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:	REDES NEURONALES RECURRENTES DE ALTO ORDEN PARA REDUCCIÓN DE RUIDO EN SEÑALES DE ELECTROENCEFALOGRAFÍA
Authors:	MARTÍNEZ MADRID, ENRIQUE
metadata.dc.subject.other:	REDES NEURONALES RECURRENTES DE ALTO ORDEN PARA REDUCCIÓN DE RUIDO EN SEÑALES DE ELECTROENCEFALOGRAFÍA
Issue Date:	2026-04-17
Publisher:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Instituto Tecnológico de Chihuahua
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.
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