<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=143475"><dc:title>Analiza EEG signalov</dc:title><dc:creator>OMEJC,	NINA	(Avtor)
	</dc:creator><dc:creator>Škrjanc,	Igor	(Mentor)
	</dc:creator><dc:creator>Džeroski,	Sašo	(Komentor)
	</dc:creator><dc:subject>identifikacija dinamičnih sistemov</dc:subject><dc:subject>modeli obsežne možganske aktivnosti</dc:subject><dc:subject>ProGED</dc:subject><dc:subject>SINDy</dc:subject><dc:subject>MEG/EEG podatki</dc:subject><dc:subject>sklopljeni oscilatorji</dc:subject><dc:description>Presplošen naslov diplomske naloge, definiran na začetku poti, bi bilo bolje preoblikovati v "Avtomatsko odkrivanje modelov obsežne možganske aktivnosti", ki natančneje opiše področje obravnave. Naši možgani organizirajo vrsto funkcij, ki jih potrebujemo za učinkovito zadovoljevanje (osnovnih) življenjskih potreb. To je mogoče le z natančno koordinacijo med posameznimi možganskimi regijami. Eden izmed predlaganih mehanizmov koordinacije je sklopljenost oz. časovna sinhronizacija možganskih ritmov med lokalnimi populacijami nevronov, ki jo najpreprosteje modeliramo z omrežjem med seboj sklopljenih oscilatorjev. V diplomski nalogi nas je zanimalo, kako natančno lahko z metodama avtomatske identifikacije sistemov (ProGED in SINDy) odkrijemo tako strukturo kot parametre izbranih modelov oscilatorjev. Izbrali smo pet sistemov oscilatorjev in pet parov sklopljenih oscilatorjev. S simulacijo sistemov smo pridobili sintetične vhodne podatke, nadalje modificirane z različnimi nivoji šuma in opazljivosti. Metodi sta bili uspešni pri rekonstrukciji posameznega oscilatorja, dokler je bilo v podatkih manj kot 1 % šuma. ProGED kaže dobro rekonstrukcijo modelov tudi pri 10 % šumu, medtem ko SINDy spodleti zaradi uporabe na šum občutljivejšega numeričnega odvajanja. Iz istega razloga SINDy ne more odkrivati modelov le z delno opazljivimi podatki, medtem ko ProGED lahko, a v praksi z večjo napako rekonstrukcije. Obe metodi sta imeli tudi pri najčistejših in celovitih podatkih velike težave pri identifikaciji para sklopljenih oscilatorjev, na kar je najbolj vplivalo večje število spremenljivk stanja in neznanih parametrov. V splošnem ugotavljamo, da so trenutne implementacije klasičnih metod avtomatske identifikacije dinamičnih sistemov premalo skalabilne, da bi bile uporabne za modeliranje kompleksnejših M/EEG podatkov, kjer bi bilo vključenih več deset ali sto med seboj sklopljenih oscilatorjev z relativno veliko stopnjo šuma.</dc:description><dc:date>2022</dc:date><dc:date>2022-12-22 08:05:00</dc:date><dc:type>Diplomsko delo/naloga</dc:type><dc:identifier>143475</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>
