Resumen

Un desafío importante en la decodificación de las emociones humanas a partir de datos de electroencefalograma (EEG) es encontrar representaciones que sean invariantes a las diferencias entre sujetos y dentro de un mismo sujeto. La mayoría de los estudios anteriores se centran en construir un modelo de discriminación individual para cada sujeto (modelo dependiente del sujeto). Construir modelos independientes del sujeto es un problema más difícil debido a la alta variabilidad de los datos entre diferentes sujetos y diferentes experimentos con el mismo sujeto. Este artículo explora, por primera vez, el Análisis de Factores como una técnica eficiente para extraer características temporales y espaciales del EEG adecuadas para construir una interfaz cerebro-computadora para decodificar las emociones humanas en varios sujetos. Nuestros hallazgos muestran que las ondas tempranas (ventana temporal de 200-400 ms después del inicio del estímulo) contienen más información sobre la valencia de la emoción. Además, la ubicación espacial de las características, con un impacto más fuerte en

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Decodificación de las emociones humanas; Datos de electroencefalograma; Análisis de Factores; Interfaz cerebro-computadora; Características temporales; Características espaciales
• Keywords:Decoding human emotions; Electroencephalogram data; Factor Analysis; Brain-computer interface; Temporal features; Spatial features