Ushbu tadqiqot elektroensefalografiya (EEG) signallaridan foydalanuvchining emotsional holatini tasniflaydigan va bashorat qilingan holatga qarab Unity 3D ichidagi vizual hamda eshitish atmosferasini o‘zgartiradigan Neyro-Adaptiv Virtual Muhit (NAVE) prototipini ishlab chiqadi. Model DREAMER ma’lumotlar to‘plamidagi 23 ishtirokchining 14 kanalli, 128 Hz EEG yozuvlaridan foydalanadi; 1 soniyalik signal bo‘laklaridan vaqt va chastota sohasi xususiyatlari ajratiladi hamda valence qiymatiga ko‘ra salbiy, neytral va ijobiy bo‘lgan uch sinfli Random Forest modeli o‘qitiladi. Manbada test aniqligi %70,39, ijobiy sinf uchun F1=0,74 va salbiy sinf uchun F1=0,73 deb xabar qilingan. Eng muhim talqin cheklovi shundaki, o‘qitish va testga ajratish ishtirokchilar asosida emas, tasodifiy EEG epoxalari bo‘yicha amalga oshirilgan; shu sababli %70,39 qiymati ilgari umuman ko‘rilmagan shaxsda ham ayni aniqlik olinadi degani emas.

Tizimning ma’lumotlar zanjiri EEG signali bilan boshlanadi. DREAMER yozuvlari avval normallashtiriladi va 1–50 Hz oralig‘ida to‘rtinchi tartibli Butterworth band-pass filtridan o‘tkaziladi. So‘ng har bir 1 soniyalik oynada o‘rtacha qiymat, standart og‘ish, Hjorth parametrlari, qiyshayish, eksess, Welch usuli bilan quvvat spektral zichligi, spektral entropiya, chegara chastotalari va kanallararo korrelyatsiyalar kabi xususiyatlar hisoblanishi ko‘rsatiladi. Manba har bir epoxa uchun jami 878 xususiyat borligini bildiradi.

EEGning asosiy chastota komponentlari delta, theta, alpha, beta va gamma diapazonlari sifatida qayta ishlanadi. Manba, shuningdek, beta/alpha nisbatini arousal ko‘rsatkichi; \((\beta+\gamma)/(\alpha+\theta)\) yoki \(\beta/\alpha\) nisbatini stress index; buning teskarisi bo‘lgan \((\alpha+\theta)/(\beta+\gamma)\) nisbatini relaxation index sifatida hisoblaydi. Ushbu indekslar Random Forest uchun ishlatiladigan keng xususiyatlar to‘plami bilan bir qatorda Unity’ga uzatilishi mumkin bo‘lgan neyro-emotsional ko‘rsatkichlar sifatida taqdim etiladi.

O‘qitilgan model rf_model.pkl, masshtablovchi esa scaler.pkl ko‘rinishida saqlanadi. Python backend tasniflash natijasini UDP orqali Unity’ga yuboradi. Unity tomonida ma’lumot qabul qilish alohida background thread’da amalga oshiriladi; kelgan paketlar asosiy render ish oqimiga dispatcher navbati orqali uzatiladi. Shu tariqa tarmoqni tinglash jarayonining Unity’ning asosiy grafik siklini bloklamasligi ko‘zda tutiladi.

Unity muhitida faqat “ijobiy/salbiy/neytral” yorlig‘i o‘zgarmaydi. Manba osmon rangi, quyosh ko‘rinishi, exposure, tuman/particle zichligi va fon ovozining emotsional sinfga qarab o‘zgartirilishini ta’riflaydi. Ovoz o‘zgarishlari keskin o‘tish o‘rniga audio crossfade, vizual parametrlar esa silliq interpolatsiya yondashuvi bilan qo‘llanadi.

Shu bilan birga, tadqiqot yakunlangan VR terapiya tizimi emas. Yangi VR foydalanuvchisida klinik tajriba o‘tkazilmagan, PTSD yoki fobiyani davolashdagi samaradorlik o‘lchanmagan, haqiqiy VR garniturasi bilan cybersickness testi bajarilmagan va tizimning umumiy end-to-end kechikishi miqdoriy benchmark bilan tasdiqlanmagan. Manbaning reabilitatsiya, fobiya simulyatsiyalari va neuro-gaming haqidagi fikrlari kelajakdagi qo‘llanish salohiyatidir.

