Técnicas de aprendizaje automático aplicadas a electroencefalogramas

Abstract

Resumen. Los electroencefalogramas(EEG) almacenan la actividad ce-rebral en un instante de tiempo determinado. Actualmente los EEG son utilizados en disciplinas médicas, científicas y tecnológicas. Debido a esto, lograr interpretar y clasificar de forma precisa estas señales es un problema abierto en eí area de machine learning. En esta investigación se trabaja con un conjunto de datos que representan señales de EEG, en las cuales se encuentran codificados los estados de los ojos (abiertos o cerrados). Este conjunto ha sido analizado por diversos autores, lo que se propone en esta investigación es tratar de mejorar el desempeño de los métodos ya explorados. Por lo anterior, se explora mediante una búsqueda greedy los valores de los parámetros que ofrezcan un mayor rendimiento al utilizar SVM y RNA. También se aplican técnicas de reducción mediante selección de prototipos y extracción de características al conjunto de señales. El objetivo es tratar de mejorar la estructura de los datos mediante una representación más compacta, para posterior-mente comprobar si se logra mejorar el proceso de discriminación. Palabras clave: EEG, SVM, redes neuronales artificiales, extracción de características, selección de prototipos, optimización, predición del los estados de los ojos.