Geri Dön

EMG işaretleri kullanılarak yorgunluk seviyelerinin neuro-fuzzy ve ysa ile sınıflandırılması

Level of fatique EMG signals classification by using neuro-fuzzy and artifical neural networks

  1. Tez No: 252534
  2. Yazar: HÜLYA EJDERHA
  3. Danışmanlar: PROF. DR. M. KEMAL KIYMIK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2009
  8. Dil: Türkçe
  9. Üniversite: Kahramanmaraş Sütçü İmam Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 92

Özet

Bu çalışmada EMG işareti gibi durağan olmayan rasgele işaretler Fourier analizi gibi klasik yöntemlerle analiz edilemediklerinden dolayı, EMG işaretlerinin kısa süreli Fourier analizi ile zaman-frekans analizlerinin yapılarak işaretin öznitelikleri çıkarılmıştır.Elde edilen bu öznitelikler YSA ve Neuro-Fuzzy mimarisi ANFİS sistemlerde giriş olarak kullanılarak EMG işareti yorgunluk seviyelerine göre MATLAB 7.1 yazılım ortamında sınıflandırma yapmak amaçlanmıştır.Elde edilen bulguların grafiklerinden de anlaşılacağı üzere ANFİS yapısının YSA'ya göre sınıflandırma probleminde kullanılması daha başarılı olmuştur.Sinir ağının öğrenme katsayısı, aktivasyon fonksiyon değerleri gizli katman sayısı ve gizli katman nöron sayısının değişimlerine göre sinir ağının performansı değişmektedir.Bu değerler deneysel sonuçlara göre en uygun duruma getirilmiştir.

Özet (Çeviri)

In this study, EMG signal such as non-stationary random signal's attributes was established by short-term Fourier analysis of EMG signal analysis with the time-frequency signal attributes that can not analysis with Fourier analysis with tradiditional methods.Obtained from these attributes classified according to the level of fatique EMG signal in MATLAB 7.1 with using as input in ANFİS system that YSA and Neuro-Fuzzy architecture.The results can be understood from the graph, according to YSA structure of ANFİS used in the classification problem has been more successful.Performance of the neural network varies accordig to the neural network learning coeffient, activationfunction values, the number of hidden layers and hidden layer varies according to the variations in the number of neurons.Experimantal results show that these values ar cambined into the most appropriate cases.

Benzer Tezler

  1. E-health kalkan ve Arduino kullanılarak çoklu fizyolojik işaretlerin bilgisayar ortamında görüntülenmesi

    Viewing multiple physiological signs in computer system using e-health shield and Arduino

    HASAN DİNÇER EKMEKCİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAfyon Kocatepe Üniversitesi

    İnternet ve Bilişim Teknolojileri Yönetimi Ana Bilim Dalı

    DOÇ. DR. UÇMAN ERGÜN

  2. Dirsek üstü kol protezinin Y.S.A. kullanılarak DSP tabanlı bir devre ile gerçek zamanda kontrolü

    Upper extremity arm prostheses's real time control using A.N.N. with a circuit based on DSP

    CAN BÜLENT FİDAN

    Doktora

    Türkçe

    Türkçe

    2001

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF.DR. HALİT PASTACI

  3. EMG işaretlerinin sınıflandırılması ve öbekleştirilmesi

    Classification and clustering of EMG signals

    MÜCAHİD GÜNAY

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    Elektrik ve Elektronik MühendisliğiKahramanmaraş Sütçü İmam Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. AHMET ALKAN

  4. Polisomnografi işaretleri kullanılarak yapay sinir ağları ve uyarlamalı sinirsel bulanık mantık sistemi ile uyku ve uyku apnesinin skorlanması

    Sleep and sleep apnea scoring with artificial neural networks and adaptive-network-based fuzzy inference systems using polysomnography signals

    OSMAN AYDOĞAN

    Doktora

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiErciyes Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. KERİM GÜNEY

  5. EMG sinyallerinin yapay sinir ağı kullanılarak sınıflandırılması

    Classification of EMG signals using artificial neural network

    SABRİ KOÇER

    Doktora

    Türkçe

    Türkçe

    2005

    Elektrik ve Elektronik MühendisliğiGazi Üniversitesi

    Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı

    PROF.DR. NİHAL FATMA GÜLER