Geri Dön

Makine öğrenmesi, topolojik veri analizi ve derin öğrenme modelleri ile EMG sinyal analizi

EMG signal analysis with machine learning, topological data analysis and deep learning models

PDF İndir

  1. Tez No: 878570
  2. Yazar: EMİN MOLLAHASANOĞLU
  3. Danışmanlar: DOÇ. DR. YUSUF SEVİM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Karadeniz Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 97

Özet

Bu tez çalışmasında Elektromiyografi (EMG) sinyallerinin etkili bir şekilde analizi amaçlanmıştır. Bu doğrultuda geleneksel makine öğrenmesi algoritmaları, topolojik veri analizi ve derin öğrenmeye dayalı algoritma yöntemleri içeren 3 farklı yaklaşım kullanılmıştır. İlk yöntemde, EMG sinyallerinden farklı özellikler çıkarılmıştır. Bu özelliklerin tek tek, ikili, üçlü ve dörtlü kombinasyonları kullanılarak sınıflandırma işlemi gerçekleştirilmiştir. Ayrıca, 128 sensör içinde elektriksel aktivite bilgisi az olan sensörler belirlenerek elemeye tabi tutulmuştur. Seçilen 120 sensör ve ikili özellik kombinasyonunda %99.75 başarım elde edilmiştir. İkinci yöntemde, EMG verisinin barkod diyagramı, kalıcılık diyagramı ve simpleks değerleri hesaplanarak topolojik yapısı analiz edilmiştir. 0.boyut yaşam süreleri özellik olarak kullanıldığında %70.26 başarım elde edilmiştir. Üçüncü yöntemde ise EMG verisi sürekli dalgacık dönüşümü yöntemi ile görüntüye dönüştürülmüştür ve önceden eğitilmiş derin öğrenme modelleri kullanılarak özellik çıkarımı gerçekleştirilmiştir. Elde edilen özellikler, kapsül ağına girdi olarak verilerek sınıflandırma işlemi gerçekleştirilmiştir. Bu yöntemle %97.32 başarım elde edilmiştir. Aynı zamanda EMG verisinden elde edilen korelasyon ısı haritaları görüntü olarak kullanılarak derin öğrenme modellerine girdi olarak verilip sınıflandırmaya tabi tutulmuştur.

Özet (Çeviri)

In this thesis study, it is aimed to analyze Electromyography (EMG) signals effectively. In this regard, three different approaches were used, including traditional machine learning algorithms, topological data analysis and deep learning-based algorithm methods. In the first method, different features are extracted from EMG signals. Classification was carried out using individual, double, triple and quadruple combinations of these features. Additionally, among the 128 sensors, sensors with low electrical activity information were identified and eliminated. 99.75% accuracy was achieved in the selected 120 sensor and binary feature combinations. In the second method, the topological structure of the EMG data was analyzed by calculating the barcode diagram, persistence diagram and simplex values. When 0th dimension lifetimes were used as features, 70.26% accuracy was obtained. In the third method, EMG data was converted to images using the continuous wavelet transform method and feature extraction was performed using pre-trained deep learning models. The obtained features were given as input to the capsule network and the classification process was carried out. A success rate of 97.32% was achieved with this method. At the same time, correlation heat maps obtained from EMG data were used as images and given as input to deep learning models and subjected to classification.

Benzer Tezler

  1. Tez No

    879686

    Machine-learning approaches for neurological disorder diagnosis from genomic and neuroimaging data

    Genomik ve nörogörüntüleme verilerinden nörolojik bozukluk teşhisi için makine öğrenmesi yaklaşımları

    İSMAİL BİLGEN

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BEHÇET UĞUR TÖREYİN

  2. Tez No

    768837

    Deep learning-based building segmentation using high-resolution aerial images

    Yüksek çözünürlüklü hava görüntüleri kullanarak derin öğrenme temelli bina bölütlemesi

    BATUHAN SARITÜRK

    Doktora

    İngilizce

    İngilizce

    2022

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. DURSUN ZAFER ŞEKER

  3. Tez No

    770074

    Data-driven design and analysis of next generation mobile networks for anomaly detection and signal classification with fast, robust and light machine learning

    Hızlı, Sağlam ve Hafif Makine Öğrenmesi ile Anormallik Algılaması ve Sinyal Sınıflandırması için Yeni Nesil Mobil Ağların Veriye Dayalı Tasarımı ve Analizi

    MUHAMMED FURKAN KUCUK

    Doktora

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiUniversity of South Florida

    Haberleşme Ana Bilim Dalı

    DOÇ. DR. İSMAİL UYSAL

  4. Tez No

    724182

    Konvolüsyonel sinir ağlarında ağ eğitiminin iyileştirilmesi

    Improving the network training in convolutional neural networks

    KÜBRA UYAR

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞAKİR TAŞDEMİR

  5. Tez No

    863331

    Örgüt topluluklarında yeni örgüt formlarının oluşumu: Türkiye ve Avrupa bağlamında bir araştırma

    Formation of new organizational forms in organizational populations: A study in the context of Türkiye and Europe

    SENCER ÖZEL

    Doktora

    Türkçe

    Türkçe

    2024

    İşletmeGalatasaray Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. NACİYE AYLİN ATAAY SAYBAŞILI

Geri Dön