No abstract

No abstract

Parametre optimizasyonu yapılarak EEG verileri sınıflandırılmıştır. / EEG data were classified by parameter optimization.

Bu çalışmada Türkiye'de 2005:Q1-2015:Q2 arasındaki üç aylık verilerle sermaye piyasası gelişimi ile ekonomik büyüme arasındaki nedensellik ilişkisi incelenmiştir. Nedensellik ilişkisinin tespitinde öncelikli olarak serilerde birim kök olup olmadığının belirlenebilmesi için Augmented Dickey-Fuller Testi yapılmış, daha sonra nedensellik ilişkisini inceleyebilmek için Johansen Eşbütünleşme Testi uygulanmıştır. Değişkenlerde eşbütünleşme görülmesi üzerine nedensellik ilişkisinin tespit edilebilmesi için VECM Granger Nedenselik Testi uygulanmıştır. Çalışma sonucunda Türkiye'de kısa dönemde sermaye piyasası gelişimi ile ekonomik büyüme arasında karşılıklı bir ilişki söz konusu iken, uzun dönemde ilişkinin yönünün talep takipli modeli destekler şekilde ekonomik büyümeden sermaye piyasası gelişimine doğru olduğu görülmüştür.

In this study, a machine learning algorithm is proposed to be used in the detection of Obstructive Sleep Apnea (OSA) from the analysis of single-channel ECG recordings. Eighteen ECG recordings from the PhysioNet Apnea-ECG dataset were used in the study. In the feature extraction stage, dynamic time warping and median frequency features were obtained from the coefficients obtained from different frequency bands of the ECG data by using the wavelet transform-based algorithm. In the classification phase, OSA patients and normal ECG recordings were classified using Random Forest (RF) and Long Short-Term Memory (LSTM) classifier algorithms. The performance of the classifiers was evaluated as 90% training and 10% testing. According to this evaluation, the accuracy of the RF classifier was 82.43% and the accuracy of the LSTM classifier was 77.60%. Considering the results obtained, it is thought that it may be possible to use the proposed features and classifier algorithms in OSA classification and maybe a different alternative to existing machine learning methods. The proposed method and the feature set used are promising because they can be implemented effectively thanks to low computing overhead.