2 resultados
Resultados de la búsqueda
Mostrando 1 - 2 de 2
Ítem Desarrollo de un modelo predictivo piloto basado en aprendizaje automático para evaluar el estrés o deterioro cognitivo debido a la privación del sueño : análisis de correlaciones entre señales EEG y EDA con base en una muestra acotada.(Universidad Pedagógica Nacional, 2025) Rodríguez Garzón, Yohan Mauricio; Martínez Vásquez, David AlejandroEl presente trabajo aborda el desarrollo de un modelo predictivo piloto para la evaluación del estrés o deterioro cognitivo, causado por la privación del sueño, utilizando técnicas de aprendizaje automático tanto supervisado como no supervisado, donde el estudio inicia con un análisis de correlaciones de la actividad eléctrica del cuerpo entre señales cerebrales (EEG) y señales de la actividad electrotérmica (EDA) de una muestra de participantes sometidos a un experimento de privación de sueño. La metodología empleada incluyó el preprocesamiento de las señales, la extracción de características relevantes como la asimetría alfa frontal (FAA) del EEG y la componente tónica y fásica del EDA, y la segmentación de la señal en ventanas de 40 muestras. Posteriormente, se llevó a cabo la aplicación del algoritmo de aprendizaje automático no supervisado K-Means para agrupar los datos en dos clústeres y su posterior interpretación como estados de "estrés" y "no estrés". Una de las etapas finales del trabajo fue la evaluación y entrenamiento de cinco algoritmos de aprendizaje automático supervisado (Regresión logística, K-NN Vecinos, Support Vector Machines, Árboles de decisión y Random Forest) para finalmente, seleccionar el algoritmo de aprendizaje supervisado Support Vector Machine, el cual mostró el mejor desempeño para validar la capacidad de clasificación de los estados. Los resultados demuestran la viabilidad de utilizar este tipo de señales fisiológicas y los algoritmos de machine learning para identificar estados de estrés y fatiga mental, sentando las bases para futuros estudios en el área.Ítem Smart road detection : sistema participativo para la detección de irregularidades en la malla vial de la avenida carrera 68.(Universidad Pedagógica Nacional, 2023) Cubillos Rojas, Camila Andrea; Niño Pinzón, Brayan Eduardo; Martínez Vásquez, David AlejandroEl presente trabajo propone el desarrollo de un sistema participativo para detección de irregularidades de la malla vial en una de las avenidas más importantes de la ciudad de Bogotá, la avenida carrera 68, para este proyecto se implementó una metodología llamada Top-Down que permitió dividir en dos fases el desarrollo del proyecto, una enfocada en la creación del sistema y otra en la extracción de información de datos, en la primera fase se crea una aplicación para dispositivos móviles llamada Smart Road App, está se encarga de tomar datos desde los sensores inerciales del teléfono, como lo son acelerómetro y giroscopio y determinar la ubicación de las irregularidades mediante GPS. Estos datos son enviados a una base datos que los almacenará para su posterior tratamiento. El estudio se enfocará principalmente en las irregularidades y obstáculos más comunes como lo son imperfecciones generadas por el desgaste de la vía y reductores de velocidad; con base en esos datos almacenados, se implanta la segunda fase, donde se creó un algoritmo de árbol de decisión con el cual se realiza la clasificación de las irregularidades, logrando una predicción del 92%. Sus características principales la media móvil y la desviación estándar con una importancia de 13,4% y 86,5% respectivamente.