Semillero de procesamiento y detección de patrones en señales 2024-1
8 páginas
- Autores:
-
Alzate Márquez, Mateo
- Tipo de recurso:
- Article of investigation
- Fecha de publicación:
- 2024
- Institución:
- Universidad EIA .
- Repositorio:
- Repositorio EIA .
- Idioma:
- spa
- OAI Identifier:
- oai:repository.eia.edu.co:11190/6634
- Acceso en línea:
- https://repository.eia.edu.co/handle/11190/6634
- Palabra clave:
- Procesamiento de señales
ECG
Machine learning
Bases de datos
- Rights
- openAccess
- License
- Derechos Reservados - Universidad EIA, 2024
| id |
REIA2_63e89d092f6f10973c7ec2c6c0d58ff5 |
|---|---|
| oai_identifier_str |
oai:repository.eia.edu.co:11190/6634 |
| network_acronym_str |
REIA2 |
| network_name_str |
Repositorio EIA . |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Semillero de procesamiento y detección de patrones en señales 2024-1 Identificación de emociones de una base de datos basada en estímulos de VR por medio de técnicas de procesamiento de señales y machine learning: resultados del semillero de investigación de procesamiento y detección de patrones en señales |
| title |
Semillero de procesamiento y detección de patrones en señales 2024-1 |
| spellingShingle |
Semillero de procesamiento y detección de patrones en señales 2024-1 Procesamiento de señales ECG Machine learning Bases de datos |
| title_short |
Semillero de procesamiento y detección de patrones en señales 2024-1 |
| title_full |
Semillero de procesamiento y detección de patrones en señales 2024-1 |
| title_fullStr |
Semillero de procesamiento y detección de patrones en señales 2024-1 |
| title_full_unstemmed |
Semillero de procesamiento y detección de patrones en señales 2024-1 |
| title_sort |
Semillero de procesamiento y detección de patrones en señales 2024-1 |
| dc.creator.fl_str_mv |
Alzate Márquez, Mateo |
| dc.contributor.author.none.fl_str_mv |
Alzate Márquez, Mateo |
| dc.contributor.projectmember.none.fl_str_mv |
Gallón Duque, Santiago Gutiérrez Noguera, Santiago Jaramillo Codina, Alejandra Sofía Zuluaga Gómez, Isabella Castaño López, Juan Carlos |
| dc.subject.proposal.spa.fl_str_mv |
Procesamiento de señales ECG Machine learning Bases de datos |
| topic |
Procesamiento de señales ECG Machine learning Bases de datos |
| description |
8 páginas |
| publishDate |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2024-06-26T16:21:23Z |
| dc.date.available.none.fl_str_mv |
2024-06-26T16:21:23Z |
| dc.date.issued.none.fl_str_mv |
2024 |
| dc.type.none.fl_str_mv |
Informe de gestión |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_93fc |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/report |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.content.none.fl_str_mv |
Text |
| dc.type.coarversion.none.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| format |
http://purl.org/coar/resource_type/c_2df8fbb1 |
| status_str |
publishedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repository.eia.edu.co/handle/11190/6634 |
| url |
https://repository.eia.edu.co/handle/11190/6634 |
| dc.language.iso.none.fl_str_mv |
spa |
| language |
spa |
| dc.rights.spa.fl_str_mv |
Derechos Reservados - Universidad EIA, 2024 |
| dc.rights.license.none.fl_str_mv |
Atribución 4.0 Internacional (CC BY 4.0) |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Derechos Reservados - Universidad EIA, 2024 Atribución 4.0 Internacional (CC BY 4.0) http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidad EIA |
| dc.publisher.place.none.fl_str_mv |
Envigado (Antioquia, Colombia) |
| publisher.none.fl_str_mv |
Universidad EIA |
| institution |
Universidad EIA . |
| bitstream.url.fl_str_mv |
https://repository.eia.edu.co/bitstreams/b43ba6a1-daf6-4b26-8427-de03d67fa487/download https://repository.eia.edu.co/bitstreams/86c36037-84ec-4daf-a21d-1e23902555f7/download https://repository.eia.edu.co/bitstreams/3df39a6b-9ee7-4a46-9c69-4dbf83197dea/download https://repository.eia.edu.co/bitstreams/ceca6ac7-c31b-413f-81a6-6c75bcc88f24/download https://repository.eia.edu.co/bitstreams/7bafc33e-f229-4771-b5c3-daf58f14b4d2/download https://repository.eia.edu.co/bitstreams/57eb8ba7-d945-4e28-a614-dec14ab9c57d/download https://repository.eia.edu.co/bitstreams/f7cd94b6-5ddc-44ca-98f4-53d261f246bc/download |
| bitstream.checksum.fl_str_mv |
251ec746be1cb9a1b8f8435d582351bd fcd35266b5e8459e60f101ab70428d92 2264fce645ac2952653ce3f3b8fa781e 1916b6ff121bea0fc8fa308a2ad5a8a5 6a9cfe66087e6aedbaee38bfd9ce8313 51e4c7f29d3f8bde9d25f6025cfcf5aa 8fc09506d32e0861d00e2cdc56418143 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad EIA |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1808400319385698304 |
| spelling |
