prikaz prve stranice dokumenta Usporedba modela strojnog i dubokog učenja u klasifikaciji afektivnih poremećaja
Rad nije dostupan
diplomski rad
Usporedba modela strojnog i dubokog učenja u klasifikaciji afektivnih poremećaja
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. urn:nbn:hr:168:643379
Lipovac, Matea
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Lipovac, M. (2024). Usporedba modela strojnog i dubokog učenja u klasifikaciji afektivnih poremećaja (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:643379

Lipovac, Matea. "Usporedba modela strojnog i dubokog učenja u klasifikaciji afektivnih poremećaja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:643379

Lipovac, Matea. "Usporedba modela strojnog i dubokog učenja u klasifikaciji afektivnih poremećaja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:643379

Lipovac, M. (2024). 'Usporedba modela strojnog i dubokog učenja u klasifikaciji afektivnih poremećaja', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 22.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:643379

Lipovac M. Usporedba modela strojnog i dubokog učenja u klasifikaciji afektivnih poremećaja [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2024 [pristupljeno 22.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:643379

M. Lipovac, "Usporedba modela strojnog i dubokog učenja u klasifikaciji afektivnih poremećaja", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:643379

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:643379
Podaci o radu
NaslovUsporedba modela strojnog i dubokog učenja u klasifikaciji afektivnih poremećaja
Naslov (engleski)Comparison of machine and deep learning models in the classification of affective disorders
AutorMatea Lipovac
MentorMario Cifrek (mentor)
Član povjerenstvaMario Cifrek (predsjednik povjerenstva)
Član povjerenstvaHrvoje Džapo (član povjerenstva)
Član povjerenstvaMagdalena Krbot Skorić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2024-07-17, Hrvatska
Sažetak
Ovaj rad istražuje i uspoređuje modele strojnog i dubokog učenja u klasifikaciji afektivnih poremećaja temeljenih na snimljenim EEG signalima. Afektivni poremećaji su psihički poremećaji raspoloženja koji su karakterizirani anksioznošću i gubitkom volje. U prvom dijelu rada, korišteni su EEG signali označeni dijagnozama afektivnih poremećaja kako bi se provela potrebna predobrada signala s ciljem uklanjanja šuma, normalizacije i izdvajanja značajki. Izdvojena su dva skupa podataka: sirovi predobrađeni signal i izdvojene značajke. Za odabir optimalnih značajki korištene su statističke metode poput metoda filtriranja i metoda omotača. Uspoređeni su rezultati klasifikacije dobiveni korištenjem različitih modela strojnog učenja i dubokih neuronskih mreža. Rezultati su pokazali da modeli dubokog učenja mogu postići visoku točnost u klasifikaciji afektivnih poremećaja na temelju sirovih EEG signala. Ipak, plitki modeli strojnog učenja pokazali su se konkurentnima, osobito kada su korištene metode omotača za odabir značajki.
Sažetak (engleski)
This paper investigates and compares machine and deep learning models in the classification of affective disorders based on recorded EEG signals. Affective disorders are psychological mood disorders characterized by anxiety. Firstly, EEG signals, marked with diagnoses of affective disorders, were pre-processed for noise removal, normalization and feature extraction. Two sets of data are extracted: the raw pre-processed signal and the extracted features. Statistical methods such as filtering methods and wrapper methods were used to select the optimal features. Classification results obtained using different machine learning models and deep neural networks were compared. The results showed that deep learning models can achieve high accuracy in the classification of affective disorders based on raw EEG signals. Nevertheless, machine learning models proved to be competitive, especially when wrapper methods were used for feature selection.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:643379
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.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 21:19:59