Turkiya nuqtai nazaridan tadqiqot miya-kompyuter interfeyslari, o‘yin texnologiyalari, neyro-o‘yin, inson–kompyuter o‘zaro ta’siri, ta’lim simulyatsiyalari va foydalanuvchi holatiga moslashadigan raqamli muhitlar ustida ishlaydigan tadqiqot guruhlari uchun amaliy dasturiy arxitektura namunasidir. Biroq Turkiyada haqiqiy foydalanuvchiga moslashtirilgan qo‘llanma uchun ishtirokchidan mustaqil test, turk foydalanuvchilari namunasi, turli EEG qurilmalari, real vaqtda artefaktlarni boshqarish, kechikishni o‘lchash va foydalanuvchi tajribasini tasdiqlash alohida talab etiladi.

Tadqiqot hal qilmoqchi bo‘lgan asosiy muammo nima?

Tadqiqotning boshlang‘ich nuqtasi shundaki, ko‘pchilik virtual reallik va kengaytirilgan reallik tizimlari foydalanuvchiga boy vizual va eshitish muhiti taqdim etsa-da, foydalanuvchining ichki emotsional holatini bevosita hisobga olmaydi. An’anaviy tizimlarda foydalanuvchi bilan o‘zaro ta’sir ko‘pincha klaviatura, gamepad, harakat boshqaruvchisi yoki oldindan tayyorlangan ssenariylar orqali amalga oshadi.

Tadqiqotchilar taklif qilgan yondashuvda virtual muhit faqat foydalanuvchining ochiq buyruqlariga emas, EEG signallaridan bashorat qilingan emotsional holatga ham javob beradi. Shu tariqa tizim:

EEG → signalni qayta ishlash → xususiyatlarni ajratish → emotsiyani tasniflash → tarmoq orqali uzatish → Unity muhitini moslashtirish

ko‘rinishida yopiq biokibernetik sikl qurishni maqsad qiladi.

Foydalanilgan DREAMER ma’lumotlari nimalarni o‘z ichiga oladi?

Manbaga ko‘ra DREAMER ma’lumotlar to‘plami 23 ishtirokchi va har bir ishtirokchi uchun 18 ta video stimulini o‘z ichiga oladi. EEG signallari 128 Hz namunalash chastotasida 14 kanal orqali yozib olingan.

Foydalanilgan kanallar tartibi quyidagicha:

AF3, F7, F3, FC5, T7, P7, O1, O2, P8, T8, FC6, F4, F8, AF4.

Bir soniyalik xom kirish matritsasi:

\[ X_{raw}\in\mathbb{R}^{128\times14} \]

ko‘rinishidadir. Ya’ni har bir soniya uchun kanal boshiga 128 ta namuna va jami 14 ta EEG kanali mavjud.

Emotsional sinflar qanday tuziladi?

DREAMER ishtirokchilari video stimullaridan so‘ng Valence, Arousal va Dominance qiymatlarini 1–5 Likert shkalasida baholaydi. Tadqiqotda tasniflash maqsadi asosan Valence qiymatidan hosil qilinadi.

Manbada qo‘llanilgan sinf qoidasi:

\[ Category= \begin{cases} POSITIVE\;(2), & V>3\\ NEGATIVE\;(0), & V<3\\ NEUTRAL\;(1), & V=3 \end{cases} \]

ko‘rinishidadir.

Shu sababli model klinik ma’noda “baxtli”, “depressiv”, “stressli” yoki boshqa psixiatrik holatlarni tashxis qilmaydi. Model DREAMER ishtirokchilarining valence bo‘yicha o‘z-o‘zini baholashlarini uch sinfga ajratishni o‘rganadi.

EEG signallari qanday normallashtiriladi?

