Publication:
Aplicación del estado del arte del aprendizaje profundo en las interfaces cerebro-máquina

Simple item page
dc.contributor.advisorTFEFumanal Idocin, Javieres_ES
dc.contributor.advisorTFEFernández Fernández, Francisco Javieres_ES
dc.contributor.affiliationEscuela Técnica Superior de Ingeniería Agronómica y Biocienciases_ES
dc.contributor.affiliationNekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola Teknikoaeu
dc.contributor.authorGonzález García, Xabier
dc.date.accessioned2022-07-26T06:13:17Z
dc.date.available2022-07-26T06:13:17Z
dc.date.issued2022
dc.date.updated2022-07-19T09:24:33Z
dc.description.abstractLos avances tecnológicos han facilitado la tarea de captar actividad bioeléctrica cerebral mediante dispositivos electrónicos. Las interfaces cerebro-máquina son las encargadas de integrar la actividad captada con ordenadores para su posterior análisis. No obstante, obtener datos de calidad partir de las señales cerebrales noes una tarea sencilla. Diversas técnicas han sido estudiados durante décadas en la comunidad científica, dentro de las cuales destacan, por su rendimiento y resultados prometedores, los modelos de aprendizaje automático. El presente trabajo tiene como objetivo implementar y experimentar con técnicas de aprendizaje profundo del estado del arte para así descifrar la información que traen este tipo de señales, haciendo uso de la Tecnología de Interfaz cerebro-máquina.es_ES
dc.description.abstractTechnological advances have made it easier to capture bioelectrical brain activity using electronic devices. Brain-machine interfaces are responsible for integrating the captured activity with computers for further analysis. However, obtaining quality data from brain signals is not a simple task. Several techniques have been studied for decades in the scientific community, among which machine learning models stand out for their performance and promising results. The present work aims to implement and experiment with state-of-the-art deep learning techniques in order to decipher the information brought by this type of signals, making use of Brain-Computer Interface Technology.en
dc.description.degreeGraduado o Graduada en Ciencia de Datos por la Universidad Pública de Navarraes_ES
dc.description.degreeDatu Zientzietan Graduatua Nafarroako Unibertsitate Publikoaneu
dc.format.mimetypeapplication/pdfen
dc.identifier.urihttps://academica-e.unavarra.es/handle/2454/43505
dc.language.isospaen
dc.rights.accessRightsAcceso abierto / Sarbide irekiaes
dc.rights.accessRightsinfo:eu-repo/semantics/openAccessen
dc.subjectInterfaz cerebro-máquinaes_ES
dc.subjectSeñales cerebraleses_ES
dc.subjectAprendizaje Profundoes_ES
dc.subjectAprendizaje Automáticoes_ES
dc.subjectEstado del artees_ES
dc.subjectBrain-Computer Interfaceen
dc.subjectBrain Signalsen
dc.subjectDeep learningen
dc.subjectMachine learningen
dc.subjectState of the arten
dc.titleAplicación del estado del arte del aprendizaje profundo en las interfaces cerebro-máquinaes_ES
dc.typeTrabajo Fin de Grado/Gradu Amaierako Lanaes
dc.typeinfo:eu-repo/semantics/bachelorThesisen
dspace.entity.typePublication
relation.isAuthorOfPublication9f3feb03-251b-4f64-a1d9-b0303c558dc4
relation.isAuthorOfPublication.latestForDiscovery9f3feb03-251b-4f64-a1d9-b0303c558dc4

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
TFG_gonzalez126414.pdf
Size:
4.52 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.78 KB
Format:
Item-specific license agreed to upon submission
Description:
Download

Collections

Trabajos Fin de Grado ETSIA - NIGMET Gradu Amaierako Lanak
Trabajos Fin de Grado - Gradu Amaierako Lanak