Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/2881
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorMarco Antonio Aceves Fernandezes_ES
dc.creatorJaime Fernández Girónes_ES
dc.date2021-05-07-
dc.date.accessioned2021-05-14T18:13:06Z-
dc.date.available2021-05-14T18:13:06Z-
dc.date.issued2021-05-07-
dc.identifierMioeléctricases_ES
dc.identifierSVMes_ES
dc.identifierKerneles_ES
dc.identifierSeñales_ES
dc.identifier.urihttp://ri-ng.uaq.mx/handle/123456789/2881-
dc.descriptionHoy en día, la necesidad de incorporar la tecnología para facilitar y automatizar procesos ha dirigido las líneas de investigación a explorar los campos de la inteligencia artificial, así como mejorar la efectividad del uso de las señales mioeléctricas procedentes de una mano al ejecutar distintos movimientos. La incorporación de la inteligencia artificial en la clasificación de las señales mioélectricas ha conseguido diversas aplicaciones en diferentes áreas, no solo en el ramo médico sino tambien lo es en el área de rehabilitación, medicina de deporte y bioprótesis, si no que el alcance de su aplicación podría bien ser de entretenimiento, como lo puede ser en el control de drones. Los movimientos de una mano humana son considerablemente difíciles de clasificar debido a su estrecha similitud que existe entre cada uno de los diferentes movimientos que puede realizar, de todos los movimientos se seleccionaron 10 de los más importantes, que van desde la apertura y cierre del puño hasta movimientos finos como la pinza entre el dedo índice y el pulgar. En esta investigación, la combinación de un método de inteligencia artificial basado en SVM (Support Vector Machine) y el uso de tres Kernel distintos, ha ampliado el panorama comparando el desempeño de los distintos Kernel, con la naturaleza de las señales mioélectricas.es_ES
dc.formatAdobe PDFes_ES
dc.language.isoEspañoles_ES
dc.relation.requiresSies_ES
dc.rightsAcceso Abiertoes_ES
dc.subjectINGENIERÍA Y TECNOLOGÍAes_ES
dc.subjectCIENCIAS TECNOLÓGICASes_ES
dc.subjectTECNOLOGÍA MÉDICAes_ES
dc.titleAlgoritmos de clasificación de movimientos de señales mioeléctricas basados en técnicas Kerneles_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidCURPes_ES
dc.contributor.tidcurpes_ES
dc.creator.identificadorFEGJ930713HGTRRM06es_ES
dc.contributor.identificadorAEFM780704HMCCRR09es_ES
dc.contributor.roleDirectores_ES
dc.degree.nameMaestría en Ciencias en Inteligencia Artificiales_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelMaestríaes_ES
Aparece en las colecciones: Maestría en Ciencias en Inteligencia Artificial

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
RI005926.pdf4.88 MBAdobe PDFVista previa
Visualizar/Abrir
Mostrar el registro sencillo del ítem


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.