EEG sinyalleri kullanılarak yeni nesil cümle sınıflandırma modellerinin geliştirilmesi
Development of next generation sentence classification models using EEG signals
- Tez No: 776537
- Danışmanlar: DOÇ. DR. ŞENGÜL DOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Adli Bilişim Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Adli Bilişim Mühendisliği Bilim Dalı
- Sayfa Sayısı: 66
Özet
Elektroensefalografi (EEG) sinyalleri beynin harfleri olarak nitelendirilmektedir ve bilgisayar bilimciler bu harfleri yan yana getirerek anlamlı cümleler elde etmeyi amaçlamaktadırlar. Bu sebepten dolayı EEG sinyallerini işleme sinir bilim ve makine öğrenmesi için sıcak başlıklı bir konudur. Ancak literatürdeki EEG işleme ve sınıflandırma çalışmaları genellikle hastalık tespiti ve duygu tespiti ile ilgilidir. Bu tez kapsamında EEG sinyallerinden daha fazla bilgi çıkarmak için yeni bir proje başlatılmıştır ve bu projenin konusu EEG cümle sınıflandırmadır. Bu tez çalışmasında, iki adet EEG cümle veri seti her bir veri seti için 20 katılımcı olmak üzere 40 adet gönüllü katılımcıdan toplanmıştır. Toplanan veri setleri 20 adet sınıf içermektedir ve bu sınıfların her biri bir cümleyi temsil etmektedir. Otomatik sınıflandırma modelleri önermek için mikro tanımlayıcılar ve çizge tabanlı özellik çıkarıcılar kullanılmıştır. Önerilen kare toplamlı çizge deseni tabanlı EEG sinyal sınıflandırma modeli, %99.19 sınıflandırma doğruluğuna ulaşmıştır. Bu çalışmada, toplam-kare grafiğine dayalı bir fonksiyonun öznitelik çıkarma yeteneği araştırılmıştır. Önerilen dinamik boyutlu ikili model ve yinelemeli çok sınıflandırıcılı ağırlıklı oylama tabanlı model ise gösterme ve dinleme modlarında sırasıyla %98,81 ve %98,19 ile en iyi genel sınıflandırma oranlarına ulaşmıştır. Elde edilen sonuçlar EEG sinyalleriyle cümle sınıflandırılmasının yapılabileceğini açıkça göstermiştir ve bu tez çalışması EEG cümle tanıma/sınıflandırma alanında yapılan ilk tezlerden biri olma özelliğini taşımaktadır. Elde edilen sonuçlar tez çalışmasının başarımını açık bir şekilde göstermektedir.
Özet (Çeviri)
Electroencephalography (EEG) signals are described as the letters of the brain, and computer scientists aim to obtain meaningful sentences by combining these letters. For this reason, processing EEG signals is a hot topic for neuroscience and machine learning. However, EEG processing and classification studies in the literature are generally related to disease detection and emotion detection. Within the scope of this thesis, a new project has been started to extract more information from EEG signals and the subject of this project is EEG sentence classification. In this thesis study, two EEG sentence datasets were collected from 40 volunteer participants, 20 participants for each dataset. The collected data sets contain 20 classes and each of these classes represents a sentence. Micro descriptors and graph-based feature extractors are used to propose automatic classification models. The proposed square-sum graph pattern-based EEG signal classification model achieved a classification accuracy of 99.19%. In this study, the feature extraction capability of a function based on the sum-square graph was investigated. The DSBP-IMCMV based model, on the other hand, achieved the best overall classification rates with 98.81% and 98.19%, respectively, in showing and listening modes. The results clearly showed that sentence classification can be done with EEG signals, and this thesis is one of the first theses in the field of EEG sentence recognition/classification. The results obtained clearly show the success of the thesis study.
Benzer Tezler
- Yapay sinir ağlarını kullanarak eeg sinyalleri ile insansız hava aracı kontrolü
The control of unmanned aerial vehicle based on eeg signals by using artificial neural networks
MEHMET DEMİR
Yüksek Lisans
Türkçe
2019
BiyoteknolojiSakarya Uygulamalı Bilimler ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. RAŞİT KÖKER
- Brain computer interface design and implementation using machine learning with user feedback
Kullanıcı geribeslemeli makine öğrenmesi ile beyin bilgisayar arayüzü tasarımı ve uygulaması
EMRE ARI
Doktora
İngilizce
2023
Makine MühendisliğiMarmara ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ERTUĞRUL TAÇGIN
DR. ÖĞR. ÜYESİ ALPER ŞİŞMAN
- Motor imagery based mobile brain computer interface design using machine learning techniques
Makine öğrenmesi yöntemleri ile motor hareket hayali tabanlı mobil beyin bilgisayar arayüzü tasarımı
HAKAN AŞIK
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ZÜMRAY DOKUR
- Mimari korumanın insanlar üzerindeki bilişsel etkilerinin EEG cihazı ve Eye Tracking Yöntemi ile değerlendirilmesi
Evaluation of the cognitive effects of architectural conservation on people with EEG device and Eye Tracking Method
TÜRKAN BÜŞRA BAŞAR
Yüksek Lisans
Türkçe
2022
MimarlıkSüleyman Demirel ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. SEDA ŞİMŞEK TOLACI
- New generation feature engineering models based emotion classification using EEG signals
EEG sinyallerini kullanan yeni nesil özellik mühendisliği modellerine dayalı duygu sınıflandırması
ABDULLAH DOĞAN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ HİKMET DOĞRU
DOÇ. DR. TÜRKER TUNCER