EEG sinyalleri kullanılarak yeni nesil cümle sınıflandırma modellerinin geliştirilmesi

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.