Learning transferability of cognitive tasks by graph generation for brain decoding
Beyin çözümlemesi için bilişsel görevlerin aktarılabilirliğinin grafik üretimi ile öğrenimi
- Tez No: 717935
- Danışmanlar: PROF. DR. FATOŞ TUNAY YARMAN VURAL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Beyin çözümlemesi beyin taraması verilerini temel alarak, bazı istatistiksel tekniklerin kullanımı ile bilişsel durumlar arasındaki ilişkiyi anlamak için insan beyninin bilişsel durumunu analiz etmeyi içermekte. Beyin verisini elde etmek için denek sosyal aktivite, duygu işleme, oyun oynama, hafıza gibi bilişsel görevleri yapmaktayken her zaman anında 3 boyutlu beyin hacmi üreten fonksiyonel manyetik rezonans görüntüleme (fMRI) güçlü bir araç olarak karşımıza çıkmakta. Ancak derin sinir ağlarını eğitmeye istatistiksel olarak yetecek veri elde etmek hem çok zor hem de zaman almakta. Veri üretmeye başka bir seçenek de halihazırda varolan istatistiksel olarak benzer veriyi tekrar kullanarak mevcut verideki bilgiyi görece küçük veri kümesine aktarmak. Bu tezde fMRI verilerine dayanarak, tanımlı bilişsel görevler arasındaki ilişkileri gösteren bir çizge oluşturmak ve doğrulamak için bir işlem dizisi yöntemi önermekteyiz. Bilişsel görevler arasındaki yakınlığı bir çok denekten toplanan fMRI veri kümesi üzerinde, aktarım performansını öğrenilmiş gizli sunumları kullanarak karşılaştıran mevcut bir uçtan uca yöntemi kullanarak ölçmekteyiz. Ama, farklı denekler üzerinde yapılan ölçümlerin değişkenliğinden dolayı sonuçlar da büyük oranda değişkenlik göstermekte. Bu değişkenlikleri hem doğrulamak hem de düzenlemek için, dengesiz veri üzerinde eğitilmiş ikili sınıflandırıcılarının performansını kullanmaktayız. Son adımda, kenarları başka veri kümelerinde aktarım öğrenimini geliştirme potansiyeli olan bilişsel görevler arasındaki olası ilişkileri tanımlayan bir çizge oluşturmaktayız.
Özet (Çeviri)
Brain decoding involves analyzing the cognitive states of human brain by using some statistical techniques in order to understand the relations among the cognitive states, based on neuroimaging data. A very powerful tool to acquire the brain data is functional magnetic resonance images (fMRI), which generates three-dimensional brain volume at each time instant, while a subject performs a cognitive task involving social activities, emotion processing, game playing, memory etc. However, it is very difficult and time-consuming to acquire data, which is statistically sufficient to train a deep neural network. An alternative to generate data is to reuse the available statistically similar data, so that the information of the available data can be transferred to relatively small datasets. In this thesis, we propose a pipeline method to create and verify a graph, which shows the relations among well-defined cognitive tasks, based on fMRI data. We measure the affinity between the cognitive tasks on an fMRI dataset gathered from multiple subjects using the adaptation of an existing end-to-end method which compares transferring performance between the cognitive tasks using learned latent representations. However, due to high variance between measurements on different subjects, the results vary greatly. In order to both verify and regulate the differences, we use the performance of the binary classifiers trained on imbalanced data. In the last step, we generate a graph, where the edges are the possible relations between the cognitive tasks which have the potential to improve transfer learning in other datasets.
Benzer Tezler
- Grafik tasarımcının yeni aracı: Yapay zekâ
Artificial intelligence: A new tool for graphic designers
BERKEM BULUT
- DA4HI: A deep learning framework for facial emotion recognition in affective systems for children with hearing impairments.
DA4HI: İşitme engelli çocuklar için duyuşsal sistemlerde yüzdeki duyguların tanınması maksadıyla geliştirilen derin öğrenme modeli.
CEMAL GÜRPINAR
- Mimarlık stüdyosunda öğretim yöntemleri ve medyanın etkililiği: Bilişsel yük kuramı ve yapılandırmacı öğrenme perspektifinden bir analiz
Effectiveness of instructional methods and media in the architecture studio: An analysis from the perspectives of cognitive load theory and constructivist learning
ÇETİN TÜKER
- 2018-2021 yılları arası OKIMS matematik alt testi sorularının öğrenme alanları ve RBT boyutlarına göre incelenmesi
Examination of OKIMS mathematics sub-test questions according to learning areas and RBT dimensions between 2018-2021
UĞUR YILMAZ
Yüksek Lisans
Türkçe
2022
Ondokuz Mayıs ÜniversitesiMatematik ve Fen Bilimleri Eğitimi Ana Bilim Dalı
Yükleniyor...
- Knowledge networks and cognitive communities in clusters: The case of ICT cluster of METU Technopolis and agricultural tools and machinery cluster of Konya
Kümelenmelerdeki bilgi ağları ve bilişsel topluluklar: ODTÜ teknopark bilişim kümelenmesi ve Konya tarım alet ve makineleri kümelenmesi
SUNA SENEM YAŞAR
