COVID-19'lu ortamların dezenfeksiyonu için kullanılan insansız bir kara aracının (İKA) otomatik kontrolü
Automatic control of an unmanned land vehicle used for disinfection of environments with COVID-19
- Tez No: 742651
- Danışmanlar: DOÇ. DR. GÖKAY BAYRAK
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Dalgacık dönüşümleri, Elektroensefalografi, Karar ağacı, Makine öğrenmesi, Otomatik sistemler, Öğrenme teknikleri, Wavelet transforms, Electroencephalography, Decision tree, Machine learning, Automatic systems, Learning techniques
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Bursa Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Akıllı Sistemler Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, insansız bir kara aracının (İKA) beyin (EEG) sinyalleriyle kontrol edilebilmesi için makine öğrenmesi tabanlı hibrit bir yöntem önerilmiştir. Önerilen hibrit yöntemde, dalgacık dönüşümü ile EEG sinyallerinden gerekli öznitelik vektörleri elde edilmiş ve karar ağacı modeli kullanılarak bu öznitelik sinyalleri sınıflandırılmıştır. Sınıflandırıcı çıkışındaki sinyaller, İKA'nın uygun yönde hareket ettirilebilmesi amacı ile kullanılmıştır. Sistemin eğitimi için 41 kişiden EEG sinyal verileri alınmıştır. Veriler band geçirgen filtreler ile gürültüden arındırılmıştır. EEG sinyallerinden en iyi öz nitelik çıkarımının sağlanabilmesi için sürekli ve ayrık dalgacık dönüşümü yöntemlerinin performansı araştırılmıştır. Baskın özelliklerin yer aldığı bandların eğitim dosyası oluşturulmuştur. Eğitim dosyası k-Katlı Çapraz Doğrulama yöntemi (k-Fold Cross Validation) ile eğitilmiştir. Eğitilen modeller aynı test kümesi üzerinde denenmiş, EEG sinyallerinden elde edilen verilerle, İKA'nın sağ ve sol doğrultuda yönlendirilmesi tahmin edilmeye çalışılmıştır. Sağ ve sol yön tahmini sınıflandırması için bilinen makine öğrenmesi yöntemlerinden performansı en iyi olanın bulunması amaçlanmıştır. Modellerden elde edilen verilerin karşılaştırması sonucunda, ayrık dalgacık dönüşümü ile kullanılan karar ağacı modelinin, diğer modellere göre test verileri üzerinde en fazla doğruluk oranı % 83 ayrıca sürekli dalgacık dönüşümü ve topluluk öğrenmesi ile en fazla doğruluk oranı %95 verdiği sonucuna ulaşılmıştır.
Özet (Çeviri)
This study proposes a machine learning-based hybrid method to control an unmanned ground vehicle (UGV) with brain (EEG) signals. In the proposed hybrid method, necessary feature vectors were obtained from EEG signals with wavelet transform and these feature signals were classified using the decision tree model. The signals at the classifier's output are used to move the UGV in the appropriate direction. EEG signal data were taken from 41 people for the training of the system. The data are noise-free with bandpass filters. The performance of continuous and discrete wavelet transform methods has been investigated to obtain the best feature extraction from EEG signals. The training file of the bands with dominant features was created. The training file was trained with the k-Fold Cross Validation method. The trained models were tested on the same test set, and it was tried to predict the right and left direction of the UGV with the data obtained from the EEG signals. It is aimed to find the best performance among the known machine learning methods for right and left direction prediction classification. As a result of the comparison of the data obtained from the models, it was concluded that the decision tree model used with the discrete wavelet transform gave the highest accuracy rate of 83% on the test data compared to other models. In addition, it was concluded that the continuous wavelet transforms with ensemble learning give the highest accuracy rate of 95%.
Benzer Tezler
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- COVID-19'lu bireylere bakım veren hemşirelerde merhamet yorgunluğu, koronavirüs tükenmişlik düzeyi ve bu iki değişken arasındaki ilişki
Compassion fatigue, coronavirus burnout level and the relationship between these two variables in nurses who care for COVID-19 individuals
AYŞE ULUÇAY
Yüksek Lisans
Türkçe
2023
HemşirelikSivas Cumhuriyet ÜniversitesiHemşirelik Esasları Ana Bilim Dalı
PROF. DR. ŞERİFE KARAGÖZOĞLU
- COVID-19'lu hastalara bakım veren hemşirelerin ruhsal etkilenme durumlarının belirlenmesi
Determination of mental affect status of nurses caring for patients with COVID-19
HANIMGÜL DOKUMACI
Yüksek Lisans
Türkçe
2021
PsikiyatriEge ÜniversitesiRuh Sağlığı ve Hastalıkları Hemşireliği Ana Bilim Dalı
PROF. DR. MAHİRE OLCAY ÇAM
- COVID-19'lu hastalarda hastane içi mortaliteyi tahmin etmek için başvuru sırasındaki d-dimer ve fibrinojen seviyelerinin değerlendirilmesi
In hospital in patients with covid-19application to predict mortalityd-dimer and fibrinogenassessment of levels
ŞEYMA ARAS
Tıpta Uzmanlık
Türkçe
2022
BiyokimyaSağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
PROF. DR. EMİNE EMEKTAR
- COVID-19'lu hastayla riskli teması olan ve/veya COVID-19 tanısı alan sağlık çalışanlarında sosyal damgalanma ve sağlık anksiyetesi ilişkisinin değerlendirilmesi
Evaluation of social stigmatisation and health anxiety in healthcare workers with diagnosis of COVID-19 and/or have risky contact by a COVID-19 patient
BÜŞRA ERDİ IŞIK
Tıpta Uzmanlık
Türkçe
2021
Aile HekimliğiNecmettin Erbakan ÜniversitesiAile Hekimliği Ana Bilim Dalı
PROF. DR. FATMA GÖKŞİN CİHAN