Examinando por Materia "Patrones Emocionales"

Mostrando 1 - 2 de 2
  • Miniatura
    PublicaciónAcceso abierto
    Modelo neuronal con estructura deep learning para la caracterización de niveles de relajación a través de estímulos olfativos
    (Universidad EIA, 2022) González Jaramillo, Isabel; Pérez Restrepo, Valentina; Peña Palacio, Juan Alejandro
    RESUMEN: En la sociedad actual, las personas han experimentado un incremento en los niveles de estrés, por lo que el mercado ha introducido nuevos productos olfativos cuyo objetivo es producir un efecto relajante; sin embargo, el proceso de desarrollo de nuevos productos aún no considera el apoyo de la inteligencia artificial para validar dicho efecto en sus consumidores, especialmente en las mujeres, en quienes tendría un efecto relajante más significativo. Por lo tanto, en este proyecto de investigación se propone el desarrollo de un modelo neuronal con estructura Deep Learning para la caracterización de niveles de relajación a través de estímulos olfativos en las mujeres. Para lograrlo, se utiliza la Brain Computer Interface Emotiv Epoc, el cual registra la actividad cerebral a través de señales electroencefalográficas. Para lo anterior, se procede con la utilización de la plataforma TensorFlow de Google, con el fin de identificar la correlación de señales electroencefalográficas (EEG) frente a estímulos de estrés y de relajación. Mediante la determinación de estímulos, la configuración de los modelos neuronales y la validación de estos mismos mediante diversas métricas, se identifica el desempeño de ambos modelos neuronales ante las señales capturadas de los dos estímulos propuestos, y a su vez, se analiza la activación de las zonas del cerebro registradas durante las sesiones experimentales. Con lo anterior se valida la eficiencia del estímulo olfativo para reducir el nivel de estrés en las mujeres, logrando favorecer su rendimiento en las funciones que realizan, y así mejorar su calidad de vida.
  • Miniatura
    PublicaciónAcceso abierto
    Modelo neuronal para la identificación de patrones sensoriales producidos por el audio branding en la identidad de marcas
    (Universidad EIA, 2021) López Franco, Valentina; Rodríguez Aristizábal, Olga Isabel; Peña Palacio, Juan Alejandro
    RESUMEN: Actualmente, los consumidores tienen más potencial que antes, con mayores necesidades de comunicación e información. Al construir una marca es importante transferirle características que la diferencien y definan en la mente del individuo, a través del branding se construye una identidad de marca con atributos visuales, auditivos, entre otros. Sin embargo, las estrategias se han limitado a los medios visuales tradicionales sobre lo auditivo, generando saturación visual y utilizando el sonido como un elemento publicitario. A través del Audio Branding se conecta con el cliente mediante la estimulación del sentido de la audición, con un sinnúmero de atributos racionales y emocionales que llevados a un nivel innovador pueden potenciar la imagen mental de la marca. Además, la eficacia de elementos auditivos en el branding es compleja de medir, debido a la esencia psíquica de cada individuo, últimamente existen nuevas tecnologías que buscan aproximarse a entender el funcionamiento cerebral mediante sistemas inteligentes, logrando analizar los estados afectivos o emociones experimentadas. La presente investigación se fundamenta en el análisis de patrones sensoriales generados por imágenes auditivas como estrategia en la construcción y gerencia de marcas mediante la creación de un Modelo Neuronal Deep Learning Autoencoder por Afinidad Central con Aprendizaje Mixto, haciendo uso del dispositivo Emotiv Epoc para capturar, procesar y clasificar las señales electroencefalográficas en patrones emocionales de 5 marcas a estudiar. El modelo recibe las señales capturadas de 10 personas al escuchar 20 sonidos seleccionados de la base de datos referenciada IADS-2 de la Universidad de Florida y 5 audios de las marcas. Inicialmente se realiza un centramiento de señales, se comprimen los datos al 50% mediante estructuras autoencoder, obteniendo una primera estructura comprimida de sonidos de referencia en aprendizaje y con esa misma configuración en autonomía los de las marcas, para posteriormente las dos estructuras de capas comprimidas compararlas por un proceso de afinidad central para todas las combinaciones marca-sonido. Seleccionando para cada marca los tres mayores valores de afinidad, configurándolos como sus sonidos referentes y facilitando la analogía entre emociones asociadas a sonidos con las emociones deseadas a transmitir de las marcas. Los patrones emocionales se posicionan según su valencia, activación, o asociaciones en el modelo de medición de emociones propuesto denominado Modelo PME- Pie Measurement of Emotions. El desempeño del modelo es óptimo tanto en el aprendizaje como en el relacionamiento, permitiendo valorar la efectividad de las estrategias, obteniendo en su mayoría afinidades alineadas entre las intenciones de identidad de marca y lo que los participantes experimentan en las sesiones de prueba. Es así como los modelos computacionales usados en el campo de la neurociencia ayudan a evaluar y orientar las estrategias de identidad de marca con el objetivo de aumentar su impacto y efectividad.