Geri Dön

Incorporation of a language model into a brain computer interface based speller

Dil modeli destekli bir beyin-bilgisayar arayüzü tabanlı heceletici

  1. Tez No: 387899
  2. Yazar: ÇAĞDAŞ ULAŞ
  3. Danışmanlar: DOÇ. DR. MÜJDAT ÇETİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyomühendislik, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Bioengineering, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2013
  8. Dil: İngilizce
  9. Üniversite: Sabancı Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 101

Özet

Beyin-Bilgisayar Arayüzü (BBA) araştırmaları, beyin ve dış aygıtlar arasında doğrudan iletişim kanalı kurma sorunu ile ilgilenmektedir. Buradaki birincil motivasyon, sınırlı derece kas kontrolüne sahip olan veya hiç sahip olmayan hastaların elektroensefalografi (EEG) gibi yöntemlerle beyin elektriksel aktivitelerini ölçerek otomatik olarak niyetlerini yorumlayıp onların dış aygıtlar kullanmasına olanak sağlamaktır. Yaygın olarak üzerinde uygulamaların gerçekleştirildiği BBA düzeneklerinden birisi olan P300 heceleticisi, kullanıcıların öngörülemeyen uyaranlara karşı beyinlerinde cevap olarak oluşan ve P300 diye bilinen sinyallere dayalı bir şekilde harf yazmalarını içerir. EEG sinyallerinin düşük sinyalgürültü oranı ve çeşitliliği nedeniyle, mevcut heceleme sistemleri, hız pahasına başarım değerini arttırmak için fazla sayıda uyaran tekrarlamasını kullanmaktadır. Bu tezdeki çalışmaya motivasyon sağlayan temel gözlem, belirli bir dildeki kelimeler içinde yer alan komşu ve mevcut harfler tarafından sağlanan önsel bilginin, aynı anda daha yüksek başarım ve hız değerlerinin sağlandıgı bir sistemin geliştirilmesinde yardımcı olabileceğidir. Bu gözleme dayanarak, mevcut tez çalısmasında, bir dil modeli tarafından eğitilmiş Saklı Markov Modeli (SMM) yapısı aracılığıyla BBA tabanlı heceleticinin içine bu önsel bilgilerin dahil edildiği bir yaklaşım sunuyoruz. Böyle bir model üzerinde çıkarsama yapmak için n-gram dil modeliyle bağlantılı olarak kullandığımız filtreleme ve yumuşatma algoritmalarını tanımlıyoruz. Çevrimdışı ve çevrimiçi karar verme üzerine tasarladığımız veri toplama deneyleri, dil modelinin bu şekilde karar sürecine dahil edilmesinin harf tahmini doğruluğunda ve heceleme hızında önemli iyilestirmelere yol açtıgını gösteriyor.

Özet (Çeviri)

Brain computer interface (BCI) research deals with the problem of establishing direct communication pathways between the brain and external devices. The primary motivation is to enable patients with limited or no muscular control to use external devices by automatically interpreting their intent based on brain electrical activity, measured by, e.g., electroencephalography (EEG). The P300 speller is a widely practised BCI set up that involves having subjects type letters based on P300 signals generated by their brains in response to visual stimuli. Because of the low signal-to-noise ratio (SNR) and variability of EEG signals, existing typing systems use many repetitions of the visual stimuli in order to increase accuracy at the cost of speed. The main motivation for the work in this thesis comes from the observation that the prior information provided by both neighbouring and current letters within words in a particular language can assist letter estimation with the aim of developing a system that achieves higher accuracy and speed simultaneously. Based on this observation, in this thesis, we present an approach for incorporation of such information into a BCI-based speller through Hidden Markov Models (HMM) trained by a language model. We then describe filtering and smoothing algorithms in conjunction with n-gram language models for inference over such a model. We have designed data collection experiments for offline and online decision-making which demonstrate that incorporation of the language model in this manner results in significant improvements in letter estimation and typing speed.

Benzer Tezler

  1. Probabilistic graphical models for brain computer interfaces

    Probabilistic graphical models for brain computer interfaces

    JAİME FERNANDO DELGADO SAA

    Doktora

    İngilizce

    İngilizce

    2014

    Elektrik ve Elektronik MühendisliğiSabancı Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MÜJDAT ÇETİN

  2. U-Mut: autolisple bilgisayar destekli uzman-mutfak tasarımı

    U-Mut: a computer aided expert-kitchen design written in autolisp

    MANOLYA KAVAKLI

    Yüksek Lisans

    Türkçe

    Türkçe

    1990

    Mimarlıkİstanbul Teknik Üniversitesi

    PROF.DR. NİGAN BAYAZIT

  3. Derin öğrenme yöntemleri ile Türkçede bağlılık ayrıştırma

    Dependency parsing with deep learning methods in Turkish

    MÜCAHİT ALTINTAŞ

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET CÜNEYD TANTUĞ

  4. Mimarlık ve dansta notasyon: Bedenli bilgi ve mekânın üretimi

    Notations in architecture and dance: Embodied knowledge and production of space

    SEÇİL YATAN GÜL

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Mimarlıkİstanbul Teknik Üniversitesi

    Mimarlık Ana Bilim Dalı

    DOÇ. DR. SIDIKA ASLIHAN ŞENEL

  5. Improved helicopter classification via deep learning and overlapped range-doppler maps

    Derin öğrenme ve örtüşen menzil-doppler görüntüleri ile geliştirilmiş helikopter sınıflandırması

    DENİZ CAN ACER

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. IŞIN ERER