Imagen de Portada

Aprendizaje profundo y metaheurísticas para la clasificación y análisis de bioseñales

Fil: Ruffiner, Hugo Leonardo. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas ; Argentina.

Guardado en:
Detalles Bibliográficos
Autor Principal: Ruffiner, Hugo Leonardo
Formato: Tesis
Lenguaje:Spanish
Publicado: Universidad Nacional del Litoral 2025
Materias:
Bioseñales
Aprendizaje profundo
Metaheuristicas
Biosignals
Deep learning
Metaheuristics
Acceso en línea:https://hdl.handle.net/11185/8162
id oai:https:--bibliotecavirtual.unl.edu.ar:11185-8162
recordtype dspace
spelling oai:https:--bibliotecavirtual.unl.edu.ar:11185-81622025-05-15T13:01:42Z Aprendizaje profundo y metaheurísticas para la clasificación y análisis de bioseñales Deep learning and metaheuristics for biosignal classification and analysis Ruffiner, Hugo Leonardo Bioseñales Aprendizaje profundo Metaheuristicas Biosignals Deep learning Metaheuristics Fil: Ruffiner, Hugo Leonardo. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas ; Argentina. El análisis tradicional y la clasificación de señales consta de dos bloques: la representación adecuada de los datos para resaltar características relevantes del problema y la interpretación automática de esa representación para extraer información útil. Recientemente, el aprendizaje profundo ha reemplazado estos bloques con modelos complejos de extremo a extremo, como las redes neuronales convolucionales, que aprenden directamente a partir de los datos crudos. Sin embargo, diseñar arquitecturas profundas eficientes es complicado y requiere de mucho esfuerzo. Los métodos de metaheurística, como la computación evolutiva y la neuroevolución, ofrecen una alternativa prometedora al permitir la evolución automática de las arquitecturas de redes neuronales, evitando el diseño manual complejo. Este proyecto abordará el desarrollo de algoritmos avanzados para el análisis y reconocimiento de patrones en bioseñales en problemas específicos como el estudio de: señales del sistema respiratorio para el desarrollo de herramientas de diagnóstico de patologías del sueño, señales cerebrales para el desarrollo de interfaces hombre-máquina, señales de voz para el estudio de trastornos del habla y otras patologías y señales relativas al comportamiento de rumiantes para el mejoramiento de la producción ganadera. Traditional signal analysis and classification consists of two building blocks: the appropriate representation of the data to highlight relevant features of the problem and the automatic interpretation of that representation to extract useful information. Recently, deep learning has replaced these blocks with complex end-to-end models, such as convolutional neural networks, which learn directly from raw data. However, designing efficient deep architectures is complicated and requires a lot of effort. Metaheuristic methods, such as evolutionary computation and neuroevolution, offer a promising alternative by enabling the automatic evolution of neural network architectures, avoiding complex manual design. The goal of this project is to address the development of advanced algorithms for the analysis and pattern recognition of biosignals in specific problems such as the study of: respiratory system signals for the development of diagnostic tools for sleep disorders, brain signals for the development of human-machine interfaces, voice signals for the study of speech disorders and other pathologies, and signals related to ruminant behaviour for the improvement of livestock production. 2025-05-15T13:01:42Z 2025-05-15T13:01:42Z info:ar-repo/semantics/plan de gestión de datos info:eu-repo/semantics/data management plan info:eu-repo/semantics/acceptedVersion https://hdl.handle.net/11185/8162 spa info:eu-repo/grantAgreement/UNL/CAI+D/85520240100155LI/AR. Santa Fe. Santa Fe/Aprendizaje profundo y metaheurísticas para la clasificación y análisis de bioseñales info:eu-repo/semantics/openAccess Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) http://creativecommons.org/licenses/by-nc-nd/4.0/deed.es application/pdf Universidad Nacional del Litoral
institution Universidad Nacional del Litoral
collection Biblioteca de tesis
language Spanish
topic Bioseñales
Aprendizaje profundo
Metaheuristicas
Biosignals
Deep learning
Metaheuristics
spellingShingle Bioseñales
Aprendizaje profundo
Metaheuristicas
Biosignals
Deep learning
Metaheuristics
Ruffiner, Hugo Leonardo
Aprendizaje profundo y metaheurísticas para la clasificación y análisis de bioseñales
description Fil: Ruffiner, Hugo Leonardo. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas ; Argentina.
format Thesis
author Ruffiner, Hugo Leonardo
author_facet Ruffiner, Hugo Leonardo
author_sort Ruffiner, Hugo Leonardo
title Aprendizaje profundo y metaheurísticas para la clasificación y análisis de bioseñales
title_short Aprendizaje profundo y metaheurísticas para la clasificación y análisis de bioseñales
title_full Aprendizaje profundo y metaheurísticas para la clasificación y análisis de bioseñales
title_fullStr Aprendizaje profundo y metaheurísticas para la clasificación y análisis de bioseñales
title_full_unstemmed Aprendizaje profundo y metaheurísticas para la clasificación y análisis de bioseñales
title_sort aprendizaje profundo y metaheurísticas para la clasificación y análisis de bioseñales
publisher Universidad Nacional del Litoral
publishDate 2025
url https://hdl.handle.net/11185/8162
_version_ 1839076405420228608
score 11.8626

Ejemplares similares