1. Repositorio Institucional UAQ
  2. Tesis
  3. Facultad de Ingeniería
  4. Maestría
  5. Maestría en Ciencias en Inteligencia Artificial
Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/11937
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttps://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorMarco Antonio Aceves Fernándezes_ES
dc.creatorFlavio Alfonso Juárez Castroes_ES
dc.date.accessioned2025-07-23T17:56:03Z-
dc.date.available2025-07-23T17:56:03Z-
dc.date.issued2026-06-30-
dc.identifier.urihttps://ri-ng.uaq.mx/handle/123456789/11937-
dc.descriptionEl cuerpo humano funciona gracias a una red de señales denominadas señales bioeléctricas, las cuales se generan y transmiten continuamente. Estas señales son una herramienta clave para comprender diversos aspectos del funcionamiento biológico y fisiológico del cuerpo humano. Dentro de las señales producidas por el cuerpo humano se encuentran las señales mioeléctricas, que pueden registrarse mediante electromiografía (EMG). Estas señales proporcionan información sobre la activación y el comportamiento de los músculos. En la actualidad, las señales EMG son un importante objeto de estudio en áreas como la rehabilitación, la medicina del deporte y la neurociencia, entre otras. Sin embargo, su uso no es una tarea fácil, ya que presentan diversos desafíos que deben ser superados para garantizar su correcta interpretación y aplicación. La inteligencia artificial es una herramienta poderosa capaz de superar estas barreras, permitiendo el desarrollo de modelos que se adapten a la naturaleza dinámica de las señales EMG. En esta investigación se propone analizar las problemáticas presentes en las señales EMG y emplear estrategias para su tratamiento, con el fin de clasificar diez movimientos de la mano utilizando algoritmos de aprendizaje profundo.es_ES
dc.formatpdfes_ES
dc.format.extent1 recurso en línea (78 páginas)es_ES
dc.format.mediumcomputadoraes_ES
dc.language.isospaes_ES
dc.publisherUniversidad Autónoma de Querétaroes_ES
dc.relation.requiresSies_ES
dc.rightsembargoedAccesses_ES
dc.subjectSeñales bioeléctricases_ES
dc.subjectSeñales mioeléctricases_ES
dc.subjectEMGes_ES
dc.subjectInteligencia artificiales_ES
dc.subjectAprendizaje profundoes_ES
dc.subjectClasificación de movimientoses_ES
dc.subject.classificationINGENIERÍA Y TECNOLOGÍAes_ES
dc.titleDesarrollo de algoritmos de aprendizaje profundo para clasificación de movimientos de brazo mediante señales EMGes_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidORCIDes_ES
dc.contributor.tidORCIDes_ES
dc.creator.identificador0009-0003-9963-0976es_ES
dc.contributor.identificador0000-0002-5455-0329es_ES
dc.contributor.roleDirectores_ES
dc.degree.nameMaestría en Ciencias en Inteligencia Artificiales_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelMaestríaes_ES
dc.format.supportrecurso en líneaes_ES
dc.matricula.creator326907es_ES
dc.folioIGMAC-326907es_ES
Aparece en: Maestría en Ciencias en Inteligencia Artificial

Archivos:
Fichero Descripción Tamaño Formato  
IGMAC-326907.pdfDesarrollo de algoritmos de aprendizaje profundo para clasificación de movimientos de brazo mediante señales EMG4.53 MBAdobe PDFVisualizar/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.