• Comunidades & Colecciones
    • Por fecha de publicación
    • Autores
    • Títulos
    • Materias
    • Tipo de documento
    • español
    • English
    • português (Brasil)
  • Autoarchivo
  • Navegar 
    • Comunidades & Colecciones
    • Por fecha de publicación
    • Autores
    • Títulos
    • Materias
    • Tipo de documento
  • español 
    • español
    • English
    • português (Brasil)
  • Ingresar
Ver ítem 
  •   Repositorio Institucional ITM
  • Trabajos de Grado (Especializaciones y Pregrados)
  • Facultad de Ingenierías
  • Ingeniería de Telecomunicaciones
  • Ver ítem
  •   Repositorio Institucional ITM
  • Trabajos de Grado (Especializaciones y Pregrados)
  • Facultad de Ingenierías
  • Ingeniería de Telecomunicaciones
  • Ver ítem
JavaScript is disabled for your browser. Some features of this site may not work without it.

Listar

Todo ITMComunidades & ColeccionesPor fecha de publicaciónAutoresTítulosMateriasTipo de documentoEsta colecciónPor fecha de publicaciónAutoresTítulosMateriasTipo de documento

Mi cuenta

IngresarRegistro

Estadísticas

Ver Estadísticas de uso
Estadísticas GTMVer Estadísticas GTM

Representación de información en un sistema de imaginación motora basado en aprendizaje profundo

Thumbnail
Ver/
Trabajo de Grado (1.803Mb) 
Carta de autorización (188.1Kb) 
Compartir
Representación de información en un sistema de imaginación motora basado en aprendizaje profundo
Fecha
2018
Autor(es)
Ospina Cuervo, Juan Camilo
Director(es)
Pérez Zapata, Andrés Felipe
Díaz, Gloria Mercedes

