Naslov
Arhitekture umjetnih neuronskih mreža za analizu signala EEG-a
(Artificial Neural Network Architectures in EEG Signal Analysis)

Autori
Planinić, Lucija

Vrsta, podvrsta i kategorija rada
Ocjenski radovi, diplomski rad, diplomski

Fakultet
Fakultet elektrotehnike i računarstva

Mjesto
Zagreb

Datum
16.07

Godina
2020

Stranica
42

Mentor
Cifrek, Mario

Neposredni voditelj
Friganović, Krešimir

Ključne riječi
elektroencefalografija (EEG) ; umjetne neuronske mreže ; duboko učenje ; konvolucijske neuronske mreže ; autoenkoderi
(electroencephalography (EEG) ; artificial neural networks (ANN) ; deep learning ; convolutional neural networks (CNN) ; autoencoders)

Sažetak
Elektroencefalografija (EEG) je metoda snimanja električne moždane aktivnosti. Analiza signala EEG-a omogućuje primjenu elektroencefalografije u raznim sustavima, a u tu svrhu se sve više koriste metode strojnog učenja od kojih se ističu umjetne neuronske mreže. U ovom radu korišten je skup signala EEG-a zdravih ispitanika i onih kojima je dijagnosticiran afektivni poremećaj, te su signali klasificirani u dvije klase: „zdravi“ i „bolesni“. Implementirana je konvolucijska neuronska mreža za klasifikaciju signala i autoenkoder za ekstrakciju važnih značajki. Značajke dobivene autoenkoderom zatim su korištene za klasifikaciju pomoću plitkih modela za klasifikaciju (SVM, KNN i Adaboost) i za grupiranje algoritmima za nenadzirano učenje (k-srednjih vrijednosti, aglomerativno grupiranje i DBSCAN). Konvolucijska neuronska mreža i autoenkoder su trenirani tri puta: na nebalansiranom skupu podataka, na skupu balansiranom težinama i na skupu balansiranom poduzorkovanjem. Rezultati su pokazali da je od testiranih modela konvolucijska neuronska mreža najuspješnija u klasifikaciji signala EEG-a (prosječna točnost i F1 mjera u iznosu od 0, 997). Balansiranje poduzorkovanjem imalo je bolje rezultate od balansiranja težinama. Grupiranjem je pokazano da se značajke prirodno grupiraju prema dijagnozi ispitanika

Izvorni jezik
Hrvatski

Znanstvena područja
Računarstvo, Interdisciplinarne tehničke znanosti

POVEZANOST RADA