Sezgisel algoritma öğrenmeli yapay sinir ağları ile epilepsi hastalığının teşhisi
Heuristic algorithm basis artifical neural networks for epilepsy detection
- Tez No: 302510
- Danışmanlar: YRD. DOÇ. DR. CİHAN KARAKUZU, YRD. DOÇ. DR. GÜLAY TEZEL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 79
Özet
Bu tez çalışmasında, Elektroansefalogram (EEG) kayıtlarının değerlendirilip epilepsi teşhisininyapılabilmesi amaçlanmıştır. Bunun için sınıflandırma aracı olarak son yıllarda sıkça kullanılan ve etkinbir sınıflandırma tekniği olarak bilinen yapay sinir ağları kullanılmıştır. Öğrenme algoritması olarak 1995yılında ortaya atılan bir sezgisel algoritma olan parçacık sürüsü optimizasyonu (PSO) yöntemi tercihedilmiştir. Yapay sinir ağını eğitmek için kullanılan bu yöntem, geleneksel yöntemlerden biri olan geriyayılım algoritması ile kıyaslanmış ve sonuçlar yorumlanmıştır. PSO algoritması kullanılmasıdurumunda, sınıflandırma doğruluğu %98 bulunmuştur. PSO tabanlı sinir ağı modeli, geri yayılım sinirağı (BPNN) modeline göre daha iyi sınıflandırma gerçekleştirmiştir.7 tane PSO tabanlı yapay sinir ağı (PSONN) modeli (PSONN1, PSONN2, PSONN3, PSONN4,PSONN5, PSONN6 ve PSONN7) tanımlanmıştır. BPNN ve PSONN modellerinin algoritmasının yazılımıMatlab programlama dili ile gerçekleştirilmiştir. Modeller içerisinde sınıflandırma için en uygun olanmodeller, PSONN3 ve PSONN7 olarak belirlenmiştir. Ayrıca, farklı hücre, iterasyon ve parçacık sayılarıdenenmiş, en uygun değerler sırasıyla 3, 200 ve 30 olarak bulunmuştur.
Özet (Çeviri)
In this thesis, it was aimed that making epilepsy diagnosis by evaluation ofElectroencephalogram (EEG) records. For this, as the classifier, a technique, which is frequenctly usedand known as an active classification technique, artificial neural networks is used. As training algorithm,particle swarm optimization (PSO) method, which is a proposed heuristic algorithm in 1995, is prefered.This method which is proposed to evolve the artificial neural network is compared with back propagationalgorithm, which is one of the traditional methods and the results are interpreted. In case of using the PSOalgorithm, the classification accuracy was %98. PSO based neural network model (PSONN) has a betterclassification than back-propagation neural network (BPNN) model.Seven PSO based neural network models is described. The designed algorithm of PSONN?s andBPNN models was developed via MATLAB programming language. In these models, PSONN3 andPSONN7 is determined as appropriate models for the classification. In addition, different number ofneuron, iteration and particle have been tried and most appropriate values of these are 3, 200 and 30,respectively.
Benzer Tezler
- Data driven optimization and applications in complex real-life problems
Veri güdümlü optimizasyon ve kompleks gerçek hayat problemlerinde uygulamaları
NURULLAH GÜLEÇ
Doktora
İngilizce
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZGÜR KABAK
- Order dispatching via deep reinforcement learning
Başlık çevirisi yok
ERAY MERT KAVUK
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE TOSUN KÜHN
- Parçacık sürü optimizasyonu kullanarak makine öğrenmesi ile konuşma tanıma performansının artırılması
Improved speech recognition performance with machine learning using particle swarm optimization
ARZO MOHAMMED MAHMOOD MAHMOOD
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERSİN KAYA
- Yapay sinir ağı eğitimi için çoklu evren optimizasyonu ve tavlama benzetimi algoritması ile yeni bir melez meta-sezgisel model önerisi
A new hybrid meta-heuristic model proposal with multiverse optimization and simulated annealing algorithm for artificial neural network training
ÖMER YILMAZ
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilişim Teknolojileri Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM ALPASLAN ALTUN
- Dynamic heuristic approach to enhance the performance of few-shot meta-learning
Az örnekle meta-öğrenmenin performansını artırmak için dinamik heuristik bır yaklaşım
ÖMER MİRHAN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. NUMAN ÇELEBİ