Publicación:
Semillero de investigación de procesamiento y deteccion de patrones en señales 2024-2

Vista sencilla de ítem
dc.contributor.authorAlzate Márquez, Mateo
dc.contributor.projectmemberAlbino Pérez, Mary Leidy
dc.contributor.projectmemberArcila Trejos, Juan José
dc.contributor.projectmemberTobón Gallego, Mateo
dc.contributor.projectmemberJaramillo, Alejandra Sofía
dc.date.accessioned2024-11-29T15:48:27Z
dc.date.available2024-11-29T15:48:27Z
dc.date.issued2024
dc.description6 páginas
dc.description.abstractRESUMEN: 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.
dc.format.mimetypeapplication/pdf
dc.identifier.urihttps://repository.eia.edu.co/handle/11190/6829
dc.language.isospa
dc.publisherUniversidad EIA
dc.publisher.placeEnvigado (Antioquia, Colombia)
dc.rightsDerechos Reservados - Universidad EIA, 2024
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.licenseAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.subject.proposalProcesamiento de señalesspa
dc.subject.proposalECGspa
dc.subject.proposalMachine learningspa
dc.subject.proposalAdquisición de señalesspa
dc.subject.proposalComputación afectivaspa
dc.titleSemillero de investigación de procesamiento y deteccion de patrones en señales 2024-2
dc.typeInforme de gestión
dc.type.coarhttp://purl.org/coar/resource_type/c_18ws
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.contentText
dc.type.redcolhttp://purl.org/redcol/resource_type/IFI
dc.type.versioninfo:eu-repo/semantics/publishedVersion
dspace.entity.typePublication
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Informe final de semillero de investigación - Procesamiento de señales 2024_2.pdf
Tamaño:
1.05 MB
Formato:
Adobe Portable Document Format
Descripción:
Informe final
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
2.49 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Colecciones
Procesamiento y detección de patrones en señales