Uzun kısa süreli bellek algoritması kullanılarak eeg tabanlı kimliklendirme sistemi tasarımı

Basit Öğe Kaydı
dc.contributor.advisorOralhan, Zeki
dc.contributor.authorBalcı, Furkan
dc.date.accessioned2025-02-24T15:54:36Z
dc.date.available2025-02-24T15:54:36Z
dc.date.issued2020
dc.departmentEnstitüler, Fen Bilimleri Enstitüsü, Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
dc.description.abstractİnsan beynindeki kompleks organizasyon ilişkisinin anlaşılmasının kolaylaştırılması için yapay zeka ve derin öğrenme algoritmaları kullanılabilir. Derin öğrenme algoritması daha önceden eğitilen veriler ile çok fazla gizli katman ile yapay sinir ağı modeli oluşturularak bu modelin eğitilmesi ile yeni verilerin sınıflandırılması veya analizi yapan bir yaklaşımdır. Teknolojinin gelişmesi sayesinde derin öğrenmenin kullanım alanının yaygınlaşması ile biyomedikal veriler üzerinde yapılan çalışmalarda kullanılmaya da başlanmıştır. Bu tez çalışmasında elektroensefalografi işareti frekans bileşenlerinden delta dalgasının kişinin dinlenim durumunda vücudunda gelişen reaksiyonlara bağlantısallığı hipotezine bağlı kalınarak delta dalgası kişi kimliği tanıma işleminin başarımı üzerinde durulacaktır. Bu bağlantısallığının derin öğrenme algoritmasına öğretilebilmenin olabilirliği araştırılarak başarım faktörlerinin analizi yapılmıştır. 8 sağlıklı denek üzerinde elde edilen dinlenim durumundaki elektroensefalografi (EEG) verisi kullanılarak bu sinyalle ait temel işaret dönüşümleri yapılarak bağlantısallık ve kimliklendirmede kullanılıp kullanılamayacağının analizleri yapay zeka algoritması üzerinden yapılmıştır. Bu çalışma sonucunda elde edilen bulgular, uzun kısa süreli bellek algoritması kullanılarak yürütülecek gelecek çalışmalara katkı sağlayacağı düşünülmektedir.
dc.description.abstractArtificial intelligence and deep learning algorithms can be used to facilitate understanding of the complex organizational relationship in the human brain. The deep learning algorithm is an approach that makes classification or analysis of new data by training this model by creating artificial neural network model with many hidden layers with previously trained data. Thanks to the development of technology, it has begun to be used in studies on biomedical data with the widespread use of deep learning. In this thesis, the success of the delta wave person identification recognition will be emphasized by adhering to the hypothesis that the electroencephalographic signal frequency components are connected to the reactions developing in the body of the delta wave. Performance factors were analyzed by investigating the likelihood of being able to teach this connectivity to the deep learning algorithm. Using the electroencephalography (EEG) data in the resting state obtained on the planned parcels, the analysis of whether this signal can be used in connectivity and identification by making basic signal transformations has been made through the artificial intelligence algorithm. The findings to have obtained as a result of this study are thought to contribute to the studies to be carried out using the long short term memory algorithm.
dc.identifier.endpage112
dc.identifier.startpage1
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=_F5QEpayDXGqGZlp9XiFtK69MigvGenXvwDKPosNP6QotkdNrGakJb5Ddf1AzlVK
dc.identifier.urihttps://hdl.handle.net/20.500.14440/18
dc.identifier.yoktezid630706
dc.institutionauthorBalcı, Furkan
dc.language.isotr
dc.publisherNuh Naci Yazgan Üniversitesi
dc.relation.publicationcategoryTez
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_TEZ_20250201
dc.subjectElektrik ve Elektronik Mühendisliği
dc.subjectElectrical and Electronics Engineering
dc.titleUzun kısa süreli bellek algoritması kullanılarak eeg tabanlı kimliklendirme sistemi tasarımı
dc.title.alternativeEeg based identification system design using long short term memory algorithm
dc.typeMaster Thesis

Dosyalar

Koleksiyon

Fen Bilimleri Enstitüsü Tez Koleksiyonu