EL REPOSITORIO SE ENCUENTRA EN MARCHA BLANCA

 

Thesis
Clasificación de tareas cognitivas a partir de señales EEG usando redes neuronales artificiales

dc.contributor.correferentePezoa Rivera, Raquel Andrea
dc.contributor.departmentUniversidad Técnica Federico Santa María. Departamento de Informática
dc.contributor.guiaSaavedra Ruiz, Carolina Veronica
dc.coverage.spatialCampus Casa Central Valparaíso
dc.creatorVarela Fernández, Diego Pablo
dc.date.accessioned2025-03-05T12:40:49Z
dc.date.available2025-03-05T12:40:49Z
dc.date.issued2024-11
dc.description.abstractEl análisis de señales cerebrales, en particular mediante electroencefalografía (EEG), ha adquirido una importancia significativa en la investigación de la cognición humana y en el diagnóstico de trastornos neurológicos. Este trabajo se enfoca en la clasificación de tareas cognitivas —leer, contar y reposo— a partir de señales EEG utilizando redes neuronales artificiales. Se han implementado varios modelos, incluyendo arquitecturas basadas en transformers, para identificar y diferenciar patrones cerebrales complejos asociados con cada tarea. Los resultados se evaluaron utilizando métricas como precisión (accuracy) y F1-score, con el objetivo de desarrollar una solución automatizada y precisa que contribuya tanto a la investigación en neurociencia como a aplicaciones clínicas avanzadas, tales como interfaces cerebro-computadora
dc.description.degreeINGENIERO CIVIL INFORMÁTICO
dc.description.programIngeniería Civil Informática
dc.format.extent72 páginas
dc.identifier.barcode3560900285717
dc.identifier.urihttps://repositorio.usm.cl/handle/123456789/73845
dc.language.isoes
dc.publisherUniversidad Técnica Federico Santa María
dc.rights.accessRightsinfo:eu-repo/semantics/restrictedAccess
dc.subjectElectroencefalografía
dc.subjectRedes Neuronales
dc.subjectClasificación Multiclase.
dc.titleClasificación de tareas cognitivas a partir de señales EEG usando redes neuronales artificiales
dspace.entity.typeTesis

Files

Original bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
3560900286069.pdf
Size:
10.92 MB
Format:
Adobe Portable Document Format