Translated title of the contribution | Evaluation of the design of a brain-computer interface for emotion detection |
---|---|
Original language | Spanish |
Pages (from-to) | 468 |
Number of pages | 1 |
Journal | Dyna (Spain) |
Volume | 93 |
Issue number | 5 |
DOIs |
|
State | Published - 1 Sep 2018 |
Cite this
- APA
- Author
- BIBTEX
- Harvard
- Standard
- RIS
- Vancouver
}
In: Dyna (Spain), Vol. 93, No. 5, 01.09.2018, p. 468.
Research output: Contribution to journal › Comment/debate
TY - JOUR
T1 - Evaluación del diseño de una interfaz cerebro-computadora para detección de emociones
AU - Aparicio-García, Ramón Sidonio
AU - Juárez-Gracia, Gustavo
AU - Alvarez-Cedillo, Jesús
AU - Sandoval-Gutiérrez, Jacobo
AU - Tovar-Corona, Blanca
N1 - Funding Information: La aportación presentada en la extrac- ción de características por la descompo-sición wavelet es la propiedad de multi-resolución, útil al análisis del comporta-miento frecuencial y los cambios tempo-rales de la señal. Haciendo un comparativo para los métodos de búsqueda-selección, con la selección individual de característi-cas se obtuvieron los mejores desempeños para el caso de las clases de arousal, sien-do un clasificador Naive-Bayes el de mayor porcentaje de asertividad. Para el caso de valencia, se tienen diferencias mínimas entre el resultado del método de selección de subconjuntos e individual, en donde no hubo mayor ventaja para cualquiera de los clasificadores. De los resultados revisados en [2] se puede observar, para la clasifica-ción de acuerdo al eje de arousal, que en la mayoría de casos los valores de la Entro-pía Relativa de Wavelet (RWE o coeficien-tes ρ) de las ondas beta, resultaron ser las variables más descriptivas; mientras que la información relacionada con las ondas alfa y teta, así como del cuantificador de la Entropía de Wavelet Total Normalizada (NTWS), tuvieron un menor impacto. La mayor contribución de información útil durante la clasificación de señales res-pecto al eje de valencia, la proporcionaron las variables atributo relacionadas con el comportamiento de las ondas beta y alfa, siendo sólo reducidos casos en los que las ondas teta y el descriptor NTWS tuvieron relevancia. El cuantificador RWS no pro-porcionó información útil durante la cla-sificación para ninguno de los dos casos. Después de haber aplicado el método de reducción de características, se cumplió con verificar que para reducir el número de variables, se descartaron algunas poco descriptivas como las concernientes al cuantificador SWR y las relacionadas al cálculo de la entropía de Shannon de la señal para los tres tipos de onda. Un aná-lisis realizado sobre las señales provenien-tes del sensor Fp1 demostró que puede ser aplicable para la detección siempre que se realice un entrenamiento previo de la in-terfaz conectada al usuario final.
PY - 2018/9/1
Y1 - 2018/9/1
UR - http://www.scopus.com/inward/record.url?scp=85054782021&partnerID=8YFLogxK
U2 - 10.6036/8862
DO - 10.6036/8862
M3 - Comentario/Debate
AN - SCOPUS:85054782021
SN - 0012-7361
VL - 93
SP - 468
JO - Dyna (Spain)
JF - Dyna (Spain)
IS - 5
ER -