{"id":4000,"date":"2021-09-30T08:15:00","date_gmt":"2021-09-30T08:15:00","guid":{"rendered":"https:\/\/pcyti.izt.uam.mx\/?p=4000"},"modified":"2023-01-27T19:58:11","modified_gmt":"2023-01-27T19:58:11","slug":"proximo-seminario-aplicaciones-basadas-en-el-estudio-de-electroencefalogramas","status":"publish","type":"post","link":"https:\/\/pcyti.izt.uam.mx\/?p=4000","title":{"rendered":"Seminario: “Aplicaciones basadas en el estudio de electroencefalogramas”"},"content":{"rendered":"\n

Fecha<\/strong>: jueves 30 de septiembre de 2021 a las 11:00 hrs
Presenta<\/strong>:\u00a0Dr. Rigoberto Salom\u00f3n Fonseca Delgado
Afiliaci\u00f3n<\/strong>: Departamento de Ingenier\u00eda El\u00e9ctrica, UAM Iztapalapa<\/p>\n\n\n\n

Resumen<\/strong>:<\/p>\n\n\n\n

En este seminario veremos dos aplicaciones basadas en se\u00f1ales de electroencefalogramas (EEGs). Comenzaremos con el an\u00e1lisis de los factores que influyen en el desempe\u00f1o de un sistema biom\u00e9trico basado en EEGs. Y continuaremos con un sistema de diagn\u00f3sticos de Alzheimer utilizando EEGs y modelos de inteligencia artificial.<\/p>\n\n\n\n

La b\u00fasqueda de nuevos rasgos biom\u00e9tricos se ha vuelto una necesidad actualmente dado que los rasgos tradicionales, como la huella digital, la voz o el rostro, son muy propensos a la falsificaci\u00f3n. Por esta raz\u00f3n, el estudio de se\u00f1ales bioel\u00e9ctricas tiene el potencial de desarrollar nuevos sistemas biom\u00e9tricos. Una motivaci\u00f3n para usar se\u00f1ales de EEGs es que son \u00fanicas para cada persona y son mucho m\u00e1s dif\u00edciles de replicar con respecto a los biom\u00e9tricos convencionales. El objetivo de este estudio es analizar los factores que influyen en el desempe\u00f1o de un sistema biom\u00e9trico basado en se\u00f1ales EEG. Este trabajo utiliza seis clasificadores diferentes para comparar varios niveles de descomposici\u00f3n de la transformada de ond\u00edculas discretas como t\u00e9cnica de preprocesamiento y tambi\u00e9n explora la importancia del tiempo de grabaci\u00f3n. Los clasificadores utilizados son el clasificador Gaussiano Naive Bayes, los k-Vecinos m\u00e1s Cercanos, Random Forest, AdaBoost, M\u00e1quina de Soporte de Vectores (SVM por sus siglas en ingl\u00e9s) y el Perceptr\u00f3n Multicapa (MLP por sus siglas en ingl\u00e9s). Este trabajo muestra que el nivel de descomposici\u00f3n no tiene un gran impacto en el resultado global del sistema. Por otro lado, el tiempo de registro de los EEGs tiene un impacto significativo en el rendimiento de los clasificadores. Este estudio utiliz\u00f3 dos conjuntos de datos diferentes para validar los resultados. Los experimentos muestran que SVM y AdaBoost son los mejores clasificadores para este problema en particular.<\/p>\n\n\n\n

Semblanza:<\/strong><\/p>\n\n\n\n

Rigoberto Fonseca complet\u00f3 sus estudios de ingenier\u00eda en la Facultad de Ingenier\u00eda de Sistemas de la Escuela Polit\u00e9cnica Nacional, Quito-Ecuador. Trabaj\u00f3 en el sector privado en el \u00e1rea de desarrollo de software, lider\u00f3 varios grupos de desarrollo, tiene experiencia con diferentes motores de bases de datos y lenguajes de programaci\u00f3n. Continu\u00f3 sus estudios de maestr\u00eda y doctorado en M\u00e9xico en la Coordinaci\u00f3n de Ciencias Computacionales del Instituto Nacional de Astrof\u00edsica, \u00d3ptica y Electr\u00f3nica. Al finalizar sus estudios de posgrado, se desempe\u00f1\u00f3 como profesor en la Universidad Yachay Tech en la Facultad de Ciencias Matem\u00e1ticas y Computacionales hasta el 2020. Actualmente, es profesor en el Departamento de Ingenier\u00eda El\u00e9ctrica de la Universidad Aut\u00f3noma Metropolitana Unidad Iztapalapa en Ciudad de M\u00e9xico. Su \u00e1rea de investigaci\u00f3n gira alrededor de la predicci\u00f3n y clasificaci\u00f3n de series temporales. Su principal motivaci\u00f3n es fomentar la investigaci\u00f3n a trav\u00e9s de la formaci\u00f3n de capital humano.<\/p>\n\n\n\n

Entre sus proyectos actuales est\u00e1n:<\/p>\n\n\n\n