Predicting the preference of liking using fNIRS and machine learning algorithms
fNIRS ve makine öğrenmesi algoritmaları ile beğeni tahmini
- Tez No: 785014
- Danışmanlar: DR. ÖĞR. ÜYESİ TUNA ÇAKAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Makine öğrenmesi, karar verme, optik beyin görüntüleme, fnirs, öznitelik çıkarma, öznitelik seçme, machine learning, decision-making, optical brain imaging, fnirs, feature extraction, feature selection
- Yıl: 2023
- Dil: İngilizce
- Üniversite: MEF ÜNİVERSİTESİ
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 112
Özet
Davranışsal örüntüleri tespit etmede genel olarak kullanılan fMRI yöntemi pahalı ve pratik olmayan özellikleriyle dikkat çekmektedir. Buna karşın yakın kızılötesi spektroskopi (fNIRS) yöntemi daha ucuz ve portatif özelliklere sahip olmak ile birlikte, iyi bir tahmin modeli oluşturmada fMRI kadar etkilidir. Bu yöntem ile çeşitli makine öğrenmesi algoritmaları kullanılarak insanların bir görsel uyaranı beğenip beğenmediğini tahmin edebilecek bir model geliştirilmiştir. Kullanılan klasik makine öğrenmesi metotları Destekleyici Vektör Makineleri (SVM), Rastgele Orman algoritması, XGBoost, LightGBM, k En Yakın Komşu (KNN) algoritmalarıdır. SVM ve KNN gibi fNIRS çalışmalarında sık kullanılan ve başarıları onaylanmış algoritmaların yanında, artırma ve ağaç bazlı algoritmalar da ek olarak kullanılarak tamamlayıcı bir karşılaştırma yapılması amaçlanmıştır. Bunun yanında, verideki eksik değerleri tamamlamak amacıyla çeşitli eksik veri doldurma yöntemleri kullanılmış ve bu tarz bir sınıflama problemi için aralarından en uygun olanı seçilmiştir. Model geliştirilirken ana odak olan öznitelik indirgeme yöntemleri arasında karşılaştırma yapılmıştır. Gözetimsiz bir eğitme yöntemi olan K-means kümeleme yaklaşımı kullanılarak benzer fNIRS ölçümlerine sahip olan katılımcılar kümelendikten sonra bu kümeler One-hot-encoding yöntemi ile kodlanarak sınıflama sonuçlarının daha başarılı çıkacağı düşünülmüştür. Bunun yanında, ikincil görev olarak, çeşitli öznitelik çıkarım ve sarıcı (öznitelik seçme) yöntemleri de uygulanarak beğeni tahmini modelleri performanslarının artırılması adına denemelerde bulunulmuştur. Kullanılan öznitelik çıkarım metotları arasında PCA, Isomap, t-SNE gibi yaklaşımlar yer almakla birlikte, sarıcı yöntem olarak ileri seçim sarıcı dizaynı ek bir adım olarak kullanılarak modellerin daha da geliştirilmesi amaçlanmıştır. Bu yöntemlerin sınıflama skorları kendi aralarında karşılaştırılarak sonuçlar gösterilmiştir. Modellerin çapraz doğrulama yönteminden gelen F1 skorları kullanılarak en iyi modeller aranmıştır. Tek bir grubu dışarıda bırakan çapraz doğrulama yöntemi kullanılarak modeller arasında karşılaştırma yapılmıştır. Böylece bu çapraz doğrulama yöntemi kullanılarak her katta farklı bir katılımcının verisi tek başına test edilecek şekilde bir kurgu yapılmıştır. Bu şekilde hem her katılımcı özelinde skorlar görülmüş, hem de model performanslarından çıkan sonuçların istatiksel olarak daha güvenilir olması amaçlanmıştır. Son performans değerlendirme ve karşılaştırma yöntemleri olarak permütasyon ve Wilcoxon İşaretli Sıralama teknikleri kullanılarak modellerin skorları istatiksel olarak karşılaştırılmış ve istatiksel anlamları tespit edilmiştir.
Özet (Çeviri)
The fMRI method, which is generally used to detect behavioral patterns, draws attention with its expensive and impractical features. On the other hand, the near-infrared spectroscopy (fNIRS) method is less expensive and portable, but it is as effective as fMRI in creating a good prediction model. With this method, a model has been developed that can predict whether a person likes a visual stimulus or not, using various classical machine learning algorithms including Support Vector Machines (SVM), Random Forests, XGBoost, LightGBM and K-Nearest Neighbors (KNN). With implementing tree-based and booster algorithms in addition to SVM and KNN which have been frequently used algorithms in this fNIRS domain, it was aimed to do a complementary comparison in addition to these acknowledged algorithms. Moreover, various missing value imputation methodologies were used to find the best suitable approach for this kind of classification problem. K-Means clustering, which is an unsupervised learning method, was also utilized to cluster similar fNIRS measurements of participants that may improve classification results by one-hot encoding those groups. Furthermore, certain feature extraction and wrapper methodologies were also applied for an attempt to enhance the performance of liking prediction models as a secondary goal. PCA, Isomap and t-SNE methodologies were implemented as feature extraction approaches, and forward selection wrapper design was utilized as an additional step to further development of the model by comparing their scores with each other. Cross-validation F1-scores of these models were used to find out the best model among them. Leave-one-group-out cross validation was exploited in comparison of the models. This meant that these cross-validation results corresponded to each of participants' data i.e. testing every participants' fNIRS measurements alone in each fold. This way both every score specific to each participant could be seen and it ensured models' results were statistically reliable. Following evaluations also included permutation and Wilcoxon Signed-Rank tests to compare each model's performance with each other by testing the statistical significance of those results.
Benzer Tezler
- An analysis of sex preference in relation with contraceptive use in Turkey
Türkiye'de cinsiyet tercihinin gebeliği önleyici yöntem kullanımı ile ilişkisinin analizi
BAYRAM SAMET ŞAHİN
Yüksek Lisans
İngilizce
2013
DemografiHacettepe ÜniversitesiDemografi Ana Bilim Dalı
DOÇ. DR. İLKNUR YÜKSEL KAPTANOĞLU
- Yolculuk davranışlarına sosyal yapının etkisi: Kocaeli merkez ilçe örneği
The effect of social structure on travel behaviour: The case of Kocaeli central district
ÖZGE İREM ALTUNAY
Yüksek Lisans
Türkçe
2024
Ulaşımİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. HÜSEYİN ONUR TEZCAN
- Ürün tasarımında biyofilik boyutlar ve kullanıcıtercihleri ile ilişkisi
Biophilic dimensions in product design and theirrelationship with user preferences
MİRAY BOĞA
Doktora
Türkçe
2022
Endüstri Ürünleri Tasarımıİstanbul Teknik ÜniversitesiEndüstri Ürünleri Tasarımı Ana Bilim Dalı
PROF. DR. GÜLNAME TURAN
- Boğaziçi kıyılarının görsel niteliklerinin turizm açısından değerlendirilmesi
Başlık çevirisi yok
AYŞEGÜL HATİPOĞLU
Yüksek Lisans
Türkçe
1997
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. VEDİA DÖKMECİ
- Landfill site selection and landfill liner design for Ankara
Ankara katı atık sahası yeri seçimi ve tasarımı
GÖZDE PINAR YAL
Yüksek Lisans
İngilizce
2010
Jeoloji MühendisliğiOrta Doğu Teknik ÜniversitesiJeoloji Mühendisliği Bölümü
PROF. DR. HALUK AKGÜN