Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.11779/1882
Full metadata record
DC FieldValueLanguage
dc.contributor.authorÇakar, Tuna-
dc.contributor.authorTuna, Esin-
dc.contributor.authorKöksal, Mehmet Yiğit-
dc.contributor.authorGirişken, Yener-
dc.date.accessioned2022-11-09T07:34:03Z
dc.date.available2022-11-09T07:34:03Z
dc.date.issued2022-
dc.identifier.citationKöksal, M. Y., Çakar, T., Tuna, E., & Girişken, Y. (15-18 May 2022). Liking Prediction Using fNIRS and Machine Learning: Comparison of Feature Extraction Methods. In 2022 30th Signal Processing and Communications Applications Conference (SIU) (pp. 1-4). IEEE. https://doi.org/10.1109/SIU55565.2022.9864887en_US
dc.identifier.issn2169-3536-
dc.identifier.urihttps://siu2022.bau.edu.tr/en/-
dc.identifier.urihttps://doi.org/10.1109/SIU55565.2022.9864887-
dc.identifier.urihttps://hdl.handle.net/20.500.11779/1882-
dc.description.abstractThe fMRI method, which is generally used to detect behavioral patterns, draws attention with its expensive and impractical features. On the other hand, near infrared spectroscopy (fNIRS) method is less expensive and portable, but it is as effective as fMRI in creating a good prediction model. With this method, a model has been developed that can predict whether people like a stimulus or not, using machine learning various algorithms. A comparison was made between feature extraction methods, which was the main focus while developing the modelen_US
dc.description.abstractDavranışsal örüntüleri tespit etmede genel olarak kullanılan fMRI yöntemi pahalı ve pratik olmayan özellikleriyle dikkat çekmektedir. Buna karşın yakın kızılötesi spektroskopi (fNIRS) yöntemi daha ucuz ve portatif özelliklere sahip olmak ile birlikte, iyi bir tahmin modeli oluşturmada fMRI kadar etkilidir. Bu yöntem ile çeşitli makine öğrenmesi algoritmaları kullanılarak insanların bir uyaranı beğenip beğenmediğini tahmin edebilecek bir model geliştirilmiştir. Model geliştirilirken ana odak olan öznitelik indirgeme yöntemleri arasında karşılaştırma yapılmıştır.en_US
dc.language.isotren_US
dc.publisherIEEEen_US
dc.rightsinfo:eu-repo/semantics/closedAccessen_US
dc.subjectOptical brain imagingen_US
dc.subjectKarar vermeen_US
dc.subjectMachine learningen_US
dc.subjectOptik beyin görüntülemeen_US
dc.subjectMakine öğrenmesien_US
dc.subjectDecision-makingen_US
dc.subjectÖznitelik çıkarmaen_US
dc.subjectFeature extractionen_US
dc.subjectfNIRSen_US
dc.titleFnırs ve Makine Öğrenmesi ile Beğeni Tahmini: Öznitelik İndirgeme Yöntemlerinin Karşılaştırılmasıen_US
dc.title.alternativeLiking prediction using fNIRS and machine learning: Comparison of feature extraction methodsen_US
dc.typeConference Objecten_US
dc.identifier.doi10.1109/SIU55565.2022.9864887-
dc.identifier.scopus2-s2.0-85138706426en_US
dc.authoridTuna Çakar / 0000-0001-8594-7399-
dc.authoridEsin Tuna / 0000-0001-6585-4195-
dc.description.PublishedMonthMayısen_US
dc.identifier.wosqualityQ2-
dc.identifier.scopusqualityQ1-
dc.relation.publicationcategoryKonferans Öğesi - Uluslararası - Kurum Öğretim Elemanıen_US
dc.identifier.endpage4en_US
dc.identifier.startpage1en_US
dc.departmentMühendislik Fakültesi, Bilgisayar Mühendisliği Bölümüen_US
dc.relation.journal2022 30th Signal Processing and Communications Applications Conference, SIU 2022en_US
dc.institutionauthorÇakar, Tuna-
dc.institutionauthorTuna, Esin-
dc.institutionauthorKöksal, Mehmet Yiğit-
item.fulltextWith Fulltext-
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
item.languageiso639-1tr-
item.openairetypeConference Object-
item.grantfulltextembargo_20400101-
item.cerifentitytypePublications-
crisitem.author.dept02.02. Department of Computer Engineering-
Appears in Collections:Bilgisayar Mühendisliği Bölümü Koleksiyonu
Psikoloji Bölümü Koleksiyonu
Scopus İndeksli Yayınlar Koleksiyonu / Scopus Indexed Publications Collection
Files in This Item:
File Description SizeFormat 
Liking_Prediction_Using_fNIRS_and_Machine_Learning_Comparison_of_Feature_Extraction_Methods.pdf
  Until 2040-01-01
Proceedings Paper1.11 MBAdobe PDFView/Open    Request a copy
Show simple item record



CORE Recommender

Page view(s)

42
checked on Nov 4, 2024

Google ScholarTM

Check




Altmetric


Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.