Human emotion recognition using EEG signals
EEG sinyalleri kullanılarak insan duygu durumunun tespit edilmesi
- Tez No: 708285
- Danışmanlar: DOÇ. DR. HUMAR KAHRAMANLI ÖRNEK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 47
Özet
Bu çalışmada, duygu durumlarını sınıflandırmak için EEG tabanlı yeni bir tek boyutlu Evrişimli Sinir Ağı (ESA) önerilmiştir. Ön işleme aşamasından sonra etkili bir özellik çıkarım yöntemi olarak Diferansiyel Entropi (DE) kullanılmıştır. Ayrıca, derin öğrenme modeline girmeden önce DE özniteliklerine öznitelik yumuşatma-doğrusal dinamik sistem ve ardından min-max normalleştirme uygulanmıştır. Altı evrişimli bloklu ve tam bağlantılı tek boyutlu bir CNN modeli tasarlandı. Geliştirilen model, SEED veri kümesinin tüm kombinasyonlarında da başarılı performans gösterdi. 10 kez çapraz doğrulama kullanarak tek günde %95,91, iki günde %98.55 ortalama doğruluğa ulaşılmıştır. Sonuçlar, önerilen yöntemin diğer EEG tabanlı duygu tanıma sistemleriyle karşılaştırıldığında daha başarılı performans elde ettiğini göstermiştir. Önerilen derin model, diğer duygusal veri kümelerine uygulanabilir ve ayrıca sağlık hizmetleri karar verme sistemlerinde kullanılabilir.
Özet (Çeviri)
In this study, a novel EEG based one dimensional convolution neural network to classify emotional states has been proposed. Differential entropy (DE) has been used as an effective feature extraction method after preprocessing phase. In addition, feature smoothing-linear dynamic system (LDS) and then min-max normalization have been applied to the DE features before feeding into deep model. A one dimensional CNN model with six convolutions and fully connected blocks was designed which has been given outstanding performance in each six combinations of SEED dataset. This model has presented maximum average accuracy of 98.55% and 95.91% in binary and single sessions respectively by using 10 fold cross validation. The proposed results have fully demonstrated that the deep algorithm achieved excellent performance compare with other EEG based emotion recognition systems. The proposed deep model can be applied to other emotional datasets and also can be used in health care decision making systems.
Benzer Tezler
- Video klipler ile uyarılan EEG sinyallerinin duygu durum tespitinde yapay öğrenme yöntemlerinin performanslarının karşılaştırılması
Comparison of the performance of artificial learning methods in detecting emotion from EEG signals evoked by video clips
SELMA İLKNUR UĞUR
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolİSTANBUL NİŞANTAŞI ÜNİVERSİTESİYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NESİBE MANAV MUTLU
DR. ÖĞR. ÜYESİ KÜBRA EROĞLU
- Real-time emotion recognition from EEG signals using one electrode device
Tek elektrotlu cihaz ile EEG sinyallerinden gerçek zamanlı duygu tanıma
MEHMET ALİ SARIKAYA
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÖKHAN İNCE
- Diferansiyel entropi yöntemi kullanilarak EEG verilerinden duygu tanima ve siniflandirma
Emotion recognition and classification from EEG data using differential entropy method
ALİ TATLI
Yüksek Lisans
Türkçe
2024
Mühendislik BilimleriErciyes ÜniversitesiBiyomedikal Ana Bilim Dalı
PROF. DR. MAHMUT TOKMAKÇI
- Fog computing-based real-time emotion recognition using physiological signals
Fizyolojik sinyaller ile sis hesaplama tabanlı gerçek zamanlı duygu tanıma
ÖMÜR FATMANUR ERZURUMLUOĞLU
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN İNCE
- Detection of human emotional parameters under different olfactory stimuli using EEG signals and deep learning
Farklı koku uyaranları altında EEG sinyalleri ve derin öğrenme kullanılarak insan duygusal parametrelerinin tespiti
ONUR AKDEMİR
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİzmir Ekonomi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AYDIN AKAN