• Türkçe
    • English
  • Türkçe 
    • Türkçe
    • English
  • Giriş
Öğe Göster 
  •   RTEÜ
  • Araştırma Çıktıları | TR-Dizin | WoS | Scopus | PubMed
  • TR-Dizin İndeksli Yayınlar Koleksiyonu
  • Öğe Göster
  •   RTEÜ
  • Araştırma Çıktıları | TR-Dizin | WoS | Scopus | PubMed
  • TR-Dizin İndeksli Yayınlar Koleksiyonu
  • Öğe Göster
JavaScript is disabled for your browser. Some features of this site may not work without it.

EEG+YKS tabanli beyin bilgisayar arayüzü sistemlerinde makine öğrenme tekniklerinin kullanimina i̇lişkin i̇nceleme

Göster/Aç

Tam Metin / Full Text (1.323Mb)

Erişim

info:eu-repo/semantics/openAccess

Tarih

2024

Yazar

Ergün, Ebru
Aydemir, Önder
Korkmaz, Onur Erdem

Üst veri

Tüm öğe kaydını göster

Künye

Ergün, E., Aydemir, Ö. & Korkmaz, O. (2024). EEG+YKS Tabanlı Beyin Bilgisayar Arayüzü Sistemlerinde Makine Öğrenme Tekniklerinin Kullanımına İlişkin İnceleme. EMO Bilimsel Dergi, 14(1), 39-49.

Özet

Beyin-bilgisayar arayüzü (BBA), kişinin beyin aktivitesini algılayan ve bu aktiviteyi bir bilgisayar veya diğer dış cihazlarla iletişim kurmak için kullanılabilir bir formata çeviren sistemdir. BBA sistemleri için çeşitli beyin görüntüleme teknikleri, giriş işareti olarak kullanılmaktadır. Diğer alternatiflere göre birçok avantajı olmasından dolayı elektroensefalografi (EEG), BBA sistemlerinde sıkça tercih edilmektedir. Ancak, sadece EEG kullanarak yapılan çalışmalar, BBA sistemlerinin performansını tatmin edici bir seviyeye yükseltememiştir. Son yıllarda, beyin görüntüleme yöntemlerinin kendilerine özgü avantaj ve dezavantajlarından ötürü farklı sinyal kayıt yöntemlerini bir araya getirerek kullanma eğilimi artmıştır. Bu çalışmada, EEG+ yakın kızılötesi spektroskopisi (YKS) tabanlı BBA sistemlerinde makine öğrenme tekniklerinin kullanımına ilişkin yapılan mevcut araştırmaların bir incelemesi sunulmaktadır. Öncelikle, EEG ve YKS sinyallerinin tekli nasıl kullanıldığı ve daha sonra bu iki sinyalin nasıl hibrit BBA sistemlerinde bir araya getirildiği ilgili literatürle sunulmuştur. Çalışmalar incelendiğinde, hibrit BBA ile EEG’ye göre sınıflandırma doğruluğu ortalama %7.58, YKS’ye göre ise %13.04 artış hesaplanmıştır. Ulaşılan sonuç, hibrit BBA sistemlerinin insan-makine etkileşimini iyileştirmeye önemli katkılar sağlayacağını göstermektedir.

Kaynak

EMO Bilimsel Dergi

Cilt

14

Sayı

1

Bağlantı

https://search.trdizin.gov.tr/tr/yayin/detay/1225358/eegyks-tabanli-beyin-bilgisayar-arayuzu-sistemlerinde-makine-ogrenme-tekniklerinin-kullanimina-iliskin-inceleme
https://hdl.handle.net/11436/9679

Koleksiyonlar

  • MÜF, Elektrik-Elektronik Mühendisliği Bölümü Koleksiyonu [196]
  • TR-Dizin İndeksli Yayınlar Koleksiyonu [2844]



DSpace software copyright © 2002-2015  DuraSpace
İletişim | Geri Bildirim
Theme by 
@mire NV
 

 




| Yönerge | Rehber | İletişim |

DSpace@RTEÜ

by OpenAIRE
Gelişmiş Arama

sherpa/romeo

Göz at

Tüm DSpaceBölümler & KoleksiyonlarTarihe GöreYazara GöreBaşlığa GöreKonuya GöreTüre GöreDile GöreBölüme GöreKategoriye GöreYayıncıya GöreErişim ŞekliKurum Yazarına GöreBu KoleksiyonTarihe GöreYazara GöreBaşlığa GöreKonuya GöreTüre GöreDile GöreBölüme GöreKategoriye GöreYayıncıya GöreErişim ŞekliKurum Yazarına Göre

Hesabım

GirişKayıt

İstatistikler

Google Analitik İstatistiklerini Görüntüle

DSpace software copyright © 2002-2015  DuraSpace
İletişim | Geri Bildirim
Theme by 
@mire NV
 

 


|| Rehber|| Yönerge || Kütüphane || Recep Tayyip Erdoğan Üniversitesi || OAI-PMH ||

Recep Tayyip Erdoğan Üniversitesi, Rize, Türkiye
İçerikte herhangi bir hata görürseniz, lütfen bildiriniz:

Creative Commons License
Recep Tayyip Erdoğan Üniversitesi Institutional Repository is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 4.0 Unported License..

DSpace@RTEÜ:


DSpace 6.2

tarafından İdeal DSpace hizmetleri çerçevesinde özelleştirilerek kurulmuştur.