Por favor, use este identificador para citar o enlazar este ítem:
http://bibdigital.epn.edu.ec/handle/15000/24424
Título: | Análisis de señales EEG para la detección de emociones, usando algoritmos de aprendizaje automático: reconocimiento de emociones usando características en los dominios del tiempo, frecuencia y tiempo-frecuencia extraídas de un dataset de EEG usando técnicas de aprendizaje automático. |
Autor: | Tejada Bustillos, Jonathan Moisés |
Palabras clave: | ORDENADOR SEÑALES EEG DOMINIO DEL TIEMPO DOMINIO DE LA FRECUENCIA DOMINIO DE LA TIEMPO-FRECUENCIA EXTRACCIÓN DE CARACTERÍSTICAS |
Fecha de publicación: | mar-2023 |
Editorial: | Quito : EPN, 2023. |
Citación: | Tejada Bustillos, J.M. (2023). Análisis de señales EEG para la detección de emociones, usando algoritmos de aprendizaje automático: reconocimiento de emociones usando características en los dominios del tiempo, frecuencia y tiempo-frecuencia extraídas de un dataset de EEG usando técnicas de aprendizaje automático. 74 páginas. Quito : EPN. |
Resumen: | This document describes in detail the process of feature extraction used for electroencephalogram signals analysis and study using machine learning techniques and algorithms. From signal processing and their mathematical analysis in different domains such as: Time domain, Frequency domain and Time-Frequency domain, represented by a well-organized dataset over columns and features; through the reduction of these features using different techniques such as PCA Algorithm or the Correlation Matrix analysis; until the definition and comparison of distinct machine learning models that study those features. All the previous process allows finding new intelligent classification models for human emotion recognition, which have a great and spread importance in many fields related with mankind study and its inside. |
Descripción: | El presenta documento describe a detalle el proceso de extracción de características para el estudio de señales de electroencefalogramas a través de procesos y algoritmos de aprendizaje automático. Desde el procesamiento de las señales a través de su análisis matemático en los distintos dominios: tiempo, frecuencia y tiempo frecuencia, representado por un conjunto de datos bien organizados por columnas o características; pasando por la reducción de estas características a través de técnicas o algoritmos como el algoritmo PCA o el análisis de la Matriz de Correlación; hasta la definición y comparación de distintos modelos de aprendizaje automático que estudien esas características. Todo el proceso anterior descrito permite encontrar modelos inteligentes de clasificación que permitan el reconocimiento de emociones de las personas, las cuales tienen una gran y extendida importancia en distintos campos relacionados con el estudio del hombre y su interior. |
URI: | http://bibdigital.epn.edu.ec/handle/15000/24424 |
Tipo: | bachelorThesis |
Aparece en las colecciones: | TIC - Ingeniería en Ciencias de la Computación |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
CD 13348.pdf | 2,58 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.