Naslov
Klasifikacija stresa metodama strojnog učenja temeljena na biomedicinskim vremenskim nizovima s prijenosnog uređaja
(Stress classification using machine learning methods based on biomedical time series from a wearable device)

Autori
Sandalj, Florijan

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

Fakultet
Fakultet elektrotehnike i računarstva

Mjesto
Zagreb

Datum
29.06

Godina
2023

Stranica
36

Mentor
Jović, Alan

Ključne riječi
strojno učenje ; klasifikacija ; stabla odluke ; naivni Bayesov klasifikator ; neuronske mreže ; biomedicinski signali ; stres
(machine learning ; classification ; decision trees ; naive Bayes classifier ; neural networks ; biomedical signals ; stress)

Sažetak
U ovom radu korišteni su algoritmi strojnog učenja za klasifikaciju biomedicinskih signala u neurološka stanja stresa. Korišten je javno dostupan skup podataka Non-EEG Dataset for Assessment of Neurological Status [1]. Opisan je način na koji su podaci prikupljani i kako su transformirani u željeni oblik. Objašnjene su ideje i standardne metode strojnog učenja Proučavan je manji skup algoritama strojnog učenja i to preciznije, klasifikacije: stabla odluke, naivni Bayesov klasifikator i neuronske mreže. Za učenje modela korištena je platforma MATLAB. Tamo su podaci uvedeni, transformirani te su iz njih izlučene značajke. Biomedicinski signali koji su se pokazali najbitnijima za klasifikaciju signala bili su temperatura i akceleracija u z osi te njihove značajke poput minimuma i standardne devijacije (izvedenih iz temperature) te vrhunca amplitude na spektru snage i Akaikeovog kriterija informacije (izvedenih iz akceleracije u z osi). Modeli su naučeni, provjereni te konačno testirani nad podacima i njihova uspješnost je uspoređena. Točnost od 87, 5% na testnom skupu dala je unaprijedna neuronska mreža s tri skrivena sloja, što je ujedno bio i najbolji rezultat.

Izvorni jezik
Hrvatski

Znanstvena područja
Računarstvo

POVEZANOST RADA