Har bir EEG kanali uchun Z-score normallashtirish qo‘llanadi:

\[ x'_n= \frac{x_n-\mu_x} {\sigma_x+10^{-8}} \]

Bu yerda \(x_n\) xom signal namunasi, \(\mu_x\) tegishli kanalning o‘rtacha qiymati va \(\sigma_x\) standart og‘ishidir. \(10^{-8}\) hadi standart og‘ish nolga yaqinlashganda sonli bo‘lish muammosining oldini olish uchun maxrajga qo‘shiladi.

Manba bu jarayonni turli shaxslar o‘rtasidagi signal masshtablarini muvozanatlashtirish uchun ishlatadi.

Butterworth filtri qaysi diapazondan foydalanadi?

Normallashtirishdan so‘ng to‘rtinchi tartibli Butterworth band-pass filtri qo‘llanadi. Manba filtrning ishlash diapazonini:

1,0–50,0 Hz

deb beradi.

Butterworth filtrining manbada ko‘rsatilgan asosiy amplituda munosabati:

\[ |H(j\omega)|^2= \frac{1} {1+\left(\frac{\omega}{\omega_c}\right)^{2N}} \]

ko‘rinishida bo‘lib, bu yerda \(N=4\) filtr tartibini bildiradi.

Maqolada bu filtrlash terlash, ko‘z qoqish va elektr tarmog‘idan keladigan shovqinlarni kamaytirish uchun qo‘llanilgani aytiladi. Shu bilan birga, alohida ICA, EOG regressiyasi yoki maxsus artefaktni olib tashlash algoritmi batafsil bayon qilinmagan.

EEG chastota diapazonlari qanday hisoblanadi?

Har bir tozalangan 1 soniyalik oynada Welch usuli bilan quvvat spektral zichligi (Power Spectral Density, PSD) hisoblanadi:

\[ P_{Welch}(f)= \frac{1}{K} \sum_{i=1}^{K}P_{U,i}(f) \]

Keyin PSD qiymatlari manbada belgilangan EEG diapazonlariga ajratiladi:

Ushbu diapazon quvvatlari ham xususiyatlar muhandisligining, ham Unity’ga yuboriladigan neyro-emotsional kirish vektorining qismlari sifatida ishlatiladi.

Arousal, stress va relaxation indekslari qanday aniqlanadi?

Manba uchta yordamchi nisbatdan foydalanadi.

Arousal nisbati:

\[ Arousal\ Ratio= \frac{\beta}{\alpha} \]

Stress Index:

\[ Stress\ Index= \frac{\beta+\gamma} {\alpha+\theta} \]

va manbada muqobil ravishda:

\[ Stress\ Index= \frac{\beta}{\alpha} \]

ifodasi ham berilgan.

Relaxation Index:

\[ Relaxation\ Index= \frac{\alpha+\theta} {\beta+\gamma} \]

ko‘rinishida hisoblanadi.

Ushbu nisbatlar tadqiqot dasturida neyro-emotsional ko‘rsatkichlar sifatida ishlatiladi; manba ularning mustaqil klinik stress yoki bo‘shashish tashxisi sifatida tasdiqlangan klinik tadqiqotni taqdim etmaydi.

Nechta xususiyat ajratildi?

Annotatsiya bo‘limiga ko‘ra, har bir 1 soniyalik epoxadan 878 xususiyat ajratilgan. Manba ularning vaqt va chastota sohasidagi tarkibiy qismlarini quyidagi sarlavhalarda ta’riflaydi:

• o‘rtacha qiymat,
• standart og‘ish,
• Hjorth parametrlari,
• skewness,
• kurtosis,
• Welch PSD xususiyatlari,
• spektral entropiya,
• edge frequencies,
• kanallararo korrelyatsiyalar.

Biroq maqolada 878 o‘lchamning barchasini birma-bir sanab beradigan feature dictionary yoki qo‘shimcha jadval bo‘lmagani uchun bu jami qiymatni manba matnidan mustaqil ravishda qayta tiklab bo‘lmaydi.

Namuna soniga nega ehtiyotkorlik bilan qarash kerak?

