Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/13671
Τίτλος: Διάγνωση Ασθενών Με Νευρολογικές Παθήσεις Μέσω Οδηγικής Συμπεριφοράς Χρησιμοποιώντας Τεχνικές Μηχανικής Μάθησης
Συγγραφείς: Ιατρόπουλος Πέτρος
Κοζύρης Νεκτάριος
Λέξεις κλειδιά: ανάλυση δεδομένων
μηχανική μάθηση
κατηγοριοποίηση χρονοσειρών
επιβλεπόμενη μάθηση
συμπεριφορική ανάλυση
k-κοντινότεροι γείτονες
νευρωνικά δίκτυα
δέντρο απόφασης
δυναμική στρέβλωση χρόνου
κινούμενος μέσος όρος
ανάλυση κυρίων συνιστωσών
data analysis
machine learning
time series classification
supervised learning
behavioral analysis
k-nearest neighbors
neural networks
decision tree
dynamic time warping
moving average
principal component analysis
Ημερομηνία έκδοσης: 29-Δεκ-2017
Περίληψη: Η οδήγηση είναι μια πολύπλοκη διαδικασία η οποία πραγματοποιείται από εκατομμύρια ανθρώπους κάθε μέρα. Ο χαρακτηρισμός των οδηγικών συμπεριφορών από δεδομένα καταγεγραμμένα από αισθητήρες δεν είναι μόνο μια ενδιαφέρουσα επιστημονική έρευνα αλλά και μια απαίτηση του πραγματικού κόσμου. Ο σκοπός της παρούσας διπλωματικής είναι η σχεδίαση και πρόταση ενός συστήματος μηχανικής μάθησης, το οποίο εντοπίζει την οδηγική συμπεριφορά ανθρώπων που πάσχουν από νευροεκφυλιστικές ασθένειες.Συγκεκριμένα, το πρόβλημα διάγνωσης ενός οδηγού ανάγεται στο πρόβλημα ταξινόμησης χρονοσειρών. Αφού συλλέχθηκαν τα δεδομένα από τον προσομοιωτή και καθαρίστηκαν, τρία μοντέλα εκπαιδεύτηκαν και αξιολογήθηκαν. Το πρώτο μοντέλο ήταν k-nearest neighbors με αλγόριθμο δυναμικής χρονικής περιδίνησης (dynamic time warping) υπολογισμού απόστασης, το δεύτερο ήταν ένα multilayer perceptron και το τρίτο ένα decision tree.Τα αποτελέσματα έδειξαν ότι είναι εφικτό να διαγνωστεί ένα άτομο από την οδηγική του συμπεριφορά φτιάχνοντας το κατάλληλο μοντέλο. Οι προτεινόμενες τεχνικές μπορούν να γενικευτούν σε δεδομένα από τον πραγματικό κόσμο.
URI: http://artemis-new.cslab.ece.ntua.gr:8080/jspui/handle/123456789/13671
Εμφανίζεται στις συλλογές:Διπλωματικές Εργασίες - Theses

Αρχεία σε αυτό το τεκμήριο:
Αρχείο ΜέγεθοςΜορφότυπος 
DT2017-0331.pdf2.01 MBAdobe PDFΕμφάνιση/Άνοιγμα


Όλα τα τεκμήρια του δικτυακού τόπου προστατεύονται από πνευματικά δικαιώματα.