Piramidal nöron modelinin sınıflandırma probleminde performansının incelenmesi

Piramidal nöronlar, beynin farklı bölgelerinden binlerce sinaptik giriş alan ve en büyük akson çıkışlarını gönderen korteksteki en yaygın nöron tipidir. Doğrusal olmayan yüksek dendritik hesaplamaları destekleyen çeşitli aktif iletkenliklere ve karmaşık morfolojilere sahiptirler. Tez çalışmasında iki ve dört sınıflı EKG verilerini sınıflandırmak için ayrıntılı bir piramidal nöron modeli ve perceptron öğrenme algoritması kullanılmıştır. EKG verilerinden spike üretmek için Gray kodlama kullanılmıştır. İki sınıflı veriler için piramidal nöronun hücre altı bölgelerinin sınıflandırma performansı araştırılmıştır. Eş değer tek katmanlı perceptronla karşılaştırıldığında piramidal nöronun ağırlık kısıtlaması nedeniyle zayıf performans gösterdiği bulunmuştur. Bununla birlikte, girişler için önerilen bir aynalama yaklaşımı nöronun sınıflandırma performansını önemli ölçüde artırmıştır. En yüksek iki sınıflı sınıflandırma doğruluğu %95,3 olarak apikal bölgesinde elde edilmiştir. Dört sınıflı sınıflandırmada Gray kod uzunluğu ve EKG RR örnek sayısı piramidal nöronun sınıflandırma performansı üzerindeki etkisi araştırılmıştır. En yüksek sınıflandırma doğruluğu %98,8 olarak basilar bölgesinde elde edilmiştir. Sonuçlar, piramidal nöronun gerçek dünya verilerini başarıyla sınıflandırabildiğini göstermektedir.