Bu öğeden alıntı yapmak, öğeye bağlanmak için bu tanımlayıcıyı kullanınız: http://acikerisim.ktu.edu.tr/jspui/handle/123456789/3379
Tüm üstveri kaydı
Dublin Core AlanıDeğerDil
dc.contributor.authorYılmaz, Çağatay Murat-
dc.date.accessioned2022-05-09T12:53:37Z-
dc.date.available2022-05-09T12:53:37Z-
dc.date.issued2021-03-
dc.identifier.urihttp://acikerisim.ktu.edu.tr/jspui/handle/123456789/3379-
dc.description.abstractBeyin makine arayüzlerinin (BMA) geliştirilmesinde sıklıkla başvurulan motor hareket hayalinde (MHH) herhangi bir eylem motor sistem kullanılmadan beyinde simule edilerek yapılır. Tez çalışmasında, MHH görevlerinin sınıflandırılması için bazı örüntü tanıma teknikleri önerilmiştir. Bu amaçla ilk olarak, EEG sinyallerindeki geçiş noktalarına ait 2-B öznitelikler özelleşmiş bir uzayda çıkarılmıştır. Ardından, 2-B yarı olasılıksal dağılım modelleriyle (YODM) öğrenme modelleri oluşturulmuş ve olasılıksal üyeliklerle sınıflandırma gerçekleştirilmiştir. İlerleyen süreçte veri domaininden faydalanarak YODM temelli alt-sınıflandırıcılar oluşturulmuş ve oylama yaklaşımlarında kombinasyonları da kullanan bazı sınıflandırıcılar önerilmiştir. Dahası sinyal öznitelikleri 2-B modelleme görüntülerine dönüştürülmüş ve EEG sinyalleri transfer öğrenmeyle evrişimli sinir ağlarına uygulanmıştır. Tüm bunlara ek olarak, mobil telefonlarda sık kullanılan el hareketlerine ait MHH'ler ile MHH-BMTA adında yeni bir veri seti oluşturulmuş ve problem domainine beyin-mobil telefon arayüzleri de eklenmiştir. Yöntemlerin performansları MHH-BMTA ve BCI Competition yarışmalarında sunulan birçok veri setinde sınanmıştır.tr_TR
dc.language.isotrtr_TR
dc.publisherKaradeniz Teknik Üniversitesi / Fen Bilimleri Enstitüsütr_TR
dc.subjectElektroensefalografi, Motor hareket hayali, Beyin-bilgisayar arayüzleri, Beyin-mobil telefon arayüzleri, 2-B öznitelikler, Yarı olasılıksal dağılım modelleri, Örüntü tanıma, Oylama yöntemleri.tr_TR
dc.subjectElectroencephalogram, Motor imagery, Brain-computer interfaces, Brainmobile phone interface, 2-D features, Quasi-probabilistic distribution model, Pattern recognition, Voting methods.tr_TR
dc.titleMotor hareket hayali görevlerine ait EEG sinyallerinin 2-B öznitelikler ve yarı olasılıksal dağılım modelleri ile sınıflandırılmasıtr_TR
dc.title.alternativeClassification of EEG-based motor imagery tasks using 2-D features and quasi-probabilistic distribution modelstr_TR
dc.typeThesistr_TR
Koleksiyonlarda Görünür:Bilgisayar Mühendisliği

Bu öğenin dosyaları:
Dosya Açıklama BoyutBiçim 
670818.pdf8.6 MBAdobe PDFKüçük resim
Göster/Aç


DSpace'deki bütün öğeler, aksi belirtilmedikçe, tüm hakları saklı tutulmak şartıyla telif hakkı ile korunmaktadır.