A szakdolgozatomban azt vizsgáltam, hogy a különböző emberek elektroenkefalogram (EEG) aktivitása hogyan változik, az eltérő zenei ingerek hatására. A zenei ingerek és az EEG jelek között lehetséges összefüggések vizsgálatára én is gépi tanulást használtam fel. Az általam létrehozott (mesterséges neurális hálózat alapú) tanuló modellt, arra próbáltam meg betanítani, hogy felismerje, az eltérő zenei ingerek által gerjesztett mintákat az alanyok EEG jeleiben és ez által, mérhető legyen az inger hatása a megfigyelt személyeken. A tanulandó adatok mérése közben, a teszt alanyok érdeklődése a témám iránt megmutatta számomra, hogy ez mennyire érdekes dolog, a még nem hozzáértő emberek számára is. A végső célom az volt, hogy a tesztalanyok zene alatt mért agyi jelek betanulása után, a program képes legyen az új adatgyűjtés során keletkezett teszthalmaz feldolgozását követően eldönteni, hogy melyik zenére reagált az agy miközben azokat a jeleket létrehozta. Amennyiben a program ezt képes megjósolni, abban az esetben sokféle következtetést lelehet levonni. Például, hogy az egyes zeneszámok közül melyek váltották ki, a legnagyobb ingert, vagy mely zeneszámokra a legközömbösebbek az alanyok. Ezzel szemben, ha a tanuló modell nem mutat összefüggést a zenei ingerek és az EEG jelek között, akkor vagy nem létezik egyértelmű összefüggés közöttük, vagy ez a feltételezett összefüggés az általunk használt, kereskedelmi forgalomban is kapható OpenBCI-os EEG olvasóval nem mutatható ki.