Geri Dön

A Neural network approach for classification of mental oisonters

Yapay sinir ağları yardımıyla zihinsel bozuklukların sınıflandırılması

  1. Tez No: 90683
  2. Yazar: KORAL TÜRKKAN
  3. Danışmanlar: PROF. DR. ERSİN TULUNAY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Yapay Sinir Ağları, Yinelenen Ağ, Zamanda Geriye Yayılım, EEG, Neurometric Analiz, Otizm, PDDNOS, ADHD, LD+ADHD. iv tc yükseköğretim KURüLü sjokûmantasyon merkez, Elektroensefalografi, Mental bozukluklar, Sınıflandırma, Neural Networks, Recurrent Network, Backpropagation Through Time, EEG, Neurometric Analysis, Autism, PDDNOS, ADHD, LD+ADHD. Ill, Electroencephalography, Mental disorders, Classification, Artificial neural networks
  7. Yıl: 1999
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

oz YAPAY SINIR AĞLARI YARDIMIYLA ZİHİNSEL BOZUKLUKLARIN SINIFLANDIRILMASI Türkkan, Koral Yüksek Lisans, Elektrik ve Elektronik Mühendisliği Bölümü Tez Yöneticisi: Prof. Dr. Ersin Tulunay Aralık 1999, 58 sayfa Bu çalışmada, zihinsel bozuklukların yapay sinir ağlan yöntemiyle sınıflandırılması sunulmuştur. Hem statik, hem zamansal olarak değişen giriş verileri incelenmiştir. Temel katkılar şunlardır: 1. Yapay sinir ağlarının çok komplike ve doğrusal olmayan bir sürece uygulanması, 2. Sınırlı ve düzgün dağılmamış verinin organizasyonu, 3. Geriye yayılım algoritmasında modifikasyon yapılması, 4. Girişlerin göreli önemi incelenerek zihinsel bozuklukların dinamikleri hakkında bilgi edinilmesi, 5. Yinelenen ağ yapısı ve zamanda geriye yayılım metodunun incelenmesi, 6. İşlenmemiş EEG verisi tayf analizinin ağ eğitiminde kullanılması, 7. EEG verilerinin yapay sinir ağlan ve neurometric analiz kullanılarak sınıflandırılması ve sonuçlarının karşılaştınlması. Yapay sinir ağlarının neurometric analize göre daha iyi sonuç verdiği bulunmuştur. Eğitilen yapay sinir ağları içinde en iyi sonuç otizm ve PDDNOS arasında %75, LD, ADHD, LD+ADHD ve normal denekler arasında %65 olarak gerçekleşmiştir.

Özet (Çeviri)

ABSTRACT A NEURAL NETWORK APPROACH FOR CLASSIFICATION OF MENTAL DISORDERS Türkkan, Koral M. S., Department of Electrical and Electronics Engineering Supervisor: Prof. Dr. Ersin Tulunay December 1999, 58 pages In this study, a neural network approach for classification of mental disorders is presented. Both static and time varying input data are examined. The main contributions are: 1. Application of neural networks to a highly nonlinear, complex process, 2. Organization of a limited and unevenly distributed data, 3. Performing modifications to backpropagation algorithm, 4. Examining relative significance of inputs in order to get knowledge about dynamics of mental disorders, 5. Investigating recurrent network topology and backpropagation through time method, 6. Using spectrum analysis of unprocessed EEG data for the training of the network, 7. Classification of EEG data using neural networks and neurometric analysis and comparing the results. It is found that neural networks give better results than the neurometric analysis method. Among the trained neural networks, best result is achieved as 75% correct classification between autism and PDDNOS and 65% correct classification between LD, ADHD, LD+ADHD and normal cases.

Benzer Tezler

  1. Tez No

    698933

    Optimizing emotion recognition in EEG signals using optimization algorithm and deep neural network

    Optimizasyon algoritması ve derin nöral ağı kullanarak EEG sinyallerinde duygu tanıma optimize edilmesi

    RADHWAN AL-JANABI

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgi Teknolojileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖVGÜ ÖZTÜRK ERGÜN

  2. Tez No

    980290

    A real tıme mental stress predıctıon usıng multı-modal sensor data and explaınable aı (XAI)

    Çok modlu sensör verileri ve açıklanabilir yapay zeka (XAİ) kullanarak gerçek zamanlı zihinsel stres tahmini

    HEBA H.M. JADALLAH

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilim ve Teknolojiİstanbul Aydın Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    Prof. Dr. RAFET AKDENİZ

    PROF. DR. MHD WASIM RAED

  3. Tez No

    1010622

    Dikkat eksikliği ve hiperaktivite bozukluğu olan çocuklarda davranım bozukluğu gelişme riskini yordayan faktörlerin makine öğrenmesi yöntemiyle değerlendirilmesi

    Machine learning assessment of risk factors for conduct disorders in childrens with attention deficit hyperactivity disorder

    BÜŞRA ÇAĞIR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2026

    PsikiyatriErciyes Üniversitesi

    Çocuk ve Ergen Ruh Sağlığı ve Hastalıkları Ana Bilim Dalı

    DOÇ. DR. SEVGİ ÖZMEN

  4. Tez No

    787786

    Sayısal haritalama teknikleri kullanılarak DNA dizilimleri üzerinden lösemi hastalığının temel türlerinin yapay zeka tabanlı algoritmalar ile sınıflandırılması

    Classification of main types of leukemia disease with artificial intelligence-based algorithms on the DNA sequences using digital mapping techniques

    FATMA AKALIN

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. NEJAT YUMUŞAK

  5. Tez No

    1019628

    Kaotik sinir ağları ile EEG analizi

    EEG analysis with chaotic neural networks

    BİLAL OĞRAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    Elektrik ve Elektronik MühendisliğiDicle Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUHİTTİN BAYRAM

Geri Dön