmış 931 soru sayısı verisinden oluşmaktadır. Veri kümesi %80’ı modelin eğitilmesi, %20’u testi için ayrılmıştır. LSTM modelde zaman serisi tahmin problemlerinde yüksek doğruluk sağlanması için hiper parametreleri belirlenmiştir. Her konu gruba ait soru sayıları zaman serisi modelde ayrı ayrı eğitilmiştir. Çalışma sonucunda eğitimde ortalama % 98,42, testte ortalama % 96,82 doğruluk elde edilmiştir. Kullanılan DSA algoritmasının başarısının ölçülmesi için veri kümesi makine öğrenme algoritmalarında test edilerek ile kıyaslanmıştır. Bunun sonucunda LSTM DSA, en yüksek başarımı sağlamıştır. Çalışma sonucu olarak modelden elde edilen doğruluğun yüksek olması, ilerleyen çalışmalarda soru tahmin robotların geliştirilmesine imkân sağlayacaktır.
Keywords
Derin Sinir Ağı,
LSTM,
Tahmin,
Time Series Model,
Yapay Zeka,
In this study, we proposed a model for estimating the number of questions in the long short term memory (LSTM) deep neural network (DNN) and the mathematics test in the university entrance exam. The data set of the model consists of 931 questions divided according to 16 subjects of the mathematics test for the years 1981-2018. The data set is divided into 80% for the training of the model and 20% for the test. Hypercritical parameters have been determined to provide high accuracy in time series estimation problems in the LSTM model. The number of questions for each subject group has been trained one by one in the time series model. As a result of the study, the average accuracy was 98.42% and the average accuracy was 96.82% in the test. The data set was compared with machine learning algorithms to measure the accuracy of the DNN algorithm used and LSTM DSA achieved the highest performance. As a result of study, the future studies will provide the development of robots to predict because of the high accuracy of the model.
Keywords
LSTM,
Prediction,
Deep Neural Network,
Time Series Model,
Yapay Zeka,
|
Authors |
|
|||
|
|
||||
|
Supporting Institution |
: | |||
|
|
||||
|
Project Number |
: | |||
|
|
||||
|
Thanks |
: | |||