1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Chihuahua
4. Instituto Tecnológico de Chihuahua
5. Tesis de Maestría
6. Maestría en Ciencias en Ingeniería Electrónica

Title:	RECONOCIMIENTO DE EMOCIONES EN SEÑALES EEG MEDIANTE ALGORITMO DE APRENDIZAJE AUTOMÁTICO”
Authors:	GARAY ACUÑA, FELIPE ELIACIM
metadata.dc.subject.other:	RECONOCIMIENTO DE EMOCIONES EN SEÑALES EEG MEDIANTE ALGORITMO DE APRENDIZAJE AUTOMÁTICO
Issue Date:	2026-01-01
Publisher:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Instituto Tecnológico de Chihuahua
Description:	El reconocimiento de emociones con señales de electroencefalografía (EEG) es un tema importante debido a su éxito en la descripción del estado anímico de una persona. Existe en la literatura una cantidad significativa de trabajos de reconocimiento de emociones con EEG que usan inteligencia artificial, sin embargo, la mayoría de ellos se basan en el modelo dimensional y no se ha encontrado una revisión de la literatura para definir cuál es la mejor metodología para esta tarea de reconocimiento. Por lo tanto, en esta tesis se desarrolló un estudio del estado del arte de los métodos de reconocimiento de emociones para proponer un método novedoso con el modelo discreto en una red neuronal convolucional con módulo Inception modificado llamada D-Inception. Este módulo agrega otra capa de convolución, activación, sub-muestreo y normalización por lote en cada nivel jerárquico. La entrada de la red son las señales obtenidas de los electrodos AF3, AF4, F7, F8, F3, F4, FC5, FC6, T7, T8, P7, P8, O1 y O2, que forman muestras de una imagen de tres dimensiones, donde el primer canal posee información sobre la asimetría del espectro de energía en la banda de frecuencia alfa, el segundo canal contiene información de la entropía espectral (SE) en la banda de frecuencia beta y el tercer canal muestra la información de la entropía temporal de la señal en la banda de frecuencia tetha. Con esta información, se clasifican cuatro emociones discretas: neutralidad, tristeza, miedo y felicidad. El entrenamiento de la red neuronal convolucional propuesta se realizó con el optimizador ADAM (Adaptive Moment Estimation) y de acuerdo con los experimentos, se obtuvieron los mejores resultados en el modelo discreto con precisiones con valor de 99.81% para felicidad, 88.99% para miedo, 87.5% para tristeza y 88.06% para neutralidad. Se concluye que la clasificación de emociones con señales EEG utilizando pocos electrodos, el modelo discreto y redes neuronales convolucionales (CNN), permite detectar el estado anímico de una persona con buena precisión y baja cantidad de operaciones computacionales.
metadata.dc.type:	info:eu-repo/semantics/masterThesis
Appears in Collections:	Maestría en Ciencias en Ingeniería Electrónica

This item is protected by original copyright View License

This item is licensed under a Creative Commons License