Clasificación de estados de atención visual con métricas de seguimiento ocular mediante técnicas de aprendizaje profundo

Alea Fernanda Bello Díaz

Buscar

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