Geri Dön

Sezgisel algoritma öğrenmeli yapay sinir ağları ile epilepsi hastalığının teşhisi

Heuristic algorithm basis artifical neural networks for epilepsy detection

  1. Tez No: 302510
  2. Yazar: NESİBE YALÇIN
  3. Danışmanlar: YRD. DOÇ. DR. CİHAN KARAKUZU, YRD. DOÇ. DR. GÜLAY TEZEL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2012
  8. Dil: Türkçe
  9. Üniversite: Selçuk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Data driven optimization and applications in complex real-life problems

    Veri güdümlü optimizasyon ve kompleks gerçek hayat problemlerinde uygulamaları

    NURULLAH GÜLEÇ

    Doktora

    İngilizce

    İngilizce

    2024

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ÖZGÜR KABAK

  2. Order dispatching via deep reinforcement learning

    Başlık çevirisi yok

    ERAY MERT KAVUK

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AYŞE TOSUN KÜHN

  3. 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

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ERSİN KAYA

  4. 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

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilişim Teknolojileri Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM ALPASLAN ALTUN

  5. 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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı

    PROF. DR. NUMAN ÇELEBİ