A Neural network approach for classification of mental oisonters
Yapay sinir ağları yardımıyla zihinsel bozuklukların sınıflandırılması
- Tez No: 90683
- Danışmanlar: PROF. DR. ERSİN TULUNAY
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- 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
- Yıl: 1999
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- CMOS (K-) winner(s)-take-all circuits of O(N) complexity
O(N) karmaşıklığında CMOS (K-)-kazanan-hepsini-alır devreleri
BARBAROS ŞEKERKIRAN
Doktora
İngilizce
1999
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. UĞUR ÇİLİNGİROĞLU
- Çok düzeyli statik bellek gözesi ve kohonen türü yapay sinir ağına uygulanması
Multiple valued static storage cell and its application to kohonen type neural network
NURETTİN YAMAN ÖZELÇİ
Doktora
Türkçe
1999
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. UĞUR ÇİLİNGİROĞLU
- İş parçası kodlama ve sınıflandırma sistemlerinde yapay sinir ağı yaklaşımı
An Artificial neural network approach for parts classification and coding systems
GÖKHAN TAŞDEVİREN
Yüksek Lisans
Türkçe
1994
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. BÜLENT DURMUŞOĞLU
- Hydips: A Hybrid neural network based diagnostic tool for perinatal surveillance
Perinatal takipte bir hibrit nöron ağına dayanan tanı aracı
NAZİFE BAYKAL
Doktora
İngilizce
1996
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NEŞE YALABIK
- Hazırlık sürelerinin analizi ve azaltılması
Setup time analysis and reduction
RIFAT GÜRCAN ÖZDEMİR
Yüksek Lisans
Türkçe
1995
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. BÜLENT DURMUŞOĞLU