Sezgisel algoritma öğrenmeli yapay sinir ağları ile epilepsi hastalığının teşhisi

dc.contributor.advisorKarakuzu, Cihan
dc.contributor.advisorTezel, Gülay
dc.contributor.authorYalçın, Nesibe
dc.date.accessioned2015-01-13T12:32:52Z
dc.date.available2015-01-13T12:32:52Z
dc.date.issued2012-01-10
dc.departmentEnstitüler, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalıen_US
dc.description.abstractBu 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.en_US
dc.description.abstractIn 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.en_US
dc.identifier.citationYalçın, N. (2012). Sezgisel algoritma öğrenmeli yapay sinir ağları ile epilepsi hastalığının teşhisi. Selçuk Üniversitesi, Yayımlanmış yüksek lisans tezi, Konya.en_US
dc.identifier.urihttps://hdl.handle.net/20.500.12395/1334
dc.language.isotren_US
dc.publisherSelçuk Üniversitesi Fen Bilimleri Enstitüsüen_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.selcuk20240510_oaigen_US
dc.subjectEylemsizlik ağırlığıen_US
dc.subjectGeri yayılım algoritmasıen_US
dc.subjectParçacık sürüsü optimizasyonuen_US
dc.subjectSezgisel algoritmalaren_US
dc.subjectSınırlama katsayısıen_US
dc.subjectYapay sinir ağlarıen_US
dc.subjectArtificial neural networksen_US
dc.subjectBack propagation algorithmen_US
dc.subjectConstriction factoren_US
dc.subjectHeuristic algorithmsen_US
dc.subjectİnertia weighten_US
dc.subjectParticle swarm optimizationen_US
dc.titleSezgisel algoritma öğrenmeli yapay sinir ağları ile epilepsi hastalığının teşhisien_US
dc.title.alternativeHeuristic algorithm basis artifical neural networks for epilepsy detectionen_US
dc.typeMaster Thesisen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Yükleniyor...
Küçük Resim
İsim:
6_removed (5).pdf
Boyut:
770.77 KB
Biçim:
Adobe Portable Document Format
Açıklama:
Nesibe Yalçın
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.71 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama: