Sürdürülebilir Kalkınma Amaçları

• 1

Araştırmacılar(2)

• Çelik, Husamettin
• Karakaş, Mehmet Fatih

• ArticleAçık Erişim2026/r/ebyu/19286
  Decoding brain signals for inner speech: eeg signal sub-band decomposition and machine learning approach

  Karakas, Mehmet Fatih

  Decoding inner speech is a rapidly advancing field with significant implications for brain-computer interfaces (BCIs) and assistive technologies. In this study how sub-band decomposition, feature types, and classifier choice affect inner-speech classification were assessed. A comprehensive comparative framework is presented, employing various sub-band decomposition techniques including Tunable Q-Factor Wavelet Transform, Empirical Mode Decomposition, Variational Mode Decomposition, and Circulant Singular Spectrum Analysis. From the decomposed signals, 17 statistical, 4 entropy, and 5 frequency features were extracted individually and in hybrid combinations before reduction with Least Absolute Shrinkage and Selection Operator. Classification performance was evaluated with 10-fold cross-validation, using Support Vector Machine, Feedforward Neural Network, and K-Nearest Neighbor. Performance was summarized as the mean across 30 independent runs per condition over six metrics. A three-way repeated measures ANOVA with Greenhouse-Geisser correction showed significant main effects and interactions across all metrics (p < 0.001), with large effect sizes (η2p >= 0.14). The best overall configuration was EMD-Hybrid-SVM outperforming baseline models, yielding a group-level mean accuracy of 54.13%. These findings demonstrate the potential of sub-band decomposition and hybrid features for improving inner speech decoding and contribute to the development of more robust EEG-based BCIs.

  İncele
• ArticleAçık Erişim2026/r/ebyu/19208
  Base station selection with 3GPP tr 38,901 channel model based multiobjective nsga-ii algorithm

  Çelik, Hüsamettin

  The increase in data demand in mobile communication systems, parallel to the increase in the number of users, has led to serious problems encountered in the base station selection processes in 5G and beyond wireless networks. The distance between the base station and the user, and the signal attenuation caused by this distance, lead to poor signal quality and interference. Effective base station selection plays a critical role in improving the overall performance of communication networks. In traditional base station selection, the desired performance cannot be achieved because the maximum Received Signal Strength Indicator (RSSI) cannot optimize interference and load balancing. Based on these problems, this study created a realistic channel model for the 5G system using the 3GPP TR 38.901 channel model and addressed base station selection. This selection process was formulated using a multi-objective optimization method and solved with the Non-dominated Sorting Genetic Algorithm (NSGA-II). The simulation solution was obtained by considering the maximization of signal quality and the minimization of the distance between the base station and the user as the objective functions used in the NSGA-II algorithm. The results obtained showed that the proposed method provides more balanced and efficient solutions and increases the performance rate.

  • 
  İncele
• ArticleAçık Erişim2020/r/ebyu/22129
  Wishart Matris’lerinde En Büyük Özdeğer Olasılık Dağılım Fonksiyonlarının Karşılaştırılması

  Çelik, Hüsamettin; Karaboga, Nurhan

  Wishart matrisleri ve bu matrislerin özdeğer dağılımları telekomünikasyon, algılama teorisi ve çok değişkenli veri analizlerindeoldukça yaygın olarak kullanılmaktadır. Fakat bu dağılımlar önceden tanımlanmış herhangi fonksiyona benzemediğinden, kapalı birfonksiyonla ifade edilmesi çok kolay olmamaktadır. Literatürde özellikle Wishart matrislerinin en büyük özdeğerinin olasılık dağılımıiçin yapılan çalışmalar mevcuttur. Bu çalışmalarda Wishart matrislerinin en büyük özdeğerine eklenen parametrelerle 1. derecedenTracy-Widom dağılımına benzetilmektedir. Fakat dağılımın benzerlik ölçüsü eklenen parametrelere göre değişmektedir. Yapılan buçalışma, Ma, Jhonstone, Deo tarafından önerilen en büyük özdeğer dağılım fonksiyonlarının performanslarını karşılaştırmayıamaçlamıştır. Benzetim çalışmaları farklı boyuttaki matrisler için uygulanmış ve sonuçlar karşılaştırılmıştır. Yapılan benzetimçalışmalarına göre, Deo tarafından sunulan en büyük özdeğer dağılım fonksiyonunun, 1. dereceden Tracy-Widom olasılık dağılımınaen fazla benzediği görülmüştür.

  İncele
• ArticleAçık Erişim2020/r/ebyu/22128
  Ses İşaretlerinin Ayrıştırılmasında Kör Kaynak Algoritmalarının Performans Analizleri

  Çelik, Hüsamettin; Karaboga, Nurhan

  İki veya daha fazla sesin karışımından birini elde etmek veya gürültülü ortamda kaydedilen seslerin gürültüden ayrıştırılması herzaman popülerliğini korumaktadır. Gürültü çeşidi, kaynağı ve seslerin karışım ortamları bilinmediği için ayrıştırma işlemindekullanılan algoritmaların işlem süresi ve performansları farklılık göstermektedir. Karışmış işaretleri ayrıştırmada kör kaynakalgoritmaları kullanılmaktadır. Doğrusal karışmış işaret kaynaklarından oluşan veri kümesinden, işaretlerin veya gürültünün ayrı ayrıtahmin edilme işlemi kör kaynak ayrıştırma olarak ifade edilmektedir. Mühendislik uygulamalarında birçok yöntem olsa da tasarımkısıtlamaları ve gereksinimleri göz önüne alındığında hangi algoritmanın daha uygun olacağını analiz etmek gerekir. Bu çalışmada üçfarklı yöntem olarak; Pearson bağımsız bileşen analizi (Pearson Independent Component Analysis -PICA), İkinci dereceden körtanımlama ( Second-Order Blind Identification-SOBİ) algoritması ve Ortak yaklaşım özdeğerlerin köşegenleştirilmesi (JointApproximation Diagonalization of Eigen-matrices-JADE) algoritmaları karşılaştırılmıştır. Algoritmaların performans analizleridikkate alınarak başarım oranları ve işlem sürelerine göre değerlendirilmiştir.

  İncele