Sezgisel algoritma öğrenmeli yapay sinir ağları ile epilepsi hastalığının teşhisi
Yükleniyor...
Dosyalar
Tarih
2012-01-10
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Selçuk Üniversitesi Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Bu tez çalışmasında, Elektroansefalogram (EEG) kayıtlarının değerlendirilip epilepsi teşhisinin yapılabilmesi amaçlanmıştır. Bunun için sınıflandırma aracı olarak son yıllarda sıkça kullanılan ve etkin bir sınıflandırma tekniği olarak bilinen yapay sinir ağları kullanılmıştır. Öğrenme algoritması olarak 1995 yılında ortaya atılan bir sezgisel algoritma olan parçacık sürüsü optimizasyonu (PSO) yöntemi tercih edilmiştir. Yapay sinir ağını eğitmek için kullanılan bu yöntem, geleneksel yöntemlerden biri olan geri yayılım algoritması ile kıyaslanmış ve sonuçlar yorumlanmıştır. PSO algoritması kullanılması durumunda, sınıflandırma doğruluğu %98 bulunmuştur. PSO tabanlı sinir ağı modeli, geri yayılım sinir ağı (BPNN) modeline göre daha iyi sınıflandırma gerçekleştirmiştir. 7 tane PSO tabanlı yapay sinir ağı (PSONN) modeli (PSONN1, PSONN2, PSONN3, PSONN4, PSONN5, PSONN6 ve PSONN7) tanımlanmıştır. BPNN ve PSONN modellerinin algoritmasının yazılımı Matlab programlama dili ile gerçekleştirilmiştir. Modeller içerisinde sınıflandırma için en uygun olan modeller, PSONN3 ve PSONN7 olarak belirlenmiştir. Ayrıca, farklı hücre, iterasyon ve parçacık sayıları denenmiş, en uygun değerler sırasıyla 3, 200 ve 30 olarak bulunmuştur.
In this thesis, it was aimed that making epilepsy diagnosis by evaluation of Electroencephalogram (EEG) records. For this, as the classifier, a technique, which is frequenctly used and known as an active classification technique, artificial neural networks is used. As training algorithm, particle swarm optimization (PSO) method, which is a proposed heuristic algorithm in 1995, is prefered. This method which is proposed to evolve the artificial neural network is compared with back propagation algorithm, which is one of the traditional methods and the results are interpreted. In case of using the PSO algorithm, the classification accuracy was %98. PSO based neural network model (PSONN) has a better classification than back-propagation neural network (BPNN) model. Seven PSO based neural network models is described. The designed algorithm of PSONN?s and BPNN models was developed via MATLAB programming language. In these models, PSONN3 and PSONN7 is determined as appropriate models for the classification. In addition, different number of neuron, iteration and particle have been tried and most appropriate values of these are 3, 200 and 30, respectively.
In this thesis, it was aimed that making epilepsy diagnosis by evaluation of Electroencephalogram (EEG) records. For this, as the classifier, a technique, which is frequenctly used and known as an active classification technique, artificial neural networks is used. As training algorithm, particle swarm optimization (PSO) method, which is a proposed heuristic algorithm in 1995, is prefered. This method which is proposed to evolve the artificial neural network is compared with back propagation algorithm, which is one of the traditional methods and the results are interpreted. In case of using the PSO algorithm, the classification accuracy was %98. PSO based neural network model (PSONN) has a better classification than back-propagation neural network (BPNN) model. Seven PSO based neural network models is described. The designed algorithm of PSONN?s and BPNN models was developed via MATLAB programming language. In these models, PSONN3 and PSONN7 is determined as appropriate models for the classification. In addition, different number of neuron, iteration and particle have been tried and most appropriate values of these are 3, 200 and 30, respectively.
Açıklama
Anahtar Kelimeler
Eylemsizlik ağırlığı, Geri yayılım algoritması, Parçacık sürüsü optimizasyonu, Sezgisel algoritmalar, Sınırlama katsayısı, Yapay sinir ağları, Artificial neural networks, Back propagation algorithm, Constriction factor, Heuristic algorithms, İnertia weight, Particle swarm optimization
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Yalçın, N. (2012). Sezgisel algoritma öğrenmeli yapay sinir ağları ile epilepsi hastalığının teşhisi. Selçuk Üniversitesi, Yayımlanmış yüksek lisans tezi, Konya.
