Emotion classification with EEG signals using convolutional neural networks
EEG sinyallerinden evrişimsel sinir ağları kullanımı ile duygu sınıflandırması
- Tez No: 687960
- Danışmanlar: DR. ÖĞR. ÜYESİ NALAN ÖZKURT
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Yaşar Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 69
Özet
İnsan-makine arayüz çalışmaları için yardımcı teknolojiler, günümüz teknolojisinin önemli araştırma alanlarından biridir. Bu etkileşim mekanizması için duygu algısı, arayüz ve kişi ile iletişimi sağlamak için değerli gereksinimlerden biridir. Duygu sınıflandırma çalışmaları gelişen bir alandır ve araştırmacılar tarafından çeşitli yaklaşımlar önerilmiştir. Literatürde duygu tanımı temel olarak iki teoriye göre verilmektedir. Bu çalışmada, dairesel model ve boyutlu model temelli yaklaşımlar olan bu görüşler incelenmiştir. EEG sinyalleri doğrusal ve durağan olmayan özelliklere sahip olduğundan literatürde birçok öznitelik çıkarma ve sınıflandırma algoritması uygulanmaktadır. Ayrıca, derin öğrenme modelleri son yıllarda çeşitli veri türleri için önemli bir doğruluğa ulaştığından, Evrişimsel Sinir Ağları (ESA) algoritmaları incelenerek duygu sınıflandırması için doğru sonuçlar elde edilmesi hedeflenmiştir. Tezimizde üç farklı çalışma gerçekleştirilmiştir. İlk çalışma, spektrogram özelliklerini kullanarak ESA'lı ticari Neurosky EEG cihazı ile tek elektrotlu EEG kayıtlarının duygu sınıflandırma performansını araştırmaktadır. İkinci bir yaklaşım, genel kullanıma açık DEAP veri seti ile çok kanallı kayıtlar için spektrogram özelliklerini tekrar kullanmaktır. Son olarak, performansı iyileştirmek ve hesaplama karmaşıklığını azaltmak için tüm kanalların Fourier ve dalgacık dönüşümü özellikleri ESA ile sınıflandırılmıştır. Ayrıca bu tezde, ESA modelinin performansını anlamak ve sinyal dönüşümleri arasında güvenilir bir karşılaştırma yapmak amacıyla ham sinyal görüntü öznitelikleri kullanılmıştır.
Özet (Çeviri)
Assistive technologies for human-machine interface studies are one of the important research areas of the today's technology. Emotion perception for this interaction mechanism is one of the valuable requirements to provide communication with interface and person. Emotion classification studies are an improving field and several approaches have been proposed by the researchers. In the literature emotion definition mainly given according to two view. In this study, these views which are discrete emotion model and dimensional model-based approaches were examined. Since EEG signals have nonlinear and nonstationary characteristics, several feature extraction and classification algorithms applied in literature. Furthermore, deep learning models have reached significant accuracy for various types of data in recent years, thus, it was aimed to get accurate results for emotion classification by examining Convolutional Neural Networks (CNN) algorithms. In our thesis, three different study were accomplished. The first study investigates the emotion classification performance of single electrode EEG recordings with commercial Neurosky EEG device with CNN using spectrogram features. A second approach is to use spectrogram features again for multiple channel recordings with publicly accesible DEAP dataset. Finally, to improve the performance and reduce the computation complexity, Fourier and wavelet transform features of all channels were classified with CNN. To understand the performance of CNN model and make a reliable comparison with signal transformations, also raw signal image features used in this thesis.
Benzer Tezler
- Multi-channel EEG-based emotion classification using deep neural networks
Derin sinir ağları kullanarak çok kanallı EEG tabanlı duygu sınıflandırması
TUĞBA ERGİN
Yüksek Lisans
İngilizce
2021
Bilim ve Teknolojiİzmir Katip Çelebi ÜniversitesiBiyomedikal Teknolojiler Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONAN GÜREN
- Derin öğrenme tabanlı biyomedikal karar destek sistemlerinin oluşturulması
Establishment of biomedical decision support systems through deep learning techniques
HARUN ÇİĞ
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHarran ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET TAHİR GÜLLÜOĞLU
- Emotion recognition using EEG and physiological data for a robot-assisted rehabilitation system rehabroby
Robot destekli rehabilitasyon sistemi rehabroby için EEG ve fizyolojik veriler kullanılarak duygu tanıma
ELİF GÜMÜŞLÜ
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik MühendisliğiYeditepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. DUYGUN EROL BARKANA
- Estimation of emotional situation using EEG signals and machine learning methods
EEG sinyalleri ve makine öğrenme yöntemlerini kullanılarak duygusal durum kestirimi
BARTU YEŞİLKAYA
Yüksek Lisans
İngilizce
2020
Biyoteknolojiİzmir Katip Çelebi ÜniversitesiBiyomedikal Teknolojiler Ana Bilim Dalı
PROF. DR. AYDIN AKAN
- Zihinsel yorgunluk bulgularının fizyolojik sinyallere dayalı analizi
Analysis of signs of mental fatigue based on physiological signals
ŞEYMA DERDİYOK
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Kültür ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. FATMA PATLAR AKBULUT