Andere Kunden interessierten sich auch für
![Redução do número de sensores de EEG e detecção de movimento motor]( "Redução do número de sensores de EEG e detecção de movimento motor")
Redução do número de sensores de EEG e detecção de movimento motor27,99 €![Entornos virtuales de entrenamiento usando sensores de movimiento]( "Entornos virtuales de entrenamiento usando sensores de movimiento")
Entornos virtuales de entrenamiento usando sensores de movimiento23,99 €![Reducing the number of EEG sensors and motor motion detection]( "Reducing the number of EEG sensors and motor motion detection")
Reducing the number of EEG sensors and motor motion detection26,99 €![Detección de plagio en el sistema de gestión del aprendizaje]( "Detección de plagio en el sistema de gestión del aprendizaje")
Detección de plagio en el sistema de gestión del aprendizaje27,99 €![Detección y determinación de la madurez del mango]( "Detección y determinación de la madurez del mango")
Detección y determinación de la madurez del mango18,99 €![Riduzione del numero di sensori EEG e rilevamento del movimento motorio]( "Riduzione del numero di sensori EEG e rilevamento del movimento motorio")
Riduzione del numero di sensori EEG e rilevamento del movimento motorio26,99 €![Réduction du nombre de capteurs EEG et détection des mouvements moteurs]( "Réduction du nombre de capteurs EEG et détection des mouvements moteurs")
Réduction du nombre de capteurs EEG et détection des mouvements moteurs26,99 €
En los últimos años los estudios en inteligencia artificial y machine learning se han generalizado y por ello ya es habitual ver en muchos lugares algoritmos de reconocimiento de patrones que se utilizan, ya sea en un anuncio que recibes de una tienda, un chatbot que aprende de los errores cometidos o en los coches autónomos de Google y Tesla. Este trabajo pretende reconocer patrones de movimientos voluntarios mediante la inteligencia artificial utilizando datos de tensión del cerebro y capturados mediante electroencefalografía (EEG). En este sentido también se demuestra que es posible preprocesar las señales de EEG, reduciendo el esfuerzo de procesamiento del sistema, reduciendo la cantidad de canales a analizar sin perjudicar el reconocimiento de patrones. En este ámbito fue posible reducir el número de sensores de 64 a 18, alcanzando un 72% de precisión en el mejor de los casos -que puede variar hasta el 73% mediante la manipulación de la Red Neural Artificial (RNA). Así, es posible demostrar que los análisis basados en las teorías de la señal generan resultados satisfactorios en cuanto al error de clasificación