Alzate Márquez, MateoGallón Duque, SantiagoGutiérrez Noguera, SantiagoJaramillo Codina, Alejandra SofíaZuluaga Gómez, IsabellaCastaño López, Juan Carlos2024-06-26T16:21:23Z2024-06-26T16:21:23Z2024https://repository.eia.edu.co/handle/11190/66348 páginasRESUMEN: en el semillero de procesamiento de señales se utilizó una base de datos de estímulos emocionales por realidad virtual ya existente en donde se utilizaron señales de electrocardiograma (ECG). La base de datos contenía registros de 34 personas sometidas a 12 diferentes estímulos de realidad virtual (VR), clasificados como "felices" o "tristes", después se procesaron las señales usando Python y diversas librerías, comenzando con la limpieza y normalización de datos, seguida de la eliminación de ruido mediante el método IModPoly y un filtro pasa bajas de Butterworth y junto a esto se calcularon la frecuencia cardíaca y su variabilidad, la coherencia fisiológica y la entropía de Shannon como características de esta señal. Luego, se implementaron modelos de machine learning (KNN, MLP, SVM) para clasificar los estados emocionales, optimizando parámetros mediante GridSearchCV y evaluando los modelos con técnicas estándar de clasificación y gráficos SHAP para interpretar la importancia de las características. El ejercicio arrojó resultados como el análisis comparativo que mostró que el modelo KNN tuvo el mejor rendimiento con un área bajo la curva ROC de 0.71, seguido por MLP y SVM, ambos con un área de 0.61, también un análisis de las características demostró que las más influyentes fueron la coherencia fisiológica y la frecuencia cardíaca. Finalmente se concluyó que el modelo KNN fue el más adecuado para el conjunto de datos, mientras que MLP y SVM mostraron potencial en escenarios específicos con más datos y separación clara entre clases. El semillero estuvo constituido de sesiones explicativas y creativas donde se creó código de programación para resolver el problema planteado en el objetivo general.application/pdfspaUniversidad EIAEnvigado (Antioquia, Colombia)Derechos Reservados - Universidad EIA, 2024Atribución 4.0 Internacional (CC BY 4.0)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Semillero de procesamiento y detección de patrones en señales 2024-1Identificación de emociones de una base de datos basada en estímulos de VR por medio de técnicas de procesamiento de señales y machine learning: resultados del semillero de investigación de procesamiento y detección de patrones en señalesInforme de gestiónhttp://purl.org/coar/resource_type/c_2df8fbb1http://purl.org/coar/resource_type/c_93fcinfo:eu-repo/semantics/reportinfo:eu-repo/semantics/publishedVersionTexthttp://purl.org/coar/version/c_970fb48d4fbd8a85Procesamiento de señalesECGMachine learningBases de datosPublicationORIGINALInforme final del semillero de investigación de procesamiento de señales.pdfInforme final del semillero de investigación de procesamiento de señales.pdfapplication/pdf651537https://repository.eia.edu.co/bitstreams/b43ba6a1-daf6-4b26-8427-de03d67fa487/download251ec746be1cb9a1b8f8435d582351bdMD51Artículo de resultados del semillero procesamiento de señales 2024_1.pdfArtículo de resultados del semillero procesamiento de señales 2024_1.pdfapplication/pdf870762https://repository.eia.edu.co/bitstreams/86c36037-84ec-4daf-a21d-1e23902555f7/downloadfcd35266b5e8459e60f101ab70428d92MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82553https://repository.eia.edu.co/bitstreams/3df39a6b-9ee7-4a46-9c69-4dbf83197dea/download2264fce645ac2952653ce3f3b8fa781eMD53TEXTInforme final del semillero de investigación de procesamiento de señales.pdf.txtInforme final del semillero de investigación de procesamiento de señales.pdf.txtExtracted texttext/plain6958https://repository.eia.edu.co/bitstreams/ceca6ac7-c31b-413f-81a6-6c75bcc88f24/download1916b6ff121bea0fc8fa308a2ad5a8a5MD54Artículo de resultados del semillero procesamiento de señales 2024_1.pdf.txtArtículo de resultados del semillero procesamiento de señales 2024_1.pdf.txtExtracted texttext/plain17881https://repository.eia.edu.co/bitstreams/7bafc33e-f229-4771-b5c3-daf58f14b4d2/download6a9cfe66087e6aedbaee38bfd9ce8313MD56THUMBNAILInforme final del semillero de investigación de procesamiento de señales.pdf.jpgInforme final del semillero de investigación de procesamiento de señales.pdf.jpgGenerated Thumbnailimage/jpeg6286https://repository.eia.edu.co/bitstreams/57eb8ba7-d945-4e28-a614-dec14ab9c57d/download51e4c7f29d3f8bde9d25f6025cfcf5aaMD55Artículo de resultados del semillero procesamiento de señales 2024_1.pdf.jpgArtículo de resultados del semillero procesamiento de señales 2024_1.pdf.jpgGenerated Thumbnailimage/jpeg14614https://repository.eia.edu.co/bitstreams/f7cd94b6-5ddc-44ca-98f4-53d261f246bc/download8fc09506d32e0861d00e2cdc56418143MD5711190/6634oai:repository.eia.edu.co:11190/66342024-06-26 11:29:03.427open.accesshttps://repository.eia.edu.coRepositorio Institucional Universidad EIAbdigital@metabiblioteca.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 |