Geri Dön

Disjunctive normal unsupervised LDA for P300-based brain-computer interfaces

P300 tabanlı beyin-bilgisayar arayüzleri için ayırıcı normal gözetimsiz DAA

  1. Tez No: 461049
  2. Yazar: MAJED ELWARDY
  3. Danışmanlar: Assoc. Prof. Dr. MÜJDAT ÇETİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2016
  8. Dil: İngilizce
  9. Üniversite: Sabancı Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 124

Özet

Insanlar metin yazma amaçlı beyin-bilgisayar arayüzü (BBA) sistemleri için ayarlama oturumuna ihtiyaç duymadan doğrudan heceleme moduna geçebilirler mi? Beyin aktiviteleri insanlar arasında ve aynı kullanıcının farklı oturumları arasında büyük değişkenlik göstermektedir. Bu durumda metin yazma sistemleri P300 tabanlı BBA heceleme matrisindeki hedef harfi diğerlerinden ayırt ederek nasıl sınıflandırabilir? Biz bu tezde P300 tabanlı BBA heceleyicileri için yeni bir gözetimsiz sınıflandırıcı öneriyoruz. Bu sınıflandırıcı lojistik sigmoid fonksiyonuna dayalı bir enerji fonksiyonu tanımlamak için ayırıcı normal form temsili kullanıyor. Önerdiğimiz sınıflandırıcı satır/sütunların parlaklaştırılarak vurgulanma dizisine dair bilgileri kullanarak, kaydedilen verilerden P300 sinyallerini sınıfandırmak için rastgele olarak başlatılan ağırlıkları günceller. Önerilen yöntemin geçerliliğini doğrulamak için kendi laboratuvarımızda toplanan ve kamuya açık BBA yarışması veri kümelerinde bulunan 7 sağlıklı kullanıcıya ait veriler üzerinde bir deneysel analiz gerçekleştirdik. Önerdiğimiz gözetimsiz yöntemi temel düzeyde birer gözetimli sınıflandırıcı olan doğrusal ayırtaç analizi (DAA) ve Bayesçi doğrusal ayırtaç analizi (BDAA) ile karşılaştırıp başarımını gösterdik. Analizimiz önerilen yaklaşımın etiketsiz test verilerinden gözetimsiz öğrenmeyi kolaylaştırdığını gösterdi.

Özet (Çeviri)

Can people use text-entry based brain-computer interface (BCI) systems and start a free spelling mode without any calibration session? Brain activities differ largely between people and across sessions for the same user. Thus, how can the text-entry system classify the target character among the other characters in the P300-based BCI speller matrix? In this thesis, we introduce a new unsupervised classifier for a P300-based BCI speller, which uses a disjunctive normal form representation to define an energy function involving a logistic sigmoid function for classification. Our proposed classifier updates the initialized random weights performing classification for the P300 signals from the recorded data exploiting the knowledge of the sequence of row/column highlights. To verify the effectiveness of the proposed method, we performed an experimental analysis on data from 7 healthy subjects, collected in our laboratory and used public BCI competition datasets. We compare the proposed unsupervised method to a baseline supervised linear discriminant analysis (LDA) classifier and Bayesian linear discriminant analysis (BLDA) and demonstrate its performance. Our analysis shows that the proposed approach facilitates unsupervised learning from unlabelled test data.

Benzer Tezler

  1. Intrusion detection with pattern classification

    Örüntü sınıflandırması ile saldırı tespiti

    MÜGE ÇEVİK

    Yüksek Lisans

    İngilizce

    İngilizce

    2005

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET BÜLENT ÖRENCİK

  2. Machine-learning approaches for neurological disorder diagnosis from genomic and neuroimaging data

    Genomik ve nörogörüntüleme verilerinden nörolojik bozukluk teşhisi için makine öğrenmesi yaklaşımları

    İSMAİL BİLGEN

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BEHÇET UĞUR TÖREYİN

  3. P2 sistemi fonksiyonlarının normal formlarının minimalleştirme yöntemleri

    Minimization metods of normal forms of P2 systems functions

    EBRU ŞENGÜL

    Yüksek Lisans

    Türkçe

    Türkçe

    2006

    MatematikÇanakkale Onsekiz Mart Üniversitesi

    Matematik Ana Bilim Dalı

    DOÇ. DR. YAKUP HACIYEV

  4. Bilgi sistemlerinde fark fonksiyonu tabanlı özellik seçme yönteminin geliştirilmesi

    Development of discernibility function based feature selection method in information systems

    MEHMET HACIBEYOĞLU

    Doktora

    Türkçe

    Türkçe

    2012

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET ARSLAN