Tadqiqotdagi eng muhim ichki ma’lumot nomuvofiqliklaridan biri o‘qitish namunalari sonidir. Annotatsiya bo‘limida segmentatsiya natijasida:

85.744 ta noyob o‘qitish namunasi

olingan deb yozilgan.

Bunga qarshi ravishda Random Forest o‘qitish bo‘limida:

• Jami epoxa: 17.149
• O‘qitish: 13.719
• Test: 3.430

qiymatlari berilgan.

Manba 85.744 bilan 17.149 o‘rtasidagi farqni tushuntiradigan alohida data augmentation, cross-validation, oynalarni ko‘paytirish yoki boshqa transformatsiya hisobini bermaydi. Shu sababli ikki sonni indamay bitta namuna soniga aylantirish mumkin emas.

Random Forest qanday baholandi?

Ma’lumotlar manbada %80 o‘qitish va %20 test ko‘rinishida tasodifiy bo‘lingan. Model uchta valence sinfini Random Forest yordamida bashorat qiladi.

Manba baholashda Accuracy, Precision, Recall va F1-score metriklarini ta’riflaydi. Biroq ko‘rinadigan sonli natijalar sifatida quyidagi qiymatlar xabar qilingan:

Ushbu natijalar model DREAMER’dan hosil qilingan test epoxalarida emotsional sinflarni farqlay olishini ko‘rsatadi.

%70,39 aniqlik nimani isbotlamaydi?

Testga ajratish epoch darajasida tasodifiy bajarilgan. Maqolada 23 ishtirokchining barcha yozuvlari avval shaxslar bo‘yicha ajratilgani va ayrim shaxslar faqat test guruhida ushlab turilgani ko‘rsatilmagan.

Shu sababli %70,39:

• ayni ma’lumotlarni qayta ishlash sxemasi ichida ajratilgan test epoxalaridagi natijadir,
• yangi shaxsning EEGida tasdiqlangan subject-independent natija emas,
• real vaqtdagi yangi VR foydalanuvchisida o‘lchangan aniqlik emas.

Yangi foydalanuvchiga umumlashtirish qobiliyatini baholash uchun ishtirokchi asosidagi hold-out yoki shunga o‘xshash shaxsdan mustaqil validatsiya alohida bajarilishi kerak.

Model Unity bilan qanday bog‘lanadi?

O‘qitish yakunlangach, Random Forest modeli:

rf_model.pkl

va preprocessing masshtablovchisi:

scaler.pkl

ko‘rinishida saqlanadi.

Python backend bashoratlarni UDP protokoli orqali Unity tomoniga uzatadi. Unity ichida EEGReceiver.cs klassi UDP portini tinglaydi.

Manbada ishlatilgan port:

5005

deb ko‘rsatilgan.

Nega background thread ishlatiladi?

UdpClient.Receive() bloklovchi tarzda ishlagani sababli, agar u Unity’ning asosiy render ish oqimida qo‘llansa, dastur ma’lumot kelguncha kutib qolishi mumkin. Tadqiqotda shu sababli UDP qabul qilish alohida background thread’da amalga oshiriladi.

Jarayon ketma-ketligi manbada quyidagicha tushuntiriladi:

1. UDP socket’dan byte[] receivedData olinadi.
2. UTF-8 yordamida matnga aylantiriladi.
3. Ma’lumotlar ajratilib, EEGData tuzilmasiga aylantiriladi.
4. Tayyorlangan ma’lumot asosiy ish oqimida bajariladigan navbatga uzatiladi.

Unity thread safety muammosi qanday hal qilinadi?

Unity API manbada tushuntirilganidek, background thread orqali GameObject yoki foydalanuvchi interfeysi komponentlarini bevosita o‘zgartirishga mos emas.

Shu sababli tadqiqot MainThreadDispatcher.cs klassida dispatcher naqshini quradi. Fon tarmoq ish oqimidan kelgan actions navbatga yoziladi va keyin Unity’ning asosiy ish oqimida ketma-ket bajariladi.

Bu arxitekturaning maqsadi tarmoq orqali qabul qilishni render siklidan ajratish bilan birga Unity obyektlarining faqat xavfsiz asosiy thread orqali o‘zgartirilishini ta’minlashdir.

