EEG Sinyallerine Dayalı Duygu Tespiti için Derin Öğrenme Algoritmalarının Performans Analizi

İnsan duyguları, bir kişinin etrafındaki olaylara tepkisidir. İnsan duyguları, bir kişinin hayatında önemli bir rol oynar ve günlük ruh haline göre davranış ve eylemleri üzerinde büyük bir etkiye sahiptir. Son yirmi yılda bilgisayarların gelişimi, insan-makine etkileşimi uygulamalarına olan ilginin artmasına neden olmuştur. Bu uygulamalar arasında son zamanlarda psikologlar tarafından oldukça fazla ilgi gören insan duyguları uygulamaları yer almaktadır. Bu tezin temel amacı, derin öğrenme tekniklerini kullanarak insan duygularını tespit etmektir. Bu tezde, insan duygularını ayrık duygular modeline ve boyutsal duygu modeline göre sınıflandırmak için fizyolojik bir veri seti olan GAMEEMO kullanılmıştır. GAMEMO veri seti, 28 denek için 128 Hz sinyallerden oluşan bir EEG veri setidir. Bu tezin üç ana görevi vardır. İlk görev: Dört özellik çıkarma yöntemi (istatistiksel özellikler (SF), SF ve Welsh güç spektral yoğunluğunun (PSD) bir kombinasyonu, SF ve Fast Fourier dönüşümünün (FFT) bir kombinasyonu ve SF ve dalgacık paket ayrıştırmasının birleşimi ( WPD), daha fazla özellik çıkarmak için önceden işlenmiş EEG sinyallerine uygulanır. İkinci görev: Verileri iki sınıfa ve dört sınıfa göre ayırmaktır. Üçüncü görev: 1D CNN kullanarak bir evrişimli sinir ağı (CNN), Uzun süreli bellek (LSTM) kullanan sinir ağı (RNN) ve hibrit bir model 1D CNN + LSTM mimarilerinin oluşturulmasıdır. Bu tezde, WPD+SF öznitelik çıkarma yöntemini kullanarak her iki duygu modelinde de %98'den fazla doğrulukla yüksek performans elde edilmiştir.