@article{article_1730740, title={Zihinsel İş Yükü Seviyelerinin EEG Alt Bantlarına Dayalı Sınıflandırılması}, journal={Kayseri Üniversitesi Mühendislik ve Fen Bilimleri Dergisi}, volume={1}, pages={22–29}, year={2025}, author={Dolu, Müge and Gengeç Benli, Şerife}, keywords={Machine learning, mental workload, EEG analysis}, abstract={EEG sinyalleri kullanılarak beyinde farklı durumlara verilen farklı yanıtlar ölçülerek analiz edilebilir. Bu çalışmada, MATB-II görev tabanlı çalışmasına ait açık erişimli bir veri seti kullanılarak 3 oturuma ait 3 farklı zorluk seviyesi (kolay,orta,zor) incelenmiştir. Öncelikle veriler 0.5 Hz ile 45 Hz aralığına filtrelenmiş ve faz kayması giderilmiştir. Sonrasında verilere 4. dereceden ayrık dalgacık dönüşümü uygulanmış ve elde edilen katsayıların her birinden zaman, frekans ve entropi tabanlı 26 özellik olmak üzere toplam 130 özellik çıkarılmıştır. Ardışık ileri seçim yöntemi kullanılarak özellik çıkarımına gidilmiştir. Yapay sinir ağları, k en yakın komşu ve rastgele orman algoritmaları ile kolay, orta ve zor seviyeleri için sınıflandırmalar yapılmış ve en yüksek başarım oranları k en yakın komşu algoritmasından elde edilmiştir}, number={1}, publisher={Kayseri University}