Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/3874
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.creatorMaría Guadalupe Bedolla Ibarraes_ES
dc.date2022-08-30-
dc.date.accessioned2022-09-19T15:22:41Z-
dc.date.available2022-09-19T15:22:41Z-
dc.date.issued2022-08-30-
dc.identifierAtenciónes_ES
dc.identifierClasificaciónes_ES
dc.identifierEye-trackinges_ES
dc.identifierParticle Swarm Optimizationes_ES
dc.identifierRandom Forestes_ES
dc.identifier.urihttp://ri-ng.uaq.mx/handle/123456789/3874-
dc.description"La atención es una de las funciones cognitivas más importantes pues es de vital importancia para llevar a cabo cada una de las acciones que realizamos, desde actividades cotidianas hasta tareas más demandantes. La presencia de un déficit atencional afecta de forma significativa el rendimiento de una persona, por lo que es de gran importancia determinar el estado de los mecanismos atencionales. Una herramienta que permita determinar el nivel de atención podría ser de gran ayuda en el diagnóstico de síndromes o trastornos y ayudar en la rehabilitación y tratamiento de las personas que padecen déficits atencionales. En este trabajo se propone una metodología basada en un algoritmo híbrido que combina Random Forest optimizado con PSO para la clasificación de los niveles de atención. Estos niveles de atención se dividen en tres categorías principales: Atención Alta, Atención Normal y Atención Baja. Esta propuesta demostró alcanzar una exactitud de hasta el 96%. Se demostró la robustez del modelo mediante métricas como el P-value, la varianza y MCEN. Finalmente, el enfoque de esta contribución fue comparado con el estado del arte, demostrando que se presenta una metodología factible para esta aplicación."es_ES
dc.formatAdobe PDFes_ES
dc.language.isospaes_ES
dc.relation.requiresNoes_ES
dc.rightsAcceso Abiertoes_ES
dc.subjectINGENIERÍA Y TECNOLOGÍAes_ES
dc.subjectCIENCIAS TECNOLÓGICASes_ES
dc.subjectOtroes_ES
dc.title"Desarrollo de algoritmos de detección y clasificación de niveles de atención basados en Inteligencia de Enjambre"es_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidcurpes_ES
dc.contributor.tidcurpes_ES
dc.creator.identificadorBEIG961296MGTDBD08es_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  
RI006890.pdf7.66 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.