Unity’ga qanday ma’lumot yuboriladi?

Moslashuv dvigatelining kirish vektori:

\[ I_{adapt}= \langle Status,\delta,\theta,\alpha,\beta,\gamma \rangle \]

ko‘rinishidadir.

Status quyidagi uch yorliqdan biridir:

POSITIVE, NEGATIVE yoki NEUTRAL.

Virtual muhitda qaysi parametrlar o‘zgartiriladi?

Manba render chiqishini ko‘p o‘lchamli vektor sifatida belgilaydi:

\[ O_{render} = \langle S_{size}, S_{conv}, C_{tint}, E_{xp}, P_{max}, E_{rate}, M_{file} \rangle \]

Shu tariqa emotsiyani bashorat qilish faqat ekrandagi yorliq bo‘lib qolmay, virtual muhitning atmosfera va akustik parametrlariga ulanadi.

Nega o‘tishlar bevosita amalga oshirilmaydi?

Manba keskin vizual va eshitish o‘zgarishlari foydalanuvchi tajribasini buzishi mumkinligini ta’kidlab, vizual parametrlarda silliq interpolatsiya va ovoz qatlamlarida audio crossfade yondashuvidan foydalanadi.

Ushbu dizayn orqali turli emotsional holatlar o‘rtasidagi o‘tishlar birdan rang yoki ovoz sakrashi o‘rniga vaqt bo‘ylab tarqalgan holda bajariladi.

Kechikish bo‘yicha manbada qanday qarama-qarshilik bor?

Texnik qiyinchiliklar bo‘limida umumiy emotsional o‘zgarish–virtual muhit reaksiyasi kechikishi:

100 ms dan kam bo‘lishi kerakligi

aytiladi.

Bunga qarshi ravishda moslashuv arxitekturasi bo‘limida dvigatel UDP orqali yangi ko‘rsatkichlarni:

har 0,2 soniyada bir marta

qabul qilishi yozilgan. Bu 200 ms yangilanish davriga mos keladi.

Bundan tashqari, manba network, inference, preprocessing va render kechikishlarini alohida o‘lchaydigan latency benchmark taqdim etmaydi. Shu sababli prototipning end-to-end umumiy kechikishi 100 ms dan kam ekani tajribada tasdiqlangan son sifatida keltirilishi mumkin emas.

1-rasm nimani ko‘rsatadi?

Tadqiqotning yagona asosiy ilova tasviri bo‘lgan 1-rasm: Unity Seaside natijalari NAVEManager tomonidan boshqariladigan Unity sahnasining turli holatlarda o‘zgaradigan atmosferasini skrinshotlar orqali ko‘rsatadi.

Tasvir tizimning dasturiy zanjiridan kelgan kategoriya va spektral ma’lumotlarga qarab Unity sahnasini o‘zgartira olishini sifat jihatidan tasdiqlovchi prototip namoyishidir.

Biroq 1-rasm:

• FPS taqsimoti,
• paket yo‘qolish darajasi,
• o‘rtacha latency,
• 95./99. percentil kechikish,
• VR garnitura ishlashi,
• foydalanuvchi qoniqishi,
• cybersickness balli

kabi miqdoriy tizim metriklarini ko‘rsatmaydi.

Tadqiqot qo‘llab-quvvatlaydigan natijalar

• DREAMER EEG yozuvlaridan uch valence sinfini bashorat qiladigan Random Forest modeli ishlab chiqilgan.
• Manba test ma’lumotlarida %70,39 umumiy accuracy bildiradi.
• POSITIVE va NEGATIVE sinflari uchun mos ravishda 0,74 va 0,73 F1-score xabar qilingan.
• Python tomonida o‘qitilgan model fayli Unity bilan UDP orqali bog‘langan.
• Unity tarmoq qabul qilishi background thread orqali bajarilib, asosiy thread uchun dispatcher arxitekturasi qurilgan.
• Emotsional sinf va EEG diapazon ma’lumotlari Unity’ning vizual/eshitish muhit parametrlariga bog‘langan.
• Unity Seaside muhiti turli emotsional holatlarga qarab o‘zgarishi mumkinligi ilova ekranlari bilan ko‘rsatilgan.

