prikaz prve stranice dokumenta Klasifikacija afektivnih poremećaja korištenjem nelinearnih značajki signala EEG-a
Rad nije dostupan
završni rad
Klasifikacija afektivnih poremećaja korištenjem nelinearnih značajki signala EEG-a
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. urn:nbn:hr:168:529954
Habek, Eloise
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Habek, E. (2024). Klasifikacija afektivnih poremećaja korištenjem nelinearnih značajki signala EEG-a (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:529954

Habek, Eloise. "Klasifikacija afektivnih poremećaja korištenjem nelinearnih značajki signala EEG-a." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:529954

Habek, Eloise. "Klasifikacija afektivnih poremećaja korištenjem nelinearnih značajki signala EEG-a." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:529954

Habek, E. (2024). 'Klasifikacija afektivnih poremećaja korištenjem nelinearnih značajki signala EEG-a', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 22.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:529954

Habek E. Klasifikacija afektivnih poremećaja korištenjem nelinearnih značajki signala EEG-a [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2024 [pristupljeno 22.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:529954

E. Habek, "Klasifikacija afektivnih poremećaja korištenjem nelinearnih značajki signala EEG-a", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:529954

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:529954
Podaci o radu
NaslovKlasifikacija afektivnih poremećaja korištenjem nelinearnih značajki signala EEG-a
Naslov (engleski)Classification of Affective Disorders Using Non-linear Features of EEG Signal
AutorEloise Habek
MentorMario Cifrek (mentor)
Član povjerenstvaMario Cifrek (predsjednik povjerenstva)
Član povjerenstvaMatija Roglić (član povjerenstva)
Član povjerenstvaEda Jovičić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2024-07-11, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Afektivni poremećaji su psihički poremećaji koji utječu na sposobnost regulacije raspoloženja. Elektroencefalografija je neinvazivni i široko dostupni postupak mjerenja električne aktivnosti mozga. Strojno učenje je grana računarstva koja se bavi optimiziranjem algoritma čiji je cilj generaliziranje na neviđenim podacima. Klasifikacija je tip nadziranog strojnog učenja u kojem se ulaznim podacima pridjeljuje oznaka. U ovom radu je ispitana uspješnost četiri modela strojnog učenja za klasifikaciju afektivnih poremećaja na temelju nelinearnih značajki signala EEG-a. Postupak započinje pripremom skupa podataka predobradom signala, a zatim se izdvajanju nelinearne značajke. Ispitani klasifikatori su kategorizirali ispitanike u zdravu ili depresivnu osobu na temelju izdvojenih nelinearnih značajki te se njihova uspješnost analizirala s mjerom točnosti.
Sažetak (engleski)
Affective disorders are psychological disorders that affect the ability to regulate mood. Electroencephalography is a non invasive and widely available procedure for measuring the brain's electrical activity. Machine learning is a branch of computing which deals with optimizing algorithms whose purpose is to generalize conclusions on unseen data. Classification is a type of supervised machine learning in which labels are assigned to input data. This paper presents an analysis of four machine learning models for classification of affective disorders based on non linear features of EEG signals. The process begins with preparing the dataset by preprocessing the signals, followed by extracting non linear features. The classifiers categorized the subjects as either healthy or depressed based on extracted non linear features, and their performance was analyzed using accuracy.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:529954
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2024-10-12 20:45:46