Buscar


Mostrar el registro sencillo del ítem

dc.rights.license http://creativecommons.org/licenses/by-nc-nd/4.0 es_ES
dc.contributor Marco Antonio Aceves Fernandez es_ES
dc.creator María Guadalupe Bedolla Ibarra es_ES
dc.date 2022-08-30
dc.date.accessioned 2022-09-19T15:22:41Z
dc.date.available 2022-09-19T15:22:41Z
dc.date.issued 2022-08-30
dc.identifier.uri http://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.format Adobe PDF es_ES
dc.language.iso spa es_ES
dc.relation.requires No es_ES
dc.rights Acceso Abierto es_ES
dc.subject Atención es_ES
dc.subject Clasificación es_ES
dc.subject Eye-tracking es_ES
dc.subject Particle Swarm Optimization es_ES
dc.subject Random Forest es_ES
dc.subject.classification INGENIERÍA Y TECNOLOGÍA es_ES
dc.title "Desarrollo de algoritmos de detección y clasificación de niveles de atención basados en Inteligencia de Enjambre" es_ES
dc.type Tesis de maestría es_ES
dc.creator.tid curp es_ES
dc.contributor.tid curp es_ES
dc.creator.identificador BEIG961296MGTDBD08 es_ES
dc.contributor.identificador AEFM780704HMCCRR09 es_ES
dc.contributor.role Director 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


Ficheros en el ítem

Thumbnail
Nombre: RI006890.pdf
Tamaño: 7.481Mb
Formato: PDF
Ver/

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

Mostrar el registro sencillo del ítem