Tadqiqot qo‘llab-quvvatlamaydigan yoki sinamagan natijalar

• %70,39 accuracy yangi va ilgari ko‘rilmagan foydalanuvchilarda tasdiqlangan subject-independent natija emas.
• Real vaqtda yangi ishtirokchilardan jonli EEG yig‘ib model validatsiyasi o‘tkazilmagan.
• Haqiqiy VR garniturasi bilan nazoratli foydalanuvchi tajribasi taqdim etilmagan.
• PTSD reabilitatsiyasi yoki fobiyani davolashda klinik samaradorlik ko‘rsatilmagan.
• 100 ms dan kam umumiy tizim kechikishi o‘lchangan benchmark bilan tasdiqlanmagan.
• “Soniyasiga yuzlab paket kelganda frame loss yuz bermaydi” mazmunidagi arxitektura bayonoti batafsil samaradorlik testi bilan miqdoriy ko‘rsatilmagan.
• 878 xususiyatning barcha komponentlari qayta ishlab bo‘ladigan feature ro‘yxati shaklida berilmagan.
• Neytral sinfning to‘liq tasniflash samaradorligi ko‘rinadigan sonli natijalar bilan xabar qilinmagan.
• 85.744 va 17.149 namuna sonlari o‘rtasidagi farq tushuntirilmagan.
• Tadqiqot EEG asosidagi emotsiyani bashorat qilishni tibbiy yoki psixiatrik tashxis vositasi sifatida tasdiqlamaydi.

Tadqiqot Usuli va Natijalari

Ma’lumotlar to‘plami va EEG kirish tuzilmasi

Dastlabki qayta ishlash va xususiyatlar muhandisligi

Namuna sonlari: manba ichidagi ikki xil hisobot

13.719 ta o‘qitish va 3.430 ta test namunasining yig‘indisi 17.149 ga teng. Manba 85.744 sonining bu tuzilma bilan bog‘liqligini tushuntirmagani uchun qaysi son yakuniy model o‘qitilishidagi haqiqiy mustaqil epoxalar sonini ifodalashi aniqlashtirilmagan.

Random Forest samaradorlik natijalari

Python–Unity aloqa arxitekturasi

Kechikish va real vaqtlilik

Amaliy validatsiya ko‘lami

Manba Python backend tomonidan sun’iy ravishda o‘zgartirilgan kategoriyalar va DREAMER EEG spektral oqimi yordamida Unity muhitining reaksiyasi sinovdan o‘tkazilganini bildiradi. 1-rasmda Unity Seaside sahnasining turli vizual holatlari taqdim etilgan.

Bu validatsiya dasturiy funksiyaning ishlashini ko‘rsatadigan prototip testi xususiyatiga ega. U yangi foydalanuvchilar VR garniturasi bilan tizimga ulangan nazoratli inson tajribasi emas.

Usulning kuchli tomonlari

• EEG signalini qayta ishlash, mashinaviy o‘rganish va Unity moslashuvi bitta end-to-end arxitekturaga birlashtirilgan.
• Haqiqiy, ommaga ochiq multimodal EEG ma’lumotlaridan foydalanilgan.
• Vaqt va chastota sohasi xususiyatlari birgalikda baholangan.
• Model fayllari Python backend’ga integratsiya qilingan va bashorat natijalari Unity dvigateliga uzatilgan.
• UDP qabul qilish Unity’ning asosiy render thread’idan ajratilib, mos thread-dispatch dizayni qurilgan.
• Vizual va eshitish muhiti parametrlari emotsional sinfga bog‘langan.

