Neural networks algorithms for emotion recognition using mindwave mobilr(EEG)
Duygu için sinir ağları algoritmaları mındwave mobılr(EEG) kullanarak tanıma
- Tez No: 848786
- Danışmanlar: DR. ÖĞR. ÜYESİ TİMUR İNAN
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Mindware sinyallerini ve sinir ağlarını kullanan duygu tanıma, insan duygularının karmaşıklığına ve bireysel beyin dalgalarının çeşitliliğine. Alabilir Doğru ve güvenilir sonuçlara ulaşmak için çok sayıda deney ve iyileştirme yapılır. Fakat, Kullanılan veriler, algoritmalar ve teknolojiler sayesinde birçok potansiyel uygulamaya sahiptir. Etraflı, daha fazla araştırma ve geliştirme için birçok olanağın bulunduğu heyecan verici ve zorlu bir alandır. gelişim. Algoritma seçimi spesifik probleme ve mevcut olana bağlıdır. veri. Her algoritmanın kendine özgü güçlü ve zayıf yönleri vardır. Doğru algoritmayı seçmek kullanılan verilerin, özelliklerin ve parametrelerin dikkatli bir şekilde değerlendirilmesini gerektirir. Genel süreç MindWave cihazından MindWave verilerinin toplanmasını, verilerin önceden işlenmesini içerir. kullanıcının duygusal durumunu temsil eden özelliklerin çıkarılması, gürültünün ve yapaylıkların ortadan kaldırılması, Etiketli verileri kullanarak sinir ağını eğitmek ve sinir ağının doğruluğunu test etmek yeni veriler üzerinde ağ.
Özet (Çeviri)
Emotion recognition using Mindware signals and neural networks is a challenging field due to the complexity of human emotions and the diversity of individual brainwaves. It can take a lot of experimentation and refinement to achieve accurate and reliable results. However, with the data, algorithms and technologies used it has many potential applications. Overall, it is an exciting and challenging field with many possibilities for further research and development. The choice of algorithm depends on the specific problem and the available data. Each algorithm has its own strengths and weaknesses. Choosing the right algorithm requires careful consideration of the data, features and parameters used. The general process includes collecting MindWave data from the MindWave device, pre-processing the data to remove noise and artifacts, extracting features that represent the user's emotional state, training the neural network using the labeled data, and testing the accuracy of the neural network on the new data.
Benzer Tezler
- Text categorization using syllables and recurrent neural networks
Tekrarlamalı sinir ağları ve heceleri kullanarak metin sınıflandırma
ERSİN YAR
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SÜLEYMAN SERDAR KOZAT
- 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
- Chair recognition and cognitive based chair selection algorithms for humanoid robots
Sandalye tanıma ve bilişsel tabanlı sandalye seçme algoritmalarının insansı robotlara uygulanması
FATMA GÖNGÖR
Yüksek Lisans
İngilizce
2018
Elektrik ve Elektronik MühendisliğiAdana Bilim ve Teknoloji ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖNDER TUTSOY
- Makine öğrenimi tekniklerini kullanarak konuşma duygularını tanıma
Speech emotion recognition using machine learning techniques
ÜLKÜ BAYRAKTAR
Yüksek Lisans
Türkçe
2023
Bilim ve TeknolojiKocaeli ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZEYNEP HİLAL KİLİMCİ
- Deep learning based three dimensional face expression recognition using geometry images from three dimensional face models
Üç boyutlu yüz modellerinden elde edilen geometri görüntüleri kullanılan derin öğrenme tabanlı üç boyutlu yüz ifadelerini tanıma
NEŞE GÜNEŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ULUĞ BAYAZIT