Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/4497Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Morales Morante, Jose Alberto%927340 | - |
| dc.creator | Morales Morante, Jose Alberto%927340 | - |
| dc.date.accessioned | 2022-09-12T21:05:42Z | - |
| dc.date.available | 2022-09-12T21:05:42Z | - |
| dc.date.issued | 2021-04-30 | - |
| dc.identifier.uri | https://rinacional.tecnm.mx/jspui/handle/TecNM/4497 | - |
| dc.description | El reconocimiento emocional es uno de los conceptos más importantes de la computación afectiva y como su nombre indica consiste en el pronóstico del estado anímico de las personas. Este conocimiento puede ser de utilidad en muchas áreas como la medicina, la psicología, la pedagogía, el entretenimiento y la experiencia de usuario. Incluso fuera del contexto tecnológico este objetivo siempre ha sido muy importante debido a su naturaleza, ya que las emociones son conceptos muy abstractos y complejos a simple vista. En el último siglo se han realizado muchos descubrimientos sobre su origen y utilidad, la teoría más aceptada es que las emociones son producto del sistema nervioso autónomo como mecanismo de reacción a nuestro entorno. Con esta premisa se han desarrollado métodos para intentar predecir las emociones de una persona, ya sea por medio del tono de voz, los gestos faciales y quizás el elemento más discutido, pero de mayor valor las señales fisiológicas. El presente trabajo de tesis se centra en el análisis de emociones a través de sensores fisiológicos de tipo electroencefalografía (EEG), electrocardiografía (ECG), y respuesta galvánica en piel (GSR). Para esto se desarrolló una metodología que implementa el uso de aprendizaje automático para la predicción de emociones en base a dos propiedades relacionadas, la valencia y la excitación. Con la ayuda de repositorios de señales fisiológicas afectivas se realizó un estudio comparativo entre diferentes algoritmos de aprendizaje automático para definir un modelo superior el cual fue implementado posteriormente en la herramienta para evaluar la experiencia de usuario (UXLab). Esta herramienta permite la grabación y visualización de diferentes sensores fisiológicos y biométricos por lo que su integración le da un valor muy importante. Para validar los avances realizados durante la investigación, se realizaron pruebas de reconocimiento emocional con la herramienta UXLab, utilizando estímulos visuales. Los resultados obtenidos fueron satisfactorios, por lo que se pudo comprobar que las señales fisiológicas son una alternativa importante para predecir emociones. | es_MX |
| dc.language.iso | spa | es_MX |
| dc.publisher | Tecnológico Nacional de México | es_MX |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0 | es_MX |
| dc.subject | info:eu-repo/classification/cti/7 | es_MX |
| dc.title | Metodología para el preprocesamiento y clasificación de datos fisiológicos multimodales basado en el modelo Valencia-Excitación | es_MX |
| dc.type | info:eu-repo/semantics/masterThesis | es_MX |
| dc.contributor.director | Gonzalez Serna, Juan Gabriel%123551 | - |
| dc.contributor.director | Gonzalez Franco, Nimrod%327636 | - |
| dc.folio | 21-0076 | es_MX |
| dc.rights.access | info:eu-repo/semantics/openAccess | es_MX |
| dc.publisher.tecnm | Centro Nacional de Investigación y Desarrollo Tecnológico | es_MX |
| Appears in Collections: | Tesis de Maestría en Computación | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| MC_Jose_Alberto_Morales_Morante_2021.pdf | Tesis | 5.21 MB | Adobe PDF | View/Open |
| MC_Jose_Alberto_Morales_Morante_2021.pdf Restricted Access | Cesión de derechos | 106.59 kB | Adobe PDF | View/Open Request a copy |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