Asosiy uslubiy cheklovlar

• 85.744 va 17.149 epoxa sonlari o‘rtasidagi manba ichki nomuvofiqligi tushuntirilmagan.
• Ishtirokchidan mustaqil train/test ajratish xabar qilinmagan.
• Neutral sinfi uchun to‘liq samaradorlik metrikasi ko‘rinadigan natijalarda berilmagan.
• 878 xususiyat to‘liq feature manifest bilan tushuntirilmagan.
• Abstract’dagi “artifact removal” ifodasiga qaramay, batafsil usul bo‘limida maxsus artefaktni yo‘qotish algoritmi ko‘rsatilmagan.
• 100 ms maqsad miqdoriy end-to-end latency testi bilan tasdiqlanmagan.
• Unity muhiti uchun FPS, jitter, packet loss yoki samaradorlik profili taqdim etilmagan.
• Haqiqiy VR qurilmasi va jonli EEG qurilmasi bilan yopiq siklli foydalanuvchi tajribasi o‘tkazilmagan.
• PTSD, fobiya yoki boshqa klinik qo‘llanishlarda samaradorlik o‘rganilmagan.

Manba va Usul Haqida Izoh

To‘liq asl tadqiqot nomi:EEQ SİQNALLARI ƏSASINDA VİRTUAL MÜHİTİN İŞLƏNİB HAZIRLANMASI.

Inglizcha nomi:DEVELOPMENT OF A VIRTUAL ENVIRONMENT BASED ON EEQ SIGNALS. Manbaning inglizcha sarlavhasidagi “EEQ” yozuvi ham aynan saqlangan.

Mualliflar, manbadagi tartibda: Lalə M. ZEYNALOVA; Vüqar RƏHIMLI.

Muassasa: Azərbaycan Dövlət Neft və Sənaye Universiteti / Azerbaijan State Oil and Industry University, Kompüter Mühəndisliyi kafedrası / Department of Computer Engineering.

Mualliflarning maqomi: Manbada Lalə M. Zeynalova dotsent/Associate Professor; Vüqar Rəhimli SABAH guruhlari talabasi/student sifatida ko‘rsatilgan.

Teng birinchi muallif/teng hissa: Manbada bunday bayonot yo‘q.

Mas’ul muallif: Manbada alohida corresponding-author belgisi yo‘q; ikki muallifning elektron pochta manzili alohida berilgan.

Jurnal:Azərbaycan Ali Texniki Məktəblərinin Xəbərləri / Proceedings of Azerbaijan High Technical Educational Institutions.

Nashriyot: Azerbaijan State Oil and Industry University Press.

Nashr identifikatsiyasi: Volume 28, Issue 2, 2026, manba faylida 91–98-betlar.

DOI: 10.32010/DQMH3410.

Maqola jarayoni: Received 1 May 2026; Revised 24 May 2026; Accepted 25 June 2026.

Aniq onlayn nashr kuni: Manba faylida va rasmiy maqola metama’lumotlarida tasdiqlanadigan alohida onlayn nashr kuni ko‘rsatilmagan.

Rasmiy havola:https://doi.org/10.32010/DQMH3410.

Rasmiy nashriyot qaydi:https://press.asoiu.edu.az/pahtei/article.php?id=208.

Manba turi: EEG ma’lumotlarini tahlil qilish, mashinaviy o‘rganish va ishlaydigan Python–Unity prototipi integratsiyasini o‘z ichiga olgan amaliy kompyuter muhandisligi tadqiqotidir.

Retsenziyalash holati: Jurnalning nashr siyosatiga ko‘ra, nashr qarorida ilmiy ekspert baholari hisobga olinadi. Tadqiqot qabul qilingan jurnal maqolasidir; maqolaga oid individual ekspert hisobotlari ochiq emas.

Litsenziya/mualliflik huquqi: Maqolaning o‘zida alohida Creative Commons litsenziyasi ko‘rsatilmagan. Nashriyotning rasmiy sahifalarida “All rights reserved” ifodasi mavjud. Shu sababli manba skrinshotlari ushbu Verianla HTML’iga ko‘chirilmagan.

Moliyalashtirish: Manbada alohida moliyalashtirish bayonoti yo‘q.

Manfaatlar to‘qnashuvi: Manbada alohida manfaatlar to‘qnashuvi bayonoti yo‘q.

Ma’lumotlar mavjudligi: Tadqiqot DREAMER ma’lumotlar to‘plamidan foydalanadi; biroq manbada alohida Data Availability Statement bo‘limi berilmagan.

