Algoritmos para interfaces cerebro-computadora en paradigmas relacionados con el habla.
La inteligencia artificial, y particularmente el aprendizaje maquinal, ha experimentado un inmenso crecimiento en los últimos años abarcando cada vez más campos de aplicación. Las ciencias de la salud también se han beneficiado; en este sentido, el área de las interfaces cerebro-computadora han sido...
Guardado en:
| Autor Principal: | |
|---|---|
| Otros Autores: | , |
| Formato: | Tesis Libro |
| Lenguaje: | Español |
| Materias: |
| LEADER | 04942ntm a2200397 a 4500 | ||
|---|---|---|---|
| 001 | 311383.19.f | ||
| 003 | arsfunl | ||
| 008 | 200806s2022 ARG bm 000 0 spa d | ||
| 040 | # | # | |a HHR |
| 041 | 1 | # | |a spa |g eng |
| 080 | # | # | |a 62 |
| 082 | 0 | # | |a 006.3 |
| 100 | 1 | # | |a Nieto, Nicolás |
| 245 | 1 | 0 | |a Algoritmos para interfaces cerebro-computadora en paradigmas relacionados con el habla. |c Nicolás Nieto ; Director Hugo Leonardo Rufiner, Codirector Rubén Daniel Spies |
| 260 | # | # | |e Santa Fe : |g 2022 |
| 300 | # | # | |a ix, 54p. : |b il. ; |c 30 cm. |
| 500 | # | # | |a Lugar de realización: sin(i) Instituto de Señales, Sistemas e Inteligencia Computacional, Facultad de Ingeniería y Ciencias Hídricas, Universidad Nacional del Litoral. |
| 502 | # | # | |a Tesis (Doctorado en Ingeniería-Mención Inteligencia Computacional, Señales y Sistemas)--Facultad de Ingeniería y Ciencias Hídricas, Universidad Nacional del Litoral, 2022 |
| 504 | # | # | |a Bibliografía: p. 47-54 |
| 505 | 0 | # | |a Thinking out loud, an open-access EEG-based BCI dataset for inner speech recognition / Nicolás Nieto … [et al.] - - Extreme Learning Machine design for dealing with unrepresentative features / Nicolás Nieto … [et al.] - - Podado Pre-Entrenamiento de Máquinas de Aprendizaje Extremo / Nicolás Nieto … [et al.] - - Preliminary feasibility analysis of inner speech as a control paradigm for brain-computer interfaces / Nicolás Nieto, Hugo L. Rufiner y Ruben Spies - - Transfer Learning based on Optimal Transport for Motor Imagery Brain-Computer Interfaces / Victoria Peterson … [et al.]. |
| 520 | 3 | # | |a La inteligencia artificial, y particularmente el aprendizaje maquinal, ha experimentado un inmenso crecimiento en los últimos años abarcando cada vez más campos de aplicación. Las ciencias de la salud también se han beneficiado; en este sentido, el área de las interfaces cerebro-computadora han sido uno de los campos con mayor desarrollo gracias a los avances de estas tecnologías y representan una herramienta vital para personas con discapacidades severas siendo el único medio posible de comunicación con su entorno. Aunque el uso de estas interfaces dista de alcanzar un uso masivo, ha permitido mejor considerablemente la calidad de vida de cientos de personas principalmente para comunicarse. El mayor obstáculo es la baja tasa de transferencia de información, requiriendo de varios segundos, e incluso minutos, para poder comunicar una sola palabra . Sumado a esto, presentan un desempeño de clasificación muy variable y no siempre permiten un control natural del entorno. Afortunadamente, el interés en el área ha crecido y son varios los grupos que intentan hacer estas herramientas más accesible y confiables. Hace ya algunos años los paradigmas de control relacionados con el habla han cobrado especial relevancia dentro de la comunidad científica, no obstante, el lenguaje es uno de los fenómenos más complejos y menos comprendido del ser humano,por lo que su uso como paradigma de control todavía presenta varios problemas, entre ellos, los principales son la falta de datos públicos disponibles y la ausencia de algoritmos específicamente diseñados para tal fin. Para avanzar en la solución, en esta tesis se han realizado diversos aportes tendientes a mejorar el uso de los paradigmas relacionados al habla como paradigma de control de las interfaces cerebro computadora. El primero, es la adquisición y publicación de una base de datos de diez participantes adquirida bajo un paradigma relacionado al habla: el habla interna. En segundo lugar, y en conjunto con los datos, se desarrolló una librería que permite el simple manejo y procesamiento de esto datos, facilitando su reutilización. Por otro lado se desarrollaron métodos de podado, aplicados a las estructuras conocidas como Máquinas de Aprendizaje Externo, para mejorar las características de estas redes y permitir que estos métodos se adapten mejor a los requerimientos específicos de una interfaz cerebro computadora. Por último, se propusieron nuevas técnicas de transporte óptimo y adaptación de dominio, que permiten obtener un mayor provecho de los muy escasos y heterogéneos datos disponibles. |
| 530 | # | # | |a Disponible también en Biblioteca Virtual de la UNL. |u https://hdl.handle.net/11185/6573 |
| 546 | # | # | |a Texto de artículos anexos en inglés |
| 650 | 0 | 7 | |a Inteligencia artificial |2 spines |
| 653 | 0 | # | |a Tesis Doctoral FICH |
| 653 | 0 | # | |a Tesis Doctoral en Ingeniería |
| 653 | 0 | # | |a Interfaces cerebro computadora |
| 653 | 0 | # | |a Habla interna |
| 653 | 0 | # | |a Habla imaginada |
| 653 | 0 | # | |a Aprendizaje maquinal |
| 653 | 0 | # | |a Base de datos pública |
| 653 | 0 | # | |a Máquinas de aprendizaje extremo |
| 653 | 0 | # | |a Transporte óptimo |
| 700 | 1 | # | |a Rufiner, Hugo Leonardo |c sinc(i), CONICET-UNL |c Dr. |e director de tesis |
| 700 | 1 | # | |a Spies, Rubén Daniel |c IMAL, CONICET-UNL |c Dr. |e director de tesis |
| 090 | |a Tes. Doc. FICH |b N56 |i 5505738 |u 19 | ||