Separation of stimulus-specific patterns in electroencephalography data using quasi-supervised learning
Electroensefalogram verilerinde uyarana bağlı örüntülerin yarıgüdümlü öğrenme ile ayrıştırılması
- Tez No: 302383
- Danışmanlar: DOÇ. DR. BİLGE KARAÇALI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2011
- Dil: İngilizce
- Üniversite: İzmir Yüksek Teknoloji Enstitüsü
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 92
Özet
Bu çalışmada, değişik görüntü uyaranları altında kaydedilmiş elektroensefalografi verilerinin yarıgüdümlü öğrenme yöntemi ile ayrıştırılması ele alınmıştır. Yarı-güdümlü öğrenme yöntemi değişik uyaranlara bağımlı olasılıkları tahmin etmekte böylelikle de EEG veri örneklerinin otomatik olarak ait oldukları sınıfları belirlemektedir. Bu çalışmada ardışık olarak rastgele sıralanmış altı farklı görüntü uyaranı altında çekilmiş 32 kanallı EEG verisi kullanılmıştır. Çalışmamızda öncelikle anlık beyin aktivitelerine karşılık gelen EEG verileri bağımsız bileşen analizi ve dalgacık dönüşümünün değişik kombinasyonları ile ön işlemden geçirilmiştir. Ardından ikili ve çoklu yarı-güdümlü öğrenme yöntemi uygulanarak karşılaştırma senaryoları ile koşula özgü EEG profilleri tanımlanmıştır. Elde ettiğimiz sonuçlar göstermektedir ki, yarı güdümlü öğrenme algoritması örnekler arasındaki ayırımı yakalamakta ve anormalliklerin tesbitinde başarılıdır. Bağımsız bileşen analizinin yarı-güdümlü öğrenme yönteminin performansını arttırmada başarılı olmasının yanı sıra dalgacık dönüşümü ile değişik frekans bantlarının belirlenmesi örnekler arası ayrımı belirginleştirir. En iyi sonuçlar yarı-güdümlü öğrenme yönteminden önce bağımsız bileşen analizi ve dalgacık dönüşümünün kombine edilerek uygulanması ile elde edilir.
Özet (Çeviri)
In this study separation of the electroencephalography data recorded under different visual stimuli is investigated using the quasi-supervised learning algorithm. The quasi-supervised learning algorithm estimates the posterior probabilities associated with the different stimuli, thus identifying the EEG data samples that are exclusively specific to their respective stimuli directly and automatically from the data. The data used in this study contains 32 channels EEG recording under six different visual stimuli in random successive order. In our study, we have first constructed EEG profiles to represent instantaneous brain activity from the EEG data by various combinations of independent component analysis and the wavelet transform following data pre-processing. Then, we have applied the binary and M-ary quasi-supervised learning to identify condition-specific EEG profiles in different comparison scenarios. The results reveal that the quasi-supervised learning algorithm is successful in capturing the distinction between the samples. In addition, feature extraction using independent component analysis increased the performance of the quasi-supervised learning and the wavelet decomposition revealed the different frequency bands of the features, making more explicit the separation of the samples. The best results we obtained by combining the wavelet decomposition and the independent component analysis before the quasi-supervised learning algorithm.
Benzer Tezler
- Biyotelemetri sistemi
Biotelemetry systems
SÜLEYMAN ÖZKAPTAN
Yüksek Lisans
Türkçe
1994
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. MEHMET KORÜREK
- Silk fibroin cryogel-based shape memory organohydrogels
İpek fibroin kriyojel bazlı şekil hafızalı organohidrojeller
YAHYA BAŞ
Yüksek Lisans
İngilizce
2022
Polimer Bilim ve Teknolojisiİstanbul Teknik ÜniversitesiPolimer Bilim ve Teknolojisi Ana Bilim Dalı
PROF. DR. OĞUZ OKAY
- Subjective intensity and pleasantness in taste
Tatta öznel yoğunluk ve hoşluk' konulu
MARİA GERALDİNE VELDHUİZEN
- Metalotermik yöntem ile NiB master alaşımlarının üretimi
Production of NiB master alloys via methallothermic method
ÖMÜR CAN ODABAŞ
Yüksek Lisans
Türkçe
2017
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. ONURALP YÜCEL
- Konut ve yakın çevresinin seçiminde çevresel kalite bileşenlerinden mahremiyet ve anlamın etkisi
Environmental quality and preference
BETÜL OĞUZ