Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/12753Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | MARTÍNEZ MADRID, ENRIQUE | - |
| dc.creator | MARTÍNEZ MADRID, ENRIQUE%1334369 | - |
| dc.date.accessioned | 2026-06-01T20:31:01Z | - |
| dc.date.available | 2026-06-01T20:31:01Z | - |
| dc.date.issued | 2026-04-17 | - |
| dc.identifier.uri | https://rinacional.tecnm.mx/jspui/handle/TecNM/12753 | - |
| dc.description | Esta tesis propone un modelo de Red Neuronal Recurrente de Alto Orden (Recurrent High-Order Neural Network, RHONN) para la reducción de ruido en señales de electroencefalografía (Electroencephalography, EEG), orientada a aplicaciones de interfaces cerebro-computadora (Brain-Computer Interface, BCI). Dicha arquitectura es entrenada mediante el Filtro de Kalman Extendido (Extended Kalman Filter, EKF), que optimiza las ganancias para minimizar el ruido gaussiano y mejorar la calidad de la señal en entornos dinámicos. La validación se realiza utilizando bases de datos experimentales existentes en la literatura que constan de señales EEG contaminadas con artefactos de electrooculografía (Electrooculogram, EOG), electromiografía (Electromyography, EMG) y electrocardiografía (Electrocardiogram, ECG). Los resultados se comparan con métodos de filtrado convencionales y modelos como Perceptrón Multicapa (Multilayer Perceptron, MLP), Red Neuronal Recurrente (Recurrent Neural Network, RNN), Red Generativa Antagónica (Generative Adversarial Network, GAN) y autoencoder (AE). Los resultados muestran que la RHONN no solo mejora la atenuación de ruido y la preservación de la señal, sino que además reduce el costo computacional en más del 90% respecto a otros modelos, lo que la hace especialmente adecuada para aplicaciones en tiempo real. | es_MX |
| dc.language.iso | spa | es_MX |
| dc.publisher | Tecnológico Nacional de México | es_MX |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0 | es_MX |
| dc.subject | info:eu-repo/classification/cti/7 | es_MX |
| dc.subject.other | REDES NEURONALES RECURRENTES DE ALTO ORDEN PARA REDUCCIÓN DE RUIDO EN SEÑALES DE ELECTROENCEFALOGRAFÍA | es_MX |
| dc.title | REDES NEURONALES RECURRENTES DE ALTO ORDEN PARA REDUCCIÓN DE RUIDO EN SEÑALES DE ELECTROENCEFALOGRAFÍA | es_MX |
| dc.type | info:eu-repo/semantics/masterThesis | es_MX |
| dc.contributor.director | MEDRANO HERMOSILLO, JESÚS ALFONSO#MEHJ900908AS3 | - |
| dc.rights.access | info:eu-repo/semantics/openAccess | es_MX |
| dc.publisher.tecnm | Instituto Tecnológico de Chihuahua | es_MX |
| Appears in Collections: | Maestría en Ciencias en Ingeniería Electrónica | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Tesis Martinez Madrid Enrique.pdf | 4.11 MB | Adobe PDF | View/Open | |
| licencia martinez_madrid1.pdf | 475 kB | Adobe PDF | View/Open |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
