Resumen

RESUMEN: En el semillero del semestre 2024_2 se explora la clasificación de estados emocionales de "Felicidad" y "Tristeza" utilizando un modelo Random Forest entrenado con datos de señales de ECG obtenidas mediante estímulos musicales. Siguiendo el protocolo descrito en "Automatic ECG-Based Emotion Recognition in Music Listening" de Hsu et al. y empleando la Geneva Emotional Music Scale (GEMS), se realizó un experimento con participantes saludables de entre 15 y 25 años. Las señales se adquirieron utilizando la plataforma MAXREFDES104 Health Sensor en un entorno controlado, con dos listas de reproducción diseñadas para evocar emociones felices y tristes. El preprocesamiento, la extracción de características y el análisis se llevaron a cabo en Python, logrando una precisión del 75% mediante validación cruzada estratificada. A pesar de las limitaciones del conjunto de datos, los resultados destacan el potencial de las señales de ECG para el reconocimiento emocional en áreas como la psicología, la educación y la robótica asistencial. Los trabajos futuros se enfocarán en ampliar el conjunto de datos y explorar modelos avanzados, como redes neuronales convolucionales, para mejorar la precisión y robustez.