CLASIFICACIÓN DE VISUALIZACIONES MOTORAS UTILIZANDO SEÑALES DE UN EEG, BASADO EN ALGORITMOS DE APRENDIZAJE PROFUNDO.

GONZÁLEZ WONG, EVELYN JANETH (2019) CLASIFICACIÓN DE VISUALIZACIONES MOTORAS UTILIZANDO SEÑALES DE UN EEG, BASADO EN ALGORITMOS DE APRENDIZAJE PROFUNDO. Maestría thesis, Universidad Autónoma de Chihuahua.

Vista Previa

Otro (uach) TESIS- GONZALEZ WONG EVELYN JANETH.PDF Download (4Mb) | Vista Previa

Resumen

Una interfaz cerebro-computadora (BCI, por sus siglas en inglés) es un modo de comunicación directa entre el cerebro y un dispositivo externo. Numerosas investigaciones se han enfocado al desarrollo de sistemas BCI para generar aplicaciones orientadas a ayudar a personas con discapacidad motora. Esto resulta de gran importancia, debido a que el 6% de la población en México presenta alguna discapacidad. Recientemente se han desarrollado diferentes herramientas que se pueden enfocar al control de objetos de apoyo, pero es necesario el desarrollo de nuevos algoritmos que sean capaces de identificar cada uno de los movimientos para controlar dichos dispositivos. Con la visualización motora, que, con la representación mental del movimiento, pero sin realizar ningún gesto físico, se puede diseñar un algoritmo capaz de identificar el tipo de movimiento. Asimismo, una persona con discapacidad física puede imaginar el movimiento, el algoritmo lo identificará, y posteriormente aplicar esta detección en un objeto de apoyo a la discapacidad. En esta tesis se analizaron varios modelos para la clasificación de visualizaciones motoras generadas por el usuario. Particularmente se analizaron señales de un electroencefalograma (EEG) teniendo como objetivo el interpretar la intención del usuario utilizando técnicas de aprendizaje máquina como son la Máquina de Vectores de Soporte, Redes Neuronales Multicapa, K-Vecinos Cercanos. De igual manera se analizaron modelos basados en aprendizaje profundo como lo son las Memorias de Corto Largo Plazo, Redes Convolucionales y Autoencoders. Los resultados muestran que los modelos basados en aprendizaje profundo arrojan un mejor desempeño para la correcta clasificación de señales EEG enfocadas a visualizaciones motoras.

Actions (login required)

Ver Objeto