Etika qo‘mitasi: Manbada yangi ishtirokchilar jalb qilinishiga oid etika qo‘mitasi bayonoti yo‘q. Tadqiqot mavjud DREAMER yozuvlarining ikkilamchi tahliliga asoslanadi.

Mualliflar hissasi: Manbada CRediT yoki batafsil muallif hissasi bayonoti yo‘q.

DREAMER manba zanjiri izohi: Maqola asosiy ma’lumot manbai sifatida DREAMER’dan foydalansa-da, bibliografiya ro‘yxatida DREAMER’ning asl ma’lumotlar to‘plami nashri ko‘rinmaydi; bibliografiyada DEAP ma’lumotlar to‘plami nashri mavjud.

Namuna soni ogohlantirishi: Annotatsiyadagi 85.744 namuna bilan asosiy usul bo‘limidagi 17.149 jami epoxa, 13.719 o‘qitish va 3.430 test namunasi o‘zaro tushuntirilgan tarzda mos kelmaydi. Ushbu Verianla matni sonlardan birini boshqasining o‘rniga qo‘ymagan.

Validatsiya dizayni ogohlantirishi: Manba %80/%20 tasodifiy epoch ajratishini bildiradi; ishtirokchi asosidagi subject-independent testni tushuntirmaydi. Shu sababli %70,39 accuracy qiymati yangi foydalanuvchi samaradorligi sifatida talqin qilinmagan.

Xususiyatlar soni ogohlantirishi: Manba epoxa boshiga 878 xususiyatni bildiradi, biroq 878 xususiyatning barcha ustunlarini birma-bir ko‘rsatadigan feature ro‘yxati berilmagani uchun bu sonni usul tavsifidan mustaqil ravishda qayta hisoblab bo‘lmaydi.

Artefaktni qayta ishlash ogohlantirishi: Annotatsiyada “artifact removal” ifodasi ishlatiladi; batafsil preprocessing qismida aniq ta’riflangan asosiy jarayonlar Z-score normallashtirish va 1–50 Hz to‘rtinchi tartibli Butterworth band-pass filtrlashdir. Alohida ICA/EOG artefakt chiqarish protsedurasi manbada batafsil bayon qilinmagan.

Kechikish ogohlantirishi: Maqola umumiy tizim kechikishi uchun 100 ms dan kam maqsadni ko‘rsatadi, shu bilan birga moslashuv dvigateli ma’lumotni 0,2 soniya oralig‘ida olishini ham yozadi. Manbada end-to-end latency benchmark natijasi bo‘lmagani sababli 100 ms dan kam real vaqt samaradorligi tasdiqlangan tajriba natijasi sifatida taqdim etilmagan.

Qo‘llanish chegarasi: Manba haqiqiy dasturiy prototip va Unity muhit moslashuvini ko‘rsatadi; biroq u haqiqiy VR garnituradan foydalangan ishtirokchilar bilan yopiq siklli klinik yoki foydalanuvchi tajribasi tadqiqoti emas. PTSD reabilitatsiyasi, fobiya qo‘llanmalari va neuro-gaming’dan foydalanish kelajakdagi qo‘llanish salohiyati sifatida baholanishi kerak.

Verianla Live holati: Umumiy accuracy bilan faqat ikki sinfga oid F1-score turli metrikalardir; neytral sinf metrikasi yetishmaydi va namuna sonlarida manba ichki nomuvofiqlik bor. Shu sababli Verianla Live ishlatilmagan.

Ilmiy mazmun manbai: Ushbu Verianla maqolasidagi EEG preprocessing bosqichlari, formulalar, chastota diapazonlari, ma’lumot sonlari, Random Forest natijalari, Python–Unity arxitekturasi, UDP uzatish, thread-dispatch dizayni va qo‘llanish chegaralari ko‘rib chiqilgan tadqiqotga asoslanadi. Tashqi tekshiruv faqat bibliografik identifikatsiya, jurnal/nashriyot, retsenziyalash siyosati va rasmiy nashr qaydi uchun ishlatilgan.