Resumen

Las señales de los electroencefalogramas (EEG) son de interés por su relación con las actividades fisiológicas, permitiendo describir el movimiento, el habla o el pensamiento. Se han desarrollado importantes investigaciones para aprovechar el EEG mediante algoritmos de clasificación o predicción basados en parámetros que ayudan a describir el comportamiento de la señal. Por ello, se debe dar gran importancia a la extracción de características, que es complicada para el proceso de Estimación de Parámetros (EP)-Identificación del Sistema (IS). Cuando se basa en una aproximación media, se presentan características no estacionarias. Para la PE se presenta la comparación de tres formas de uso iterativo-recursivo del Factor de Olvido Exponencial (EFF) combinado con una función lineal para identificar una señal estocástica sintética. La que presenta mejores resultados a través del error funcional se aplica a la aproximación de una señal de EEG para un ejemplo de clasificación simple, mostrando la eficacia de nuestra propuesta.

• Materias:Biotecnología Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithms Brain - pathophysiology Neurophysiology
• Palabras claves:ejemplo de clasificación simple, descripción del movimiento, factores de olvido exponenciales, ventaja del eeg, señal estocástica sintética, mejores resultados, algoritmo de predicción, señal eeg, características no estacionarias, gran importancia
• Keywords:simple classification example, description of motion, exponential forgetting factors, advantage of eeg, synthetic stochastic signal, best results, predictor algorithm, eeg signal, nonstationary characteristics, great importance