Tesis Validadas: 2,591

Tesis de Posgrado: 2650

Número de Visitas: contador visitas

Please use this identifier to cite or link to this item: https://rinacional.tecnm.mx/jspui/handle/TecNM/4497
Full metadata record
DC FieldValueLanguage
dc.contributor.authorMorales Morante, Jose Alberto%927340-
dc.creatorMorales Morante, Jose Alberto%927340-
dc.date.accessioned2022-09-12T21:05:42Z-
dc.date.available2022-09-12T21:05:42Z-
dc.date.issued2021-04-30-
dc.identifier.urihttps://rinacional.tecnm.mx/jspui/handle/TecNM/4497-
dc.descriptionEl reconocimiento emocional es uno de los conceptos más importantes de la computación afectiva y como su nombre indica consiste en el pronóstico del estado anímico de las personas. Este conocimiento puede ser de utilidad en muchas áreas como la medicina, la psicología, la pedagogía, el entretenimiento y la experiencia de usuario. Incluso fuera del contexto tecnológico este objetivo siempre ha sido muy importante debido a su naturaleza, ya que las emociones son conceptos muy abstractos y complejos a simple vista. En el último siglo se han realizado muchos descubrimientos sobre su origen y utilidad, la teoría más aceptada es que las emociones son producto del sistema nervioso autónomo como mecanismo de reacción a nuestro entorno. Con esta premisa se han desarrollado métodos para intentar predecir las emociones de una persona, ya sea por medio del tono de voz, los gestos faciales y quizás el elemento más discutido, pero de mayor valor las señales fisiológicas. El presente trabajo de tesis se centra en el análisis de emociones a través de sensores fisiológicos de tipo electroencefalografía (EEG), electrocardiografía (ECG), y respuesta galvánica en piel (GSR). Para esto se desarrolló una metodología que implementa el uso de aprendizaje automático para la predicción de emociones en base a dos propiedades relacionadas, la valencia y la excitación. Con la ayuda de repositorios de señales fisiológicas afectivas se realizó un estudio comparativo entre diferentes algoritmos de aprendizaje automático para definir un modelo superior el cual fue implementado posteriormente en la herramienta para evaluar la experiencia de usuario (UXLab). Esta herramienta permite la grabación y visualización de diferentes sensores fisiológicos y biométricos por lo que su integración le da un valor muy importante. Para validar los avances realizados durante la investigación, se realizaron pruebas de reconocimiento emocional con la herramienta UXLab, utilizando estímulos visuales. Los resultados obtenidos fueron satisfactorios, por lo que se pudo comprobar que las señales fisiológicas son una alternativa importante para predecir emociones.es_MX
dc.language.isospaes_MX
dc.publisherTecnológico Nacional de Méxicoes_MX
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0es_MX
dc.subjectinfo:eu-repo/classification/cti/7es_MX
dc.titleMetodología para el preprocesamiento y clasificación de datos fisiológicos multimodales basado en el modelo Valencia-Excitaciónes_MX
dc.typeinfo:eu-repo/semantics/masterThesises_MX
dc.contributor.directorGonzalez Serna, Juan Gabriel%123551-
dc.contributor.directorGonzalez Franco, Nimrod%327636-
dc.folio21-0076es_MX
dc.rights.accessinfo:eu-repo/semantics/openAccesses_MX
dc.publisher.tecnmCentro Nacional de Investigación y Desarrollo Tecnológicoes_MX
Appears in Collections:Tesis de Maestría en Computación

Files in This Item:
File Description SizeFormat 
MC_Jose_Alberto_Morales_Morante_2021.pdfTesis5.21 MBAdobe PDFView/Open
MC_Jose_Alberto_Morales_Morante_2021.pdf
  Restricted Access
Cesión de derechos106.59 kBAdobe PDFView/Open Request a copy


This item is protected by original copyright



This item is licensed under a Creative Commons License Creative Commons