Geri Dön

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

PDF İndir

  1. Tez No: 742651
  2. Yazar: KÜBRA İZCİ
  3. Danışmanlar: DOÇ. DR. GÖKAY BAYRAK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Bursa Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Akıllı Sistemler Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 52

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

  1. Tez No

    706027

    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

    Türkçe

    2022

    Anestezi ve ReanimasyonSağlık Bilimleri Üniversitesi

    Acil Tıp Ana Bilim Dalı

    PROF. DR. EMİNE EMEKTAR

  2. Tez No

    706258

    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

    Türkçe

    2021

    Aile HekimliğiNecmettin Erbakan Üniversitesi

    Aile Hekimliği Ana Bilim Dalı

    PROF. DR. FATMA GÖKŞİN CİHAN

  3. Tez No

    706995

    COVID-19'lu bireylerin yaşam deneyimleri: Nitel bir çalışma

    Life experiences of individuals with COVID-19: A qualitative study

    CEYLAN GÜLMEZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    HemşirelikAtatürk Üniversitesi

    Psikiyatri Hemşireliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ KÜBRA GÖKALP

  4. Tez No

    719020

    COVİD-19'lu hastaların fiziksel aktivite düzeylerinin yaşam kalitesine etkisinin incelenmesi

    Investigation of the effect of physical activity levels on quality of life of patients with COVID-19

    CANAN SEVER

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    SporGaziantep Üniversitesi

    Beden Eğitimi ve Spor Ana Bilim Dalı

    DOÇ. DR. FIRAT AKCAN

  5. Tez No

    782575

    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

    Türkçe

    2023

    HemşirelikSivas Cumhuriyet Üniversitesi

    Hemşirelik Esasları Ana Bilim Dalı

    PROF. DR. ŞERİFE KARAGÖZOĞLU

Geri Dön