Farklı makine öğrenme yöntemleri ile Hamstring ve Kuadriseps kas gücü tahmini için egzersize dayalı olmayan yeni modellerin geliştirilmesi

Hamstring ve Kuadriseps isimli iki tür üst bacak kası, atletlerin spor performanslarıyla yakından ilgilidir. Hamstring ve Kuadriseps kaslarının üstün izokinetik test teknikleriyle ölçümünden gerçeğe yakın sonuçlar elde edilebilmesine rağmen bu yöntemlerin belirli zorlukları ve sınırlamaları vardır. Bu çalışmanın temel amacı, üniversite çağındaki atletlerin Hamstring ve Kuadriseps kas güçlerinin Destek Vektör Makineleri (SVM), Çok Katmanlı Algılayıcılar (MLP), Radyal Temel Fonksiyon Yapay Sinir Ağları (RBFNN), ve Tekli Karar Ağaçları (SDT) kullanılarak daha yeni ve kapsamlı tahmin modelleri oluşturulmasıdır. Tahmin hatalarının hesaplanması için Ortalama Hata Kareleri Toplamı Karekökü (RMSE) ve Çoklu Korelasyon Katsayısı (R) değerleri kullanılmıştır. Temel olarak elde edilen sonuçlara bakıldığında başta SVM olmak üzere makine öğrenme metodlarının kabul edilebilir ve doğru sonuçlar vermesi nedeniyle Hamstring ve Kuadriseps kas gücü tahmininde kullanılabileceği kanıtlanmıştır.