Aplicación del estado del arte del aprendizaje profundo en las interfaces cerebro-máquina
Fecha
2022Autor
Versión
Acceso abierto / Sarbide irekia
Tipo
Trabajo Fin de Grado/Gradu Amaierako Lana
Impacto
|
nodoi-noplumx
|
Resumen
Los 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 déc ...
[++]
Los 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. [--]
Technological 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 lea ...
[++]
Technological 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. [--]
Materias
Interfaz cerebro-máquina,
Señales cerebrales,
Aprendizaje Profundo,
Aprendizaje Automático,
Estado del arte,
Brain-Computer Interface,
Brain Signals,
Deep learning,
Machine learning,
State of the art
Titulación
Graduado o Graduada en Ciencia de Datos por la Universidad Pública de Navarra /
Datu Zientzietan Graduatua Nafarroako Unibertsitate Publikoan