Citación

       
TY - GEN T1 - Representación de información en un sistema de imaginación motora basado en aprendizaje profundo AU - Ospina Cuervo, Juan Camilo Y1 - 2018 UR - http://hdl.handle.net/20.500.12622/5763 PB - Instituto Tecnológico Metropolitano AB - El desarrollo de interfaces cerebro computador (BCI) es un campo de investigación que tuvo sus inicios en la década de los 70, pero cuyos mayores avances se han presentado en los últimos años. Entre los diferentes esquemas de BCI, se encuentran aquellos basados en imaginación motora, es decir, los que son controlados por una modulación voluntaria de la actividad cerebral. El desarrollo de estos sistemas se basa en el reconocimiento de patrones de actividad cerebral asociados a la actividad motora, los cuales pueden ser identificados mediante el análisis de señales de electroencefalografía (EEG). Entre las muchas técnicas que se han desarrollado para llevar a cabo este análisis, el uso de técnicas de aprendizaje profundo se ha impuesto recientemente, por su efectividad en la discriminación de la intención motora. Este documento presenta los resultados de un trabajo desarrollado en el Laboratorio de Máquinas Inteligentes y Reconocimiento de Patrones (MIRP), del Instituto Tecnológico Metropolitano, que busca evaluar los efectos de técnicas de pre procesamiento y de extracción de características en la información que contiene el data set BCI 2IV- 2a, como etapa previa al uso de una arquitectura de aprendizaje profundo, en la clasificación de intención motora a partir de señales de EEG. El trabajo realizado incluye una revisión de la literatura relacionada con los diferentes componentes de un sistema de identificación de imaginación motora a saber: adquisición de señales y selección de electrodos, pre procesamiento, caracterización y clasificación; la implementación de técnicas del estado del arte para el procesamiento y representación de señales de EEG, y la evaluación del efecto de estas en el desempeño de in sistema BCI basado en aprendizaje profundo, implementado en el laboratorio. ER - @misc{20.500.12622_5763, author = {Ospina Cuervo Juan Camilo}, title = {Representación de información en un sistema de imaginación motora basado en aprendizaje profundo}, year = {2018}, abstract = {El desarrollo de interfaces cerebro computador (BCI) es un campo de investigación que tuvo sus inicios en la década de los 70, pero cuyos mayores avances se han presentado en los últimos años. Entre los diferentes esquemas de BCI, se encuentran aquellos basados en imaginación motora, es decir, los que son controlados por una modulación voluntaria de la actividad cerebral. El desarrollo de estos sistemas se basa en el reconocimiento de patrones de actividad cerebral asociados a la actividad motora, los cuales pueden ser identificados mediante el análisis de señales de electroencefalografía (EEG). Entre las muchas técnicas que se han desarrollado para llevar a cabo este análisis, el uso de técnicas de aprendizaje profundo se ha impuesto recientemente, por su efectividad en la discriminación de la intención motora. Este documento presenta los resultados de un trabajo desarrollado en el Laboratorio de Máquinas Inteligentes y Reconocimiento de Patrones (MIRP), del Instituto Tecnológico Metropolitano, que busca evaluar los efectos de técnicas de pre procesamiento y de extracción de características en la información que contiene el data set BCI 2IV- 2a, como etapa previa al uso de una arquitectura de aprendizaje profundo, en la clasificación de intención motora a partir de señales de EEG. El trabajo realizado incluye una revisión de la literatura relacionada con los diferentes componentes de un sistema de identificación de imaginación motora a saber: adquisición de señales y selección de electrodos, pre procesamiento, caracterización y clasificación; la implementación de técnicas del estado del arte para el procesamiento y representación de señales de EEG, y la evaluación del efecto de estas en el desempeño de in sistema BCI basado en aprendizaje profundo, implementado en el laboratorio.}, url = {http://hdl.handle.net/20.500.12622/5763} }RT Generic T1 Representación de información en un sistema de imaginación motora basado en aprendizaje profundo A1 Ospina Cuervo, Juan Camilo YR 2018 LK http://hdl.handle.net/20.500.12622/5763 PB Instituto Tecnológico Metropolitano AB El desarrollo de interfaces cerebro computador (BCI) es un campo de investigación que tuvo sus inicios en la década de los 70, pero cuyos mayores avances se han presentado en los últimos años. Entre los diferentes esquemas de BCI, se encuentran aquellos basados en imaginación motora, es decir, los que son controlados por una modulación voluntaria de la actividad cerebral. El desarrollo de estos sistemas se basa en el reconocimiento de patrones de actividad cerebral asociados a la actividad motora, los cuales pueden ser identificados mediante el análisis de señales de electroencefalografía (EEG). Entre las muchas técnicas que se han desarrollado para llevar a cabo este análisis, el uso de técnicas de aprendizaje profundo se ha impuesto recientemente, por su efectividad en la discriminación de la intención motora. Este documento presenta los resultados de un trabajo desarrollado en el Laboratorio de Máquinas Inteligentes y Reconocimiento de Patrones (MIRP), del Instituto Tecnológico Metropolitano, que busca evaluar los efectos de técnicas de pre procesamiento y de extracción de características en la información que contiene el data set BCI 2IV- 2a, como etapa previa al uso de una arquitectura de aprendizaje profundo, en la clasificación de intención motora a partir de señales de EEG. El trabajo realizado incluye una revisión de la literatura relacionada con los diferentes componentes de un sistema de identificación de imaginación motora a saber: adquisición de señales y selección de electrodos, pre procesamiento, caracterización y clasificación; la implementación de técnicas del estado del arte para el procesamiento y representación de señales de EEG, y la evaluación del efecto de estas en el desempeño de in sistema BCI basado en aprendizaje profundo, implementado en el laboratorio. OL Spanish (121)
Gestores bibliográficos
Refworks
Zotero
BibTeX
CiteULike
Metadatos
Mostrar el registro completo del ítem
Documentos PDF
Resumen
El desarrollo de interfaces cerebro computador (BCI) es un campo de investigación que tuvo sus inicios en la década de los 70, pero cuyos mayores avances se han presentado en los últimos años. Entre los diferentes esquemas de BCI, se encuentran aquellos basados en imaginación motora, es decir, los que son controlados por una modulación voluntaria de la actividad cerebral. El desarrollo de estos sistemas se basa en el reconocimiento de patrones de actividad cerebral asociados a la actividad motora, los cuales pueden ser identificados mediante el análisis de señales de electroencefalografía (EEG). Entre las muchas técnicas que se han desarrollado para llevar a cabo este análisis, el uso de técnicas de aprendizaje profundo se ha impuesto recientemente, por su efectividad en la discriminación de la intención motora. Este documento presenta los resultados de un trabajo desarrollado en el Laboratorio de Máquinas Inteligentes y Reconocimiento de Patrones (MIRP), del Instituto Tecnológico Metropolitano, que busca evaluar los efectos de técnicas de pre procesamiento y de extracción de características en la información que contiene el data set BCI 2IV- 2a, como etapa previa al uso de una arquitectura de aprendizaje profundo, en la clasificación de intención motora a partir de señales de EEG. El trabajo realizado incluye una revisión de la literatura relacionada con los diferentes componentes de un sistema de identificación de imaginación motora a saber: adquisición de señales y selección de electrodos, pre procesamiento, caracterización y clasificación; la implementación de técnicas del estado del arte para el procesamiento y representación de señales de EEG, y la evaluación del efecto de estas en el desempeño de in sistema BCI basado en aprendizaje profundo, implementado en el laboratorio.
Palabras clave
Electroencefalograma; Aprendizaje automático; Conjunto de datos; Imaginación motora; Interfaces cerebro computador (BCI)
keywords
Data set; Machine learning; motor imagination; Brain computer interfaces (BCI); Electroencephalogram
URI
http://hdl.handle.net/20.500.12622/5763
Estadísticas Google Analytics
Colecciones
  • Ingeniería de Telecomunicaciones [42]

Departamento de Biblioteca y Extensión Cultural
bibliotecaitm@itm.edu.co

Contacto | Sugerencias