Subspace discovery with supervised learning for SSVEP based brain-computer interfaces
DHGUP bazlı beyin-bilgisayar arayüzü için gözetimli öğrenme yöntemiyle altuzay keşfi
- Tez No: 761364
- Danışmanlar: DR. ÖĞR. ÜYESİ HÜSEYİN ÖZKAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 84
Özet
Teknolojinin gelişmesiyle birlikte günümüzde her gün çok büyük boyutlarda veri oluşmaktadır. Bu verileri direkt olarak işlemek sistemler üzerinde büyük bir yük getirmektedir. Neyse ki yüksek boyutlu veriler genellikle sahip oldukları bilginin en anlamlı bölümünü daha düşük boyutlu olan alt uzaylarda barındırırlar. Bu alt uzayların tespiti ve verinin bu düşük boyutlarda işlenmesi sistemler için oldukça faydalıdır. Bu bilgiye dayanarak, bu tezde, özel bir ileri beslemeli sinir ağı modeli önerilmekte olup bu model yardımıyla, belirtilen alt uzaylar öğrenilmeye çalışılmış ve veri sınıflandırılması yapılmıştır. Belirtilen model, biri yüksek boyutta, diğeri ise özünde düşük boyutlu birden fazla alt uzayda yaşayan, iki adet çok yüksek boyutlu sınıfa ait verileri ayrıştırmaktadır. Sistemin davranışı, ilk etapta, bizim oluşturduğumuz sentetik veri setleri sayesinde incelenmiş, alt uzay tespit yeteneği ve sınıflandırma doğruluğu oluşturulan veri setleri için raporlanmıştır. Daha sonrasında sistem, asıl amacımız olan, halka açık bir durağan hal görsel uyarılmış potansiyel (DHGUP) temelli beyin-bilgisayar arayüzü (BBA) veri seti (benchmark veriseti) ile test edilmiştir. DHGUP sinyalleri temelde beynin görsel olarak titreşen objelere verdiği tepkilerdir ve Fourier spektrumda görsel objenin titreşim frekansı ve onun harmonikleri baskın olarak gözlenmektedir. Dolayısıyla Fourier spektrumundaki taban vektörlerine benzer sinüzoidal vektörler üzerinde yaşayan sinyaller yapı itibari ile alt uzay öğrenme problemi ile uyuşmaktadır. Temelde 2 sınıfı ayrıştırma özelliği olan modelimizi, 40 sınıftan oluşan bu veri setininde kullanmak için hata düzeltme çıktı kodları (HDÇK) kullanılmış olup, 156 bit/dk veri aktarım hızı elde edilmiştir.
Özet (Çeviri)
With the advancements in the modern data streaming technologies and artificial intelligent systems, the amount of data becoming available to the applications do constantly increase everyday. Processing in large amounts, and also in high dimension, bring a great burden on both the system and algorithms for data-driven inference. To facilitate inference in high dimension, the presented thesis exploits that the data often lie on low-dimensional subspaces. We focus on the EEG signal processing for SSVEP (steady state visually evoked potentials)-based speller BCIs (brain computer interfaces), where the goal is character recognition (a multi-class classification problem) using the EEG SSVEP signal that is known to be dominated by a certain character-specific frequency component and its harmonics. Hence, the data of a character is in a linear subspace whereas separating, for instance, one class from the rest requires to separate a low-dimensional subspace (ambient is high) from a union of multiple low-dimensional subspaces. To this end, we propose a neural network that is tailored to the specific challenges of EEG SSVEP signal processing, i.e., handling data with high ambient but low intrinsic dimensionality as described. The multi-class classification problem was solved based on error correcting output codes. In our performance evaluations, after first testing the subspace detections of the proposed network on a synthetic dataset, we conducted extensive experiments with a publicly available benchmark SSVEP dataset and observed promising multi-class classification accuracy corresponding to an information transfer rate of 156 bits/min.
Benzer Tezler
- A_n^d cebirinden elde edilen S_d-1 simetrik grubu
Symmetric group S_d-1 from an algebra A_n^d
NAZLI SELİN ÇOPUR
Yüksek Lisans
Türkçe
2012
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ŞEYDA CANAN TEKİN
- Mining complex association rules based on inter-cluster communication
Bir kampüs çevre IPV6 dinamik yönlendirme protokolü uygulanması
IMAN ALI HASSE
Yüksek Lisans
İngilizce
2017
Bilim ve TeknolojiTürk Hava Kurumu ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
YRD. DOÇ. DR. Shadi AL SHEHABI
- Combinatorial problems related to codes, designs and finite geometries
Başlık çevirisi yok
MUSTAFA GEZEK
- Quantum aspects of molecular correlations in biological catalysis
Biyolojik katalizde moleküler ilintilerin kuantum doğası
ONUR PUSULUK
Doktora
İngilizce
2018
Biyofizikİstanbul Teknik ÜniversitesiFizik Mühendisliği Ana Bilim Dalı
PROF. DR. KEREM CANKOÇAK
PROF. DR. CEMSİNAN DELİDUMAN
- Constructions of maximum rank distance codes, cyclicconstant dimension codes, and subspace packings
Maksimum rank uzaklıklı kodların, devirli sabit boyutkodlarının, ve altuzay paketlemelerinin inşası
KAMİL OTAL
Doktora
İngilizce
2018
MatematikOrta Doğu Teknik ÜniversitesiKriptografi Ana Bilim Dalı
PROF. DR. FERRUH ÖZBUDAK