1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Morelos
4. Centro Nacional de Investigación y Desarrollo Tecnológico
5. Tesis CENIDET
6. Tesis de Maestría
7. Tesis de Maestría en Computación

Titre:	Modelo Semántico para la Gestión de Técnicas de HCI Mediante el Monitoreo de Actividad Bio-Eléctrica (EEG) para Caracterizar Estados Mentalesy su Relación con Cambios en el Contexto del Usuario
Auteur(s):	Balam Guzman, Luis Alberto%512589
Date de publication:	2015-07-09
Editeur:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Centro Nacional de Investigación y Desarrollo Tecnológico
Description:	La Interacción Humano Computadora (por sus siglas en inglés HCI, Human Computer Interaction) es un área de estudio enfocada en lanvestigación, diseño y desarrollo de nuevas tecnologías para ayudar a mejorar la interacción entre personas (usuarios) y dispositivos de cómputo (computadoras). Recientemente, en el área de HCI se ha incluido laexplotación de biorretroalimentación EEG (Electroencefalograma) que ha permitido obtener resultados altamente enriquecidos ya que, al hacer uso de interfaces cerebro computadora, los datos obtenidos directamente de la actividad neuronal del usuario, proporcionan información y características que ninguna otra modalidad de interacción puede ofrecer. Este trabajo de investigación se centra en el desarrollo de un modelo para caracterizar estados mentales, mediante la implementación del algoritmo de clasificación automática de Bayes y de la extracción de características por medio de la Transformada Rápida de Fourier (FFT). El modelo se implementó a través del desarrollo deuna herramienta visual que permite agregar señales EEG de entrenamiento a un corpus. A mayor número de señales de entrenamiento, la clasificación será más precisa. sAí mismo se desarrolló un módulo que permite observar gráficamente el resultado de la casificación de señales EEG. En los experimentos realizados a 35 personas, se clasificaron los estados mentales de relajación y concentración, utilizando el algoritmo de Bayes y SMO. En la evaluación del modelo se obtuvieron los siguientes resultados: (i) una precisión del 52.45% en un escenario no controlado y sin llevar a cabo un procesamiento digital de la señal EEG, (ii) una precisión del 73.03% en un escenario no controlado y llevando a cabo un procesamiento digital de la señal EEG, (iii) una precisión del 55.88% en un escenario controlado y sin procesar la señal EEG, y finalmente (iv) una precisión del 94.11% en un escenario controlado y con un procesamiento digital de la señal.
metadata.dc.type:	info:eu-repo/semantics/masterThesis
Collection(s) :	Tesis de Maestría en Computación

Ce document est protégé par copyright Voir la licence

Ce document est autorisé sous une licence de type Licence Creative Commons