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 Fernández es_ES
dc.creator Alea Fernanda Bello Díaz es_ES
dc.date 2023-06-30
dc.date.accessioned 2023-08-02T16:54:22Z
dc.date.available 2023-08-02T16:54:22Z
dc.date.issued 2023-06-30
dc.identifier.uri https://ri-ng.uaq.mx/handle/123456789/8907
dc.description La estimación de estados de atención es una tarea importante en diferentes áreas del conocimiento. Hasta el momento la clasificación de estados de atención se veía limitada por las clases que el estado del arte ha utilizado para describir el estado cognitivo de los sujetos. En esta contribución se plantea una nueva forma de procesar los datos de sesiones de seguimiento ocular: convertir la información una dimensión a una visualización bidimensional. Esta propuesta brinda la oportunidad de visualizar propiedades físicas de los diferentes movimientos oculares que durante un procesamiento convencional pueden pasar desapercibidas. es_ES
dc.format Adobe PDF es_ES
dc.language.iso spa es_ES
dc.publisher Ingeniería es_ES
dc.relation.requires Si es_ES
dc.rights Acceso Abierto es_ES
dc.subject Ingeniería y Tecnología es_ES
dc.subject Ciencias Tecnológicas es_ES
dc.subject Otras Especialidades Tecnológicas es_ES
dc.title Clasificación de estados de atención visual con métricas de seguimiento ocular mediante técnicas de aprendizaje profundo es_ES
dc.type Tesis de maestría es_ES
dc.creator.tid curp es_ES
dc.creator.identificador BEDA980915MMSLZL06 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: IGMAC-247757.pdf
Tamaño: 12.66Mb
Formato: PDF
Ver/

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

Mostrar el registro sencillo del ítem