Buscar


Mostrar el registro sencillo del ítem

dc.rights.license https://creativecommons.org/licenses/by-nc-nd/4.0 es_ES
dc.contributor Andras Takacs es_ES
dc.creator Edgar Lara Arellano es_ES
dc.date.accessioned 2025-08-14T16:42:27Z
dc.date.available 2025-08-14T16:42:27Z
dc.date.issued 2025-06-30
dc.identifier.uri https://ri-ng.uaq.mx/handle/123456789/12198
dc.description Este estudio presenta un enfoque innovador para clasificar las señales de electroencefalograma (EEG) que se producen cuando una persona se concentra en palabras específicas, un área de investigación conocida como” Habla Imaginada”. El EEG captura la actividad eléctrica cerebral mediante un conjunto de sensores colocados en el cuero cabelludo, lo que proporciona información sobre los procesos neuronales relacionados con el pensamiento y la cognición. Sin embargo, clasificar con precisión estas señales plantea desafíos significativos, ya que requiere modelos de aprendizaje automático (ML, por sus siglas en lengua inglesa) para aprender los patrones sutiles y complejos asociados con palabras imaginadas específicas. Las técnicas de clasificaciones tradicionales suelen presentar dificultades en este ámbito debido a la alta variabilidad interindividual, la baja relación señal-ruido y la naturaleza no estacionaria de las señales de EEG. En respuesta, este trabajo propone un nuevo método para mejorar la precisión de la clasificación, centrado en la creación de un vector de características especializado, diseñado para mejorar la capacidad del modelo para diferenciar entre palabras imaginadas. La base de este enfoque es el uso de un algoritmo gen ético que optimiza la selección de características mediante la navegación eficiente a través de un amplio espacio de características. Este algoritmo genético resulta muy ventajoso en este contexto, ya que refina iterativamente el conjunto de características para identificar las más predictivas, maximizando así la precisión de la clasificación. En comparación con otros métodos de selección de características, los algoritmos genéticos son muy adecuados para el procesamiento de señales de EEG gracias a su capacidad para equilibrar la exploración y la explotación, lo que resulta en una combinación de características que supera significativamente a las técnicas existentes. Este método tiene el potencial de mejorar la fiabilidad de la clasificación del habla imaginada, lo que lo convierte en una valiosa contribución a las interfaces cerebro-computadora basadas en EEG y abre la puerta a avances en tecnología de asistencia y comunicación neuronal. es_ES
dc.format pdf es_ES
dc.format.extent 1 recurso en línea (154 páginas) es_ES
dc.format.medium computadora es_ES
dc.language.iso spa es_ES
dc.publisher Universidad Autonoma de Querétaro es_ES
dc.relation.requires Si es_ES
dc.rights openAccess es_ES
dc.subject EEG es_ES
dc.subject Extracción de características es_ES
dc.subject Algoritmo gen ético es_ES
dc.subject Clasificación es_ES
dc.subject Selección de electrodos es_ES
dc.subject.classification INGENIERÍA Y TECNOLOGÍA es_ES
dc.title AI model to decode Imagined Speech es_ES
dc.type Tesis de maestría es_ES
dc.creator.tid ORCID es_ES
dc.contributor.tid ORCID es_ES
dc.creator.identificador 0009-0006-1829-4731 es_ES
dc.contributor.identificador 0000-0003-2200-307X es_ES
dc.contributor.role Director de tesis es_ES
dc.degree.name Maestría en Ciencias en Inteligencia Artificial es_ES
dc.degree.department Facultad de Ingeniería es_ES
dc.degree.level Maestría es_ES
dc.format.support recurso en línea es_ES
dc.matricula.creator 320366 es_ES
dc.folio IGMAC-320366 es_ES


Ficheros en el ítem

Thumbnail
Nombre: IGMAC-320366.pdf
Tamaño: 7.543Mb
Formato: PDF
Ver/

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem