Resumen

La electroencefalografía (EEG) es la medición de la actividad neuronal en diferentes áreas del cerebro mediante el uso de electrodos. A medida que la tecnología de la señal de EEG ha madurado a lo largo de los años, se ha aplicado en varios métodos para el reconocimiento de emociones a través de EEG, incluyendo principalmente el uso de redes neuronales convolucionales (CNN). Sin embargo, estos métodos aún no son ideales, y se han encontrado deficiencias en los resultados de algunos modelos de extracción y clasificación de características de EEG. En este estudio, se seleccionaron dos modelos de CNN para la extracción y clasificación de datos preprocesados, a saber, el modelo de patrones espaciales comunes (CSP-CNN) y el modelo de transformada wavelet (WT-CNN). Utilizando el CSP-CNN, primero se utilizó el modelo de espacio común para reducir la dimensionalidad y luego se aplicó directamente la CNN para extraer y clasificar las características del EEG; mientras que, con el modelo WT-CNN, se utilizó la transformada wavelet para extraer las características del EEG, y luego se

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Actividad neuronal; Electrodos; Tecnología de señal EEG; Red neuronal convolucional; Extracción de características; Clasificación.
• Keywords:Neuronal activity; Electrodes; EEG signal technology; Convolutional neural network; Feature extraction; Classification.