Dr. Öğr. Üyesi
HARUN
ÇİĞ

Başlama Tarihi : 29.09.2017
Bitiş Tarihi : 05.11.2018
Proje Konusu :
Proje Konum : Danışman
Proje Türü : -Tübitak 1512
Güncelleme Tarihi : 2023-03-31 12:20:26

Başlama Tarihi : 09.09.2017
Bitiş Tarihi : 09.09.2018
Proje Konusu : Çalışma kapsamında, her denek 5 farklı frekansta titreşen beş mor kutuya (6.66, 7.50, 8.57, 10.00 ve 12.00 Hz) 5 saniyelik sürelerle 25 kere maruz bırakılmıştır. Her denek için bu işlem 5 kere tekrarlanmış ve sonuçta her deneğe ait 5 saniyelik toplam 125 farklı çakar verisi (EEG datası) elde edilmiştir. Bu kapsamda, öncelikle MAMEM tarafından sağlanan ve 5'er saniye dinlenme aralıklarıyla 25'li denemeler halinde toplanan EEG datası sırasıyla, yaş grubuna (20-30 ve 30-40 arası iki grup), cinsiyete (bay ve bayan olmak üzere iki grup) ve saç tipine (kısa, normal ve kalın) göre gruplandırılıp 5 ayrı frekansta titreşen çakarlar göz önüne alınarak Matlab programı kullanılarak 5 set (6.66, 7.50, 8.57, 10.00 ve 12.00 Hz) halinde ayrıştırılmıştır. Ayrıştırma işlemi ayrıca bu gruplardan bağımsız olarak her denek için de ayrı ayrı gerçekleştirilmiştir. Ayrıştırma işlemleri sonucu 19 farklı veri seti oluşturulmuştur. Oluşturulan bu veri setleri öncelikle 3-40 Hz arası bant geçiren Chebyshev II filtre ile temizlenmiştir. Filtreleme sonrası öznitelik işlemleri gerçekleştirilmiştir. Öncelikle her sinyal veri seti CHEB2ORD Chebyshev Type II filtreden geçirilmiştir. Daha sonra filtrelenen sinyal 128'lik pencere boyutu ile pencerelenmiştir. Pencerelenen bu sinyallerin her 128 veride bir defa güç spektral yoğunluğu (PSD) hesaplanmıştır. PSD'si hesaplanan pencerelenmiş sinyallerin aritmetik ortalaması hesaplanmış ve çıkan sonuçlar öznitelik olarak değerlendirilmiştir. Sonrasında ise veri setine uygun sınıflayıcılar ve sınıflayıcılarda kullanılacak uygun kernel fonksiyonları belirlenmiştir. Çalışma kapsamında hazırlanan veri setleri sırasıyla YSA, SVM, KNN, CCA ve MsetCCA algoritmaları kullanılarak ayrı ayrı analiz edilmiş ve doğruluk oranları gözlemlenmiştir. EEG verilerinde yakalanan bu başarı SSVEP tekniğinin beyin-bilgisayar ara-yüzü kullanılarak iletişim sağlanabileceğinin açık göstergesidir. Proje kapsamında ayrıca literatürde sunulan MLR, CFA, MCCA, TRCA, FBCCA, Lasso, L1MCCA gibi farklı sınıflandırma algoritmaları incelenmiş, Matlabda kodlanmış ve sınıflandırma başarıları test edilmiştir. Testler sonucu sınıflandırma başarısı en iyi olan algoritmanın CCA algoritması olduğu gözlemlenmiş ve bundan sonraki sınıflandırma işlemleri için CCA algoritmasının kullanımına karar verilmiştir.
Proje Konum : Araştırmacı
Proje Türü : Yükseköğretim Kurumları tarafından destekli bilimsel araştırma projesi
Güncelleme Tarihi : 2023-03-31 12:21:34

Başlama Tarihi : 08.02.2016
Bitiş Tarihi : 29.12.2017
Proje Konusu : Birçok özürlü insan beyin aktivitelerini yerine getirebilirken meydana gelmiş olan kas hastalıkları veya kasların zarar görmesi sonucunda yaşamsal faaliyetlerini yapamamaktadırlar. Projede,beyin aktivitesini gerçekleştirebilen ancak kas sistemi rahatsız olan hastaların EEG sinyalleri elde edilip belirlenen işlemlere tabi tutularak belirlrnrn cihazların yardımı ile yaşam standardını normalleştirmek amaclanmıştır. Mühendislik fakültesi ve bilgisayar mühendisliği bölümü laboratuvar alt yapısının geliştirilerek, eğitim yönünden iyileştirilmesi ve insanların kullanabileceği faydalı projeler yapmaya yönelik çalışmaları kapsamaktadır. Bu kapsamda, yapılacak projede donanımlı cihazlara sahip “Bilgisayar mühendisliği bölümü robotik laboratuvarları ” güçlendirilecektir. Robotik sistemler günümüzde ev hayatı, iş hayatı , endüstri, tıp gibi alanlarda temel uygulamalar olmuştur. Hem donanım hem de yazılım bilgisi gerektirmektedir. Yapılacak lisansüstü çalışmalar ülkemizin teknolojik altyapısına katkı sağlayacaktır.
Proje Konum : Araştırmacı
Proje Türü : Yükseköğretim Kurumları tarafından destekli bilimsel araştırma projesi
Güncelleme Tarihi : 2018-01